論文の概要: HarnessVLN: Unifying Training-Free Embodied Navigation through an Agent Harness
- arxiv url: http://arxiv.org/abs/2609.15195v2
- Date: Wed, 16 Sep 2026 03:37:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:53.411917
- Title: HarnessVLN: Unifying Training-Free Embodied Navigation through an Agent Harness
- Title（参考訳）: HarnessVLN:エージェントハーネスによるトレーニング不要の身体的ナビゲーションの統合
- Abstract要約: 身体的ナビゲーションでは、エージェントは空間観測において指示や目標を下ろす必要がある。
本稿では,ゼロショットでトレーニング不要なフレームワークであるHarnessVLNを紹介した。
- 参考スコア（独自算出の注目度）: 30.61739879302674
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Embodied navigation requires agents to ground instructions or object goals in spatial observations and translate plans into successful execution. As multimodal large language models (MLLMs) become increasingly capable, they offer stronger support for navigation without task-specific training; however, improved semantic reasoning alone does not ensure that proposed actions remain consistent with spatial evidence, task progress, and execution outcomes. We introduce HarnessVLN, a zero-shot, training-free framework that unifies instruction-following and object-goal navigation through a shared Agent Harness. The Harness coordinates perception, memory, and execution tools through a unified interface, validating planner proposals for evidential support, geometric feasibility, and subgoal consistency before dispatch. It jointly manages hierarchical event memory and a persistent Spatiotemporal Graph to track task progress, preserve spatial evidence, and contextualize failures. Structured execution feedback updates this shared state, guiding subsequent planning, recovery, and termination. Across R2R, RxR, HM3D-v2, and HM3D-OVON, HarnessVLN achieves success rates of 60.8%, 53.9%, 76.0%, and 59.3%, respectively, outperforming prior training-free state-of-the-art methods. Humanoid robot deployment further demonstrates its applicability to both navigation tasks in real-world environments. The project page is available at https://agibot-harnessvln.netlify.app/.
- Abstract（参考訳）: 身体的なナビゲーションでは、エージェントは空間観測において指示や目標を接地し、計画を実行に移す必要がある。
MLLM(Multimodal large language model)の能力が向上するにつれて、タスク固有のトレーニングを使わずにナビゲーションのサポートが強化されるが、セマンティック推論の改善だけでは、提案されたアクションが空間的エビデンス、タスク進捗、実行結果と整合性を保つことは保証されない。
HarnessVLNはゼロショットでトレーニング不要なフレームワークで、共有エージェントHarnessを通じて命令追従とオブジェクトゴールナビゲーションを統一する。
Harnessは、統一インターフェースを通じて認識、メモリ、実行ツールを調整し、明確なサポート、幾何学的実現可能性、ディスパッチ前のサブゴール一貫性に関するプランナーの提案を検証する。
階層的なイベントメモリと永続的な時空間グラフを共同で管理し、タスクの進捗を追跡し、空間的エビデンスを保持し、失敗をコンテキスト化します。
構造化された実行フィードバックがこの共有状態を更新し、その後の計画、リカバリ、終了を導く。
R2R、RxR、HM3D-v2、HM3D-OVONの順に、HarnessVLNは60.8%、53.9%、76.0%、59.3%の成功率を達成し、事前のトレーニングなしの手法よりも優れている。
ヒューマノイドロボットの展開は、実際の環境における両方のナビゲーションタスクに適用可能であることをさらに示している。
プロジェクトのページはhttps://agibot-harnessvln.netlify.app/.com/で公開されている。
関連論文リスト
- Scaffolding Foundation Models into Physical-World Agents Pushes the Frontier of Long-Horizon Navigation [52.90741218586653]
長距離物理世界のエージェントは、信頼できるクローズドループ動作の決定を根拠にしながら、遠くの目標を推論しなければならない。
本稿では, 長期探査用NFMエグゼキュータとVLM推論エージェントを結合したエージェントスキャフォールディングフレームワークであるNavMCPを紹介する。
NavMCPは、Embodied Question AnsweringとUnitree Go2の最先端の結果を達成する。
論文 参考訳（メタデータ） (2026-08-31T07:50:16Z) - STEGNav: Spatio-Temporal Event Graph Reasoning for Multimodal Lifelong Object Navigation [17.685326212060716]
本研究では,従来のシーングラフを相補的空間軸,時間軸に沿ってイベントグラフに拡張する学習自由フレームワークを提案する。
STEGNavは、GOAT-Benchで66.3%のSRと39.7のSPL、HM3D1とHM3Dv2でそれぞれ64.0%と69.4%を達成している。
論文 参考訳（メタデータ） (2026-08-28T12:42:16Z) - Embodied-Navigator: Point, Think, Memorize, and Align for Efficient Navigation [68.02899606570223]
本稿では,効率的なエンボディナビゲーションのための統合フレームワークであるTAMP-Navを提案する。
まず、ナビゲーションを2次元の視覚座標に再構成するPixel-to-3D Action Formulation(Point)を導入する。
次に,Selective Reasoning and Anchor-Trajectory Memory Mechanism (Think and Memorize)を提案する。
論文 参考訳（メタデータ） (2026-08-18T08:37:08Z) - PRIMAL3: Pathfinding via Reinforcement and Imitation Multi-Agent Learning - Leveraging LaCAM3 [19.66694371656982]
PRIMAL3はマルチエージェントパスフィンディング(MAPF)のための超大規模フレームワーク
強化学習、トポロジ対応通信、LaCAM3誘導訓練、PIBTベースの行動改善を統合している。
実験により、PRIMAL3は最先端の学習ベースラインを大幅に上回っていることが示された。
論文 参考訳（メタデータ） (2026-08-05T14:33:59Z) - ConsistNav: Closing the Action Consistency Gap in Zero-Shot Object Navigation with Semantic Executive Control [20.155796585668607]
ConsistNavは、トレーニング不要のゼロショットObjectNavフレームワークで、3つの調整済みモジュールからなるセマンティックエグゼクティブを中心に構築されている。
我々はHM3DとMP3Dの実験を行い、ConsistNavは結果を達成し、SRを11.4%改善し、SPLを7.9%改善した。
論文 参考訳（メタデータ） (2026-05-11T01:51:45Z) - Stop Wandering: Efficient Vision-Language Navigation via Metacognitive Reasoning [12.880792990007244]
トレーニングフリーのビジョンランゲージナビゲーション(VLN)エージェントは、指示に従って3D環境を探索することができる。
既存のアプローチは、強欲なフロンティア選択と受動的空間記憶に依存している。
本稿では,空間記憶,履歴認識計画,反射補正を統合したメタ認知ナビゲーションエージェントMetaNavを提案する。
論文 参考訳（メタデータ） (2026-04-02T17:58:08Z) - ReMemNav: A Rethinking and Memory-Augmented Framework for Zero-Shot Object Navigation [35.416693138335354]
ゼロショットオブジェクトナビゲーションでは、エージェントは未知のターゲットオブジェクトを未知の環境で見つける必要がある。
視覚言語モデルの最近の進歩は、このタスクに有望な常識推論機能を提供する。
本稿では,パノラマ的セマンティック先行とエピソード記憶をシームレスに統合するReMemNavという新しい階層型ナビゲーションフレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-25T09:07:32Z) - Detect Anything via Next Point Prediction [51.55967987350882]
Rex-Omniは最先端の物体認識性能を実現する3BスケールのMLLMである。
COCOやLVISのようなベンチマークでは、Rex-Omniは回帰ベースのモデルに匹敵するパフォーマンスを得る。
論文 参考訳（メタデータ） (2025-10-14T17:59:54Z) - Dexplore: Scalable Neural Control for Dexterous Manipulation from Reference-Scoped Exploration [58.4036440289082]
ハンドオブジェクトモーションキャプチャ(MoCap)は、大規模でコンタクトに富んだデモと、器用なロボットスコープの約束を提供する。
Dexploreは、リポジトリとトラッキングを実行し、MoCapから直接ロボット制御ポリシーを学習する、統一された単一ループ最適化である。
論文 参考訳（メタデータ） (2025-09-11T17:59:07Z) - Move to Understand a 3D Scene: Bridging Visual Grounding and Exploration for Efficient and Versatile Embodied Navigation [54.04601077224252]
身近なシーン理解には、視覚空間情報の理解だけでなく、3D物理世界における次の探索場所の決定も必要である。
アンダーラインテキストbf3D視覚言語学習は、エンボディエージェントが環境を効果的に探索し理解することを可能にする。
モデルの汎用性は、カテゴリ、言語記述、参照イメージなど、多様な入力モダリティを使ったナビゲーションを可能にする。
論文 参考訳（メタデータ） (2025-07-05T14:15:52Z) - Improving Target-driven Visual Navigation with Attention on 3D Spatial
Relationships [52.72020203771489]
3次元屋内シーンにおける深部強化学習(DRL)を用いた目標駆動型視覚ナビゲーションについて検討した。
提案手法は視覚特徴と3次元空間表現を組み合わせてナビゲーションポリシーを学習する。
AI2-THORで実施した我々の実験は、SRとSPLの指標において、モデルがベースラインを上回っていることを示している。
論文 参考訳（メタデータ） (2020-04-29T08:46:38Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。