論文の概要: Universal Navigation Interface: Robot-Free Data for Wheeled Robot Navigation

• arxiv url: http://arxiv.org/abs/2609.20114v1
• Date: Thu, 17 Sep 2026 12:13:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.25542
• Title: Universal Navigation Interface: Robot-Free Data for Wheeled Robot Navigation
• Title（参考訳）: ユニバーサルナビゲーションインタフェース:車輪付きロボットナビゲーションのためのロボットフリーデータ
• Abstract要約: Universal Interface(UNI)は4輪歩行器とスマートフォンを使って現実世界のデータを収集するロボットフリーコレクションパラダイムである。 我々は37.2kmの現実世界の航法軌道を収集し、目標条件の航法モデルを直接監督する計量データを回収する。
• 参考スコア（独自算出の注目度）: 3.7222845193679213
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Collecting real-world navigation data for mobile robots typically requires platform-specific teleoperation, making large-scale collection expensive and difficult to scale. We introduce Universal Navigation Interface (UNI), a robot-free data collection paradigm that uses a four-wheeled rollator walker (rollator) and smartphone to collect physically constrained human demonstrations. Because the rollator cannot climb stairs, negotiate uncut curbs, or pass through narrow gaps, demonstrations are naturally biased toward wheeled-feasible routes. Using UNI, we collect 37.2 km of real-world navigation data and recover metric trajectories that directly supervise goal-conditioned navigation models. Fine-tuning visual-navigation models on UNI reduces trajectory prediction error by 17.4-24.8% on held-out UNI demonstrations. Evaluation on other navigation datasets shows benefits that vary by dataset and metric. We further demonstrate closed-loop transfer to a powered wheelchair in curb, staircase, and curb-cut scenarios. These results support low-cost physical proxies as a practical source of navigation supervision collected without the target robot.
• Abstract（参考訳）: 移動ロボットの現実のナビゲーションデータを収集するには、プラットフォーム固有の遠隔操作が必要である。 ロボットフリーのデータ収集パラダイムであるUniversal Navigation Interface (UNI)を導入する。 ローラーは階段を上ったり、未切断の縁石を交渉したり、狭い隙間を通り抜けることができないため、デモは自然に車輪付き実現可能なルートに偏っている。 UNIを用いて37.2kmの現実世界の航法データを収集し、目標条件の航法モデルを直接監督する計量軌道を復元する。 UNI上での微調整視覚ナビゲーションモデルは、保留中のUNIデモにおいて軌道予測誤差を17.4-24.8%削減する。 他のナビゲーションデータセットの評価は、データセットとメトリックによって異なるメリットを示している。 さらに、縁石、階段、縁石のシナリオにおける動力式車椅子への閉ループ移動を実証した。 これらの結果は,目標ロボットを使わずに収集したナビゲーション管理の実践的情報源として,低コストな物理プロキシをサポートする。

関連論文リスト

• ImagiNav: Scalable Embodied Navigation via Generative Visual Prediction and Inverse Dynamics [13.382453086651019]
  Vision-Language Navigationは、高価なエンボディメント固有のロボットデータに基づいて訓練されたエンドツーエンドのポリシーに依存している。 ロボットの動作から視覚計画を切り離す新しいモジュラーパラダイムであるImagiNavを提案する。 ImagiNavは、ロボットのデモを必要とせずに、ロボットナビゲーションへの強力なゼロショット転送をデモする。
  論文  参考訳（メタデータ） (2026-03-14T08:34:02Z)
• Enabling Autonomous Navigation in a Snake Robot through Visual-Inertial Odometry and Closed-Loop Trajectory Tracking Control [0.0]
  スネークロボットは、従来のローバーに到達できない極端な地形を横断する例外的な移動手段を提供する。 この論文は、惑星探査用に設計された11自由度モジュラーヘビロボットCOBRAのための完全な自律パイプラインを開発する。
  論文  参考訳（メタデータ） (2025-12-09T05:17:42Z)
• SACSoN: Scalable Autonomous Control for Social Navigation [62.59274275261392]
  我々は、社会的に邪魔にならないナビゲーションのための政策の訓練方法を開発した。 この反事実的摂動を最小化することにより、共有空間における人間の自然な振る舞いを変えない方法でロボットに行動を促すことができる。 屋内移動ロボットが人間の傍観者と対話する大規模なデータセットを収集する。
  論文  参考訳（メタデータ） (2023-06-02T19:07:52Z)
• Offline Reinforcement Learning for Visual Navigation [66.88830049694457]
  ReViNDは、ロボットナビゲーションのための最初のオフラインRLシステムで、これまで収集されたデータを利用して、現実世界でユーザーが指定した報酬関数を最適化する。 ReViNDは、このデータセットからのオフライントレーニングのみを使用して、遠方の目標にナビゲートできることを示し、ユーザ指定の報酬関数に基づいて、質的に異なる振る舞いを示す。
  論文  参考訳（メタデータ） (2022-12-16T02:23:50Z)
• GNM: A General Navigation Model to Drive Any Robot [67.40225397212717]
  視覚に基づくナビゲーションのための一般的な目標条件付きモデルは、多くの異なるが構造的に類似したロボットから得られたデータに基づいて訓練することができる。 ロボット間の効率的なデータ共有に必要な設計決定について分析する。 我々は、訓練されたGNMを、下四極子を含む様々な新しいロボットに展開する。
  論文  参考訳（メタデータ） (2022-10-07T07:26:41Z)
• How Does It Feel? Self-Supervised Costmap Learning for Off-Road Vehicle Traversability [7.305104984234086]
  オフロード環境における地形の移動性の推定には、ロボットとこれらの地形の間の複雑な相互作用のダイナミクスを推論する必要がある。 本研究では,外外環境情報と固有地形相互作用フィードバックを組み合わせることで,トラバーサビリティのコストマップを予測する手法を提案する。
  論文  参考訳（メタデータ） (2022-09-22T05:18:35Z)
• LM-Nav: Robotic Navigation with Large Pre-Trained Models of Language, Vision, and Action [76.71101507291473]
  本稿では,無注釈の大規模軌跡データに対するトレーニングの恩恵を享受するロボットナビゲーションシステムLM-Navを提案する。 本研究では,ナビゲーション(ViNG),画像言語アソシエーション(CLIP),言語モデリング(GPT-3)の事前学習モデルから構築可能なシステムについて述べる。
  論文  参考訳（メタデータ） (2022-07-10T10:41:50Z)
• Socially Compliant Navigation Dataset (SCAND): A Large-Scale Dataset of Demonstrations for Social Navigation [92.66286342108934]
  社会ナビゲーションは、ロボットのような自律的なエージェントが、人間のような他の知的エージェントの存在下で、社会的に従順な方法でナビゲートする能力である。 私たちのデータセットには8.7時間、128の軌道、25マイルの社会的に適合した人間の遠隔運転デモが含まれています。
  論文  参考訳（メタデータ） (2022-03-28T19:09:11Z)

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。