論文の概要: Navi-Agent: Unlocalized Monocular Navigation Agent
- arxiv url: http://arxiv.org/abs/2609.20388v2
- Date: Fri, 18 Sep 2026 01:45:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-21 18:40:16.721095
- Title: Navi-Agent: Unlocalized Monocular Navigation Agent
- Title（参考訳）: Navi-Agent:非局在型単分子ナビゲーションエージェント
- Abstract要約: 本稿では,ゼロショットVLN-CEエージェントであるNavi-Agentについて述べる。
ゼロショットVLN-CEベンチマークと実世界のロボットプラットフォームの実験は、Navi-Agentが最先端のパフォーマンスを達成することを示す。
- 参考スコア（独自算出の注目度）: 16.413931363031253
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Vision-Language Navigation in Continuous Environments (VLN-CE) requires an embodied agent to execute long-horizon instructions in unknown environments. Existing zero-shot VLN-CE systems typically maintain spatial states through geometric localization or coordinate-based representations. Recent geometry-constrained navigation removes depth and globally consistent coordinates, but maintaining persistent spatial awareness for place confirmation, progress verification, and recovery remains challenging. We present Navi-Agent, a zero-shot VLN-CE agent that constructs a coordinate-free spatial state from visual observations and executed motion histories. Navi-Agent organizes this state as a navigation topology, where nodes represent visual places and edges represent motion transitions. This representation enables observation-based approximate self-localization, task progress verification, and visual revisitation-based recovery. Navi-Agent performs closed-loop navigation by decomposing instructions into sub-goals, executing local visual navigation, and verifying visited places through the constructed spatial state. Experiments on zero-shot VLN-CE benchmark and real-world robot platforms show that Navi-Agent achieves state-of-the-art performance among geometry-constrained methods while remaining competitive with approaches relying on geometric localization.
- Abstract（参考訳）: VLN-CE (Vision-Language Navigation in Continuous Environments) は、未知の環境で長距離の指示を実行するためのエンボディエージェントを必要とする。
既存のゼロショットVLN-CEシステムは、幾何学的局所化や座標に基づく表現を通じて空間状態を維持するのが一般的である。
近年のジオメトリ制約ナビゲーションでは,奥行きや一貫した座標が取り除かれるが,位置確認,進捗確認,回復に対する空間的認識の持続は依然として困難である。
本稿では,ゼロショットVLN-CEエージェントであるNavi-Agentについて述べる。
Navi-Agentはこの状態をナビゲーショントポロジとして整理し、ノードは視覚的な場所を表し、エッジは動きの遷移を表す。
この表現は、観測に基づく近似的な自己ローカライゼーション、タスク進捗検証、視覚的修正に基づく回復を可能にする。
Navi-Agentは、命令をサブゴールに分解し、ローカルなビジュアルナビゲーションを実行し、構築された空間状態を通して訪問場所を検証することでクローズドループナビゲーションを実行する。
ゼロショットVLN-CEベンチマークと実世界のロボットプラットフォームを用いた実験により、Navi-Agentは幾何学的ローカライゼーションに依存したアプローチと競合しながら、幾何学的に制約された手法の間で最先端のパフォーマンスを達成することが示された。
関連論文リスト
- LightNav-0: Eliciting VLM Spatial Intelligence for Generalist Embodied Navigation [52.91080323083409]
エージェントは異質な目標や視覚的な観察をタスク、環境、ロボットの体現物に翻訳する必要がある。
ここでは,タスク固有の予測ヘッドを使わずに,予め訓練されたVLMの空間的知性を取り入れた,コンパクトな一般化型ナビゲーションモデルLightNav-0を提案する。
論文 参考訳（メタデータ） (2026-08-31T15:08:53Z) - AUSLUN: A Fixed-Hover UAV--USV System for GNSS-Denied Maritime Search and Navigation [7.220023631779745]
グローバルナビゲーション衛星システム (GNSS) は、無人の地上機 (USV) が遠くの船を見つけ、グローバルに参照されるアプローチを維持するのを防ぐことができる。
本稿では,無人航空機(UAV)を長距離センシング・航法用アンカーとして利用する固定ホバー地上システムであるAUSLUNについて述べる。
その結果, 沿岸域における固定ホバーUAV支援の実現可能性と運用境界が確立された。
論文 参考訳（メタデータ） (2026-06-29T07:15:59Z) - SpaceVLN: A Zero-Shot Vision-and-Language Navigation Agent with Online Spatial Cognitive Memory and Reasoning [59.64305326980364]
SpaceVLNは、空間認知記憶とタスク誘導空間推論を中心に構築されたナビゲーションエージェントである。
このメモリ上に構築されたSpatial-CoTは、タスクプログレス推論と空間知覚、分析、予測を統合する。
R2R-CE、RxR-CE、GN-Bench、HM3D-OVONの他、SpaceVLNは最先端のゼロショット性能を実現している。
論文 参考訳（メタデータ） (2026-06-08T03:42:08Z) - AgentVLN: Towards Agentic Vision-and-Language Navigation [78.739525400071]
VLN (Vision-and-Language Navigation) は、複雑な自然言語命令を、見えない環境での長距離ナビゲーションに接地するために、エンボディエージェントを必要とする。
本稿では,エッジコンピューティングプラットフォーム上に展開可能な,新規かつ効率的なナビゲーションフレームワークであるAgentVLNを提案する。
論文 参考訳（メタデータ） (2026-03-18T12:43:47Z) - SpatialNav: Leveraging Spatial Scene Graphs for Zero-Shot Vision-and-Language Navigation [48.17712857341527]
エージェント中心の空間マップ,コンパス対応の視覚表現,効率的なナビゲーションのためのリモートオブジェクトローカライゼーション戦略を統合したゼロショットビジョン・アンド・ランゲージナビゲーション(VLN)エージェントを提案する。
離散的および連続的な環境での実験では、SpatialNavは既存のゼロショットエージェントを著しく上回り、最先端の学習手法とのギャップをはっきりと狭めている。
論文 参考訳（メタデータ） (2026-01-11T08:39:19Z) - CityNavAgent: Aerial Vision-and-Language Navigation with Hierarchical Semantic Planning and Global Memory [39.76840258489023]
航空ビジョン・アンド・ランゲージナビゲーション(VLN)では、ドローンが自然言語の指示を解釈し、複雑な都市環境をナビゲートする必要がある。
都市空域VLNの航法複雑性を著しく低減する大規模言語モデル(LLM)を用いたエージェントである textbfCityNavAgent を提案する。
論文 参考訳（メタデータ） (2025-05-08T20:01:35Z) - Structured Scene Memory for Vision-Language Navigation [155.63025602722712]
視覚言語ナビゲーション(VLN)のための重要なアーキテクチャを提案する。
ナビゲーション中に知覚を正確に記憶できるほど区画化されている。
また、環境内の視覚的および幾何学的な手がかりを捉え、取り除く、構造化されたシーン表現としても機能する。
論文 参考訳（メタデータ） (2021-03-05T03:41:00Z) - Occupancy Anticipation for Efficient Exploration and Navigation [97.17517060585875]
そこで我々は,エージェントが自我中心のRGB-D観測を用いて,その占有状態を可視領域を超えて推定する,占有予測を提案する。
エゴセントリックなビューとトップダウンマップの両方でコンテキストを活用することで、私たちのモデルは環境のより広いマップを予測できます。
われわれのアプローチは、2020 Habitat PointNav Challengeの優勝だ。
論文 参考訳（メタデータ） (2020-08-21T03:16:51Z)
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。