論文の概要: RoboFind: Multi-Agent Personalized Object Search for People Who Are Blind or Have Low Vision

• arxiv url: http://arxiv.org/abs/2609.20330v2
• Date: Fri, 18 Sep 2026 07:13:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 18:40:16.720444
• Title: RoboFind: Multi-Agent Personalized Object Search for People Who Are Blind or Have Low Vision
• Title（参考訳）: RoboFind:視覚障害者のための多言語パーソナライズされたオブジェクト検索
• Abstract要約: ブラインドやロービジョンのユーザは、同じカテゴリの任意のインスタンスではなく、特定のパーソナルオブジェクトを見つける必要があることが多い。 スマートフォンがターゲットを教え、四足歩行ロボットが検索を行うマルチエージェントフレームワークであるRoboFindを提案する。 32回の実際のロボットミッションで、RoboFindは85.0%成功し、25.0%が再建されたシーケンシャルファーストストップベースラインである。
• 参考スコア（独自算出の注目度）: 49.05749155803252
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Blind and low-vision users often need to locate a specific personal object rather than an arbitrary instance of the same category. The task calls for a robot that can move through the space and reach viewpoints the user cannot, and for an accessible interface where the user says which object is meant and learns whether the right one was found. We present RoboFind, a multi-agent framework in which a smartphone teaches the target and a quadruped robot carries out the search. A Target Teaching Agent converts guided smartphone recordings into a semantic target profile and a reusable multi-view reference bank through an accessible capture flow with AR guidance, speech and haptic feedback, and screen-reader support, so later missions refer to a stored object without repeating the teaching process. At runtime, a Navigation Agent explores the environment and proposes candidate targets, a Verification Agent checks each candidate against the stored references, and a Coordination and Recovery Agent completes the mission or triggers recovery and continued search. Across 32 real-robot missions, RoboFind reaches 85.0% success against 25.0% for a reconstructed sequential first-stop baseline over 20 trials with ten targets, and reduces false success from 75.0% to 5.0%. On six shared targets it succeeds in 10/12 trials, against 5/12 for 12 independently executed GPT-6 Astra-only trials. These results show that the multi-agent design fits the demands of personalized object search, where verifying object identity before declaring completion is what makes the outcome something a user can rely on.
• Abstract（参考訳）: ブラインドやロービジョンのユーザは、同じカテゴリの任意のインスタンスではなく、特定のパーソナルオブジェクトを見つける必要があることが多い。 タスクは、空間を移動し、ユーザーができない視点に到達できるロボットと、ユーザーがどのオブジェクトを意図しているかを話し、正しいオブジェクトが見つかったかどうかを学習するアクセス可能なインターフェースを要求する。 スマートフォンがターゲットを教え、四足歩行ロボットが検索を行うマルチエージェントフレームワークであるRoboFindを提案する。 ターゲット教示エージェントは、誘導されたスマートフォン記録をARガイダンス、音声及び触覚フィードバック、スクリーンリーダーサポートを備えたアクセス可能なキャプチャフローを介して、セマンティックターゲットプロファイルおよび再利用可能なマルチビュー参照バンクに変換する。 実行時にナビゲーションエージェントが環境を調査し、候補ターゲットを提案し、検証エージェントが格納された参照に対して各候補をチェックし、コーディネートとリカバリエージェントがミッションを完了またはリカバリをトリガーし、検索を継続する。 32回の実際のロボットミッションで、RoboFindは25.0%に対して85.0%成功し、20回の試験で10の目標を達成し、75.0%から5.0%に偽の成功を減らした。 6つの共通目標に対して10/12の試験で成功し、5/12は独立に実行されたGPT-6アストラのみの試験である。 これらの結果から,マルチエージェント設計はパーソナライズされたオブジェクト検索の要求に適合することが示された。

関連論文リスト

• Towards Retrieving Interaction Spaces for Agentic Search [62.666902610940525]
  最近の直接コーパス(DCI)の研究は、エージェントが5.4のインタラクションやファイル読み取りといったシェルツールを通じて生コーパスと対話できることを示している。 エージェント検索における検索の役割は, LLMコンテキストウィンドウに適合する文書を選択することだけではなく, インタラクション空間を構築することにある。
  論文  参考訳（メタデータ） (2026-06-05T03:47:40Z)
• Uni-LaViRA: Language-Vision-Robot Actions Translation for Unified Embodied Navigation [60.07205156194741]
  身体的なナビゲーションでは、エージェントが言語や視覚的な観察を、実際に見たことのない環境を通して実際のロボットを駆動する空間的な行動の流れにマッピングする必要がある。 統合エージェントアーキテクチャであるUni-LaViRAを4つのタスクファミリと4つの異種実ロボットに拡張する。
  論文  参考訳（メタデータ） (2026-05-26T18:52:04Z)
• IntentionNav: A Benchmark for Intent-Driven Object Navigation from Implicit Human Instruction [17.341498923142595]
  IntentionNavは、暗黙の人間の指示からアクティブなオブジェクト検索を行うための診断ベンチマークである。 IntentionNavには、176のIsaac Simシーンと64のターゲットカテゴリに500の意図がある。 モデルは48.3%のエピソードで目標を特定し、68.7%で2m地区に入るが、わずか24.9%で終了し、5.5%で1mの成功を達成した。
  論文  参考訳（メタデータ） (2026-05-22T03:09:55Z)
• ObjectFinder: An Open-Vocabulary Assistive System for Interactive Object Search by Blind People [42.050924675417654]
  視覚障害者による対話型オブジェクト検索のためのオープン語彙ウェアラブルシステムであるObjectFinderを提案する。 ObjectFinderでは、フレキシブルなワードでターゲットオブジェクトをクエリできる。 距離や方向を含む、エゴセントリックなローカライゼーション情報をリアルタイムで提供する。
  論文  参考訳（メタデータ） (2024-12-04T08:38:45Z)
• Collaborative Instance Object Navigation: Leveraging Uncertainty-Awareness to Minimize Human-Agent Dialogues [54.81155589931697]
  協調インスタンスオブジェクトナビゲーション(CoIN)は、エージェントがターゲットインスタンスに関する不確実性を積極的に解決する新しいタスク設定である。 未認識者に対するエージェント・ユーザインタラクション(AIUTA)の新たな学習自由化手法を提案する。 まず、オブジェクト検出時に、セルフクエチオナーモデルがエージェント内で自己対話を開始し、完全かつ正確な観察記述を得る。 インタラクショントリガーモジュールは、人間に質問するか、継続するか、ナビゲーションを停止するかを決定する。
  論文  参考訳（メタデータ） (2024-12-02T08:16:38Z)
• One Map to Find Them All: Real-time Open-Vocabulary Mapping for Zero-shot Multi-Object Navigation [2.022249798290507]
  ゼロショットマルチオブジェクトナビゲーションのための新しいベンチマークを導入する。 リアルタイムオブジェクト検索に適した,再利用可能なオープン語彙機能マップを構築した。 単一目的と多目的のナビゲーションタスクにおいて,既存の最先端のアプローチよりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-09-18T07:44:08Z)
• Multi-Agent Embodied Visual Semantic Navigation with Scene Prior Knowledge [42.37872230561632]
  視覚的セマンティックナビゲーションでは、ロボットは自我中心の視覚的観察を行い、目標のクラスラベルが与えられる。 既存のモデルのほとんどは単一エージェントナビゲーションにのみ有効であり、より複雑なタスクを完了すると、単一のエージェントは低効率でフォールトトレランスが低い。 本稿では,複数のエージェントが協調して複数の対象物を見つけるマルチエージェント視覚意味ナビゲーションを提案する。
  論文  参考訳（メタデータ） (2021-09-20T13:31:03Z)
• Learning Target Candidate Association to Keep Track of What Not to Track [100.80610986625693]
  目標を追尾し続けるために、逸脱物を追跡することを提案します。 視覚的トラッキングにおいて, トラクタオブジェクト間の接地トルース対応を欠く問題に対処するために, 部分アノテーションと自己監督を組み合わせたトレーニング戦略を提案する。 我々のトラッカーは6つのベンチマークで新しい最先端のベンチマークを設定し、AUCスコアはLaSOTで67.2%、OxUvA長期データセットで+6.1%向上した。
  論文  参考訳（メタデータ） (2021-03-30T17:58:02Z)

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。