論文の概要: Bridging Learned Visual Perception and Symbolic Belief-Space Planning
- arxiv url: http://arxiv.org/abs/2609.16884v1
- Date: Tue, 15 Sep 2026 09:17:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 14:56:08.431164
- Title: Bridging Learned Visual Perception and Symbolic Belief-Space Planning
- Title（参考訳）: 視覚知覚と象徴的信念空間計画のブリッジング
- Abstract要約: 部分的に観察可能な設定では、エージェントは世界の状態を完全に知ることなく行動し、不確実な状態推定パイプラインに依存する必要がある。
最近の研究は視覚言語モデル(VLM)を統合し、知覚と象徴的推論を橋渡ししている。
本稿では,VLM述語基底の不確かさをシンボル状態上の確率分布として捉える新しい手法を提案する。
- 参考スコア（独自算出の注目度）: 7.9081587430258145
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In partially observable settings, agents must act without full knowledge of the world state and rely on uncertain state-estimation pipelines. Obtaining grounded and verifiable symbolic plans under such uncertainty remains a key challenge. Recent work has integrated Vision-Language Models (VLMs) to bridge perception and symbolic reasoning, following two main paradigms. The first, VLM-as-planner, maps images directly to action sequences, and the second, VLM-as-grounder, grounds observations into symbolic predicates used as the initial state by off-the-shelf planners. Both approaches ignore uncertainty in the planning process, compromising robustness. We introduce a third paradigm, VLM-as-probabilistic-grounder, a novel approach that captures the uncertainty of VLM predicate groundings as a probability distribution over symbolic states. This enables planning in belief space and producing robust plans under uncertainty. Experiments in simulated household robot settings show improved robustness and task success over deterministic grounding, underscoring how our approach leverages foundation models for reliable planning under uncertainty.
- Abstract（参考訳）: 部分的に観察可能な設定では、エージェントは世界の状態を完全に知ることなく行動し、不確実な状態推定パイプラインに依存する必要がある。
このような不確実性の下で、根拠付きかつ検証可能な象徴的な計画を維持することは、依然として重要な課題である。
最近の研究はビジョン・ランゲージ・モデル(VLM)を統合し、認知と象徴的推論を2つの主要なパラダイムに従って橋渡ししている。
第1のVLM-as-plannerは、画像を直接アクションシーケンスにマッピングし、第2のVLM-as-grounderは、既成のプランナーによって初期状態として使用される象徴的な述語に観察を基礎付ける。
どちらのアプローチも計画プロセスの不確実性を無視し、堅牢性を損なう。
本稿では,3つ目のパラダイムであるVLM-as-probabilistic-grounderを導入する。
これにより、信念空間を計画し、不確実性の下で堅牢な計画を作成することができる。
シミュレーションされた家庭用ロボット設定の実験では、決定論的グラウンドリングよりも頑健さとタスク成功が向上し、不確実性下での信頼性プランニングにおいて、我々のアプローチが基礎モデルをどのように活用するかを明らかにした。
関連論文リスト
- Neurosymbolic Embodied Agents [47.49426471809857]
言語および視覚言語モデルは、もっともらしい具体化された計画を生成するが、実行可能性を保証するものではない。
本稿では,長期の家庭内課題をタスク指向の視覚探索と制約付きシンボルプランニングに分解するニューロシンボリックエージェントを提案する。
論文 参考訳（メタデータ） (2026-08-17T16:50:59Z) - Shift & Drift: A Zero-Shot Benchmark for Generalizable and Robust Autonomous Driving Motion Planning [60.888463449435484]
シフト・アンド・ドリフト(Shift & Drift)は、分散シフトの2つの重要な軸にまたがる、厳密なストレス-テスト運動プランナーのための新しいデュアルトラックベンチマークである。
擬似学習手法は,IDベンチマークにおいて高いスコアを得るが,時間的に相関したアクティベーションノイズを受けると持続的なドリフトに悩まされることを示す。
本研究は, 模擬忠実度と閉ループレジリエンスのトレードオフを実証的に明らかにし, 信頼性の高い展開に向けた進捗を評価するための厳密なベンチマークをコミュニティに提供する。
論文 参考訳（メタデータ） (2026-07-08T18:23:48Z) - ThinkingVLA: Interleaved Vision and Language Reasoning for Robotic Manipulation [71.69632267962993]
我々は、操作計画が自然に予測に分解され、次の視覚状態が予測され、逆ダイナミクスとなることを論じる。
我々は、この分解を実現する生成モデルである textbfThinkingVLA を提案する。
シミュレーションと実世界のベンチマークの実験では、ThinkingVLAは最先端のベースラインを一貫して上回っている。
論文 参考訳（メタデータ） (2026-06-16T13:45:17Z) - From General Vision to Reliable Traversability Estimation: Adapting Vision Foundation Models for Unstructured Outdoor Environments [12.275095764403432]
信頼性の高いトラバーサビリティ推定に視覚に基づくアプローチを適用するフレームワークであるViTAを提案する。
ViTAは、VFMのクロスドメインの一般化を維持しながら、学習可能なトラバーサビリティプロンプトを通じてタスク固有の知識を注入する。
以上の結果から,Vita は最先端の IoU と Precision を実現し,偽陽性の大幅な低減とクロスドメインの強力な一般化を実現した。
論文 参考訳（メタデータ） (2026-05-28T08:16:20Z) - PRISM: : Planning and Reasoning with Intent in Simulated Embodied Environments [59.07829883257003]
5つの集合住宅の上に建設され、PRISMは300の人間認証タスクを3つの能力レベルに構成する。
PRISMはエージェントに依存しない実行可能なアクションAPIを公開し、任意のエージェントをエンドツーエンドで評価できるようにする。
論文 参考訳（メタデータ） (2026-05-12T04:59:47Z) - Into the Unknown: Towards using Generative Models for Sampling Priors of Environment Uncertainty for Planning in Configuration Spaces [28.37021202108478]
事前は部分的な可観測性の下での計画には不可欠だが、実際は入手が困難である。
本稿では, 大規模事前学習モデルを用いて, ゼロショット方式で事前生成を行う確率論的パイプラインを提案する。
我々は、ロボットが観測されていない対象物にナビゲートする必要がある戸口を通して部分的に見える部屋のMatterport3Dベンチマークを構築した。
論文 参考訳（メタデータ） (2025-10-13T05:08:48Z) - Towards Reliable LLM-based Robot Planning via Combined Uncertainty Estimation [68.106428321492]
大規模言語モデル (LLM) は高度な推論能力を示し、ロボットが自然言語の命令を理解し、適切な接地で高レベルな計画を生成することができる。
LLMの幻覚は重大な課題であり、しばしば過度に信頼され、不一致または安全でない計画に繋がる。
本研究は, 信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性・信頼性評価を別々に評価するものである。
論文 参考訳（メタデータ） (2025-10-09T10:26:58Z) - Seeing is Believing: Belief-Space Planning with Foundation Models as Uncertainty Estimators [34.28879194786174]
オープンワールド環境における汎用的なロボット移動操作は、長い地平線、複雑な目標、部分的な観測可能性といった大きな課題を生んでいる。
これらの課題に対処するための有望なアプローチは、タスクプランナーがこれらのスキルをシーケンスして、構造化言語で指定された目標を達成する、パラメータ化されたスキルのライブラリを計画することである。
本稿では、視覚言語モデルを利用して不確実性を推定し、シンボリックグラウンド化を促進する新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2025-04-04T07:48:53Z) - VISO-Grasp: Vision-Language Informed Spatial Object-centric 6-DoF Active View Planning and Grasping in Clutter and Invisibility [31.50489359729733]
VISO-Grasp(VISO-Grasp)は、厳しい環境下での把握のための可視性制約に対処するために設計された視覚インフォームドシステムである。
マルチビュー不確実性駆動型グリップ融合機構を導入し, グリップ信頼度と方向の不確実性をリアルタイムに改善する。
VISO-Graspは、目標指向のグリップにおいて87.5%の成功率を達成し、ベースラインを上回る最少のグリップの試みを達成している。
論文 参考訳（メタデータ） (2025-03-16T18:46:54Z) - Know Where You're Uncertain When Planning with Multimodal Foundation Models: A Formal Framework [54.40508478482667]
認識と計画生成の不確実性を解消し、定量化し、緩和する包括的枠組みを提案する。
本稿では,知覚と意思決定の独特な性質に合わせた手法を提案する。
この不確実性分散フレームワークは, 変動率を最大40%削減し, タスク成功率をベースラインに比べて5%向上させることを示した。
論文 参考訳（メタデータ） (2024-11-03T17:32:00Z) - Introspective Planning: Aligning Robots' Uncertainty with Inherent Task Ambiguity [0.659529078336196]
大規模言語モデル(LLM)は高度な推論能力を示し、ロボットが自然言語の指示を理解し、高レベルの行動を戦略的に計画することを可能にする。
LLMの幻覚は、ロボットがユーザー目標と不一致の計画を実行したり、クリティカルなシナリオでは安全でないりする可能性がある。
本稿では,LLMの不確かさとタスク固有のあいまいさを一致させる系統的手法であるイントロスペクティブプランニングを提案する。
論文 参考訳（メタデータ） (2024-02-09T16:40:59Z)
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。