論文の概要: Spatial-Semantic Uncertainty in VLM-Based Target Search: Balancing Exploration and Identification

• arxiv url: http://arxiv.org/abs/2609.20443v1
• Date: Thu, 17 Sep 2026 14:16:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.316128
• Title: Spatial-Semantic Uncertainty in VLM-Based Target Search: Balancing Exploration and Identification
• Title（参考訳）: VLMに基づくターゲット探索における空間意味の不確実性:探索と同定のバランス
• Abstract要約: 候補位置に対する空間的不確実性やターゲットアイデンティティに対する意味的不確実性は、VLMベースのサーチシステムでしばしば混同される。 本稿では,各コンポーネントに対する個別の信念を維持する空間的意味の不確かさの定式化を導入する。 セマンティックな不確実性に対する明確な計画は、決定品質を犠牲にすることなく、目標の解決を加速できることを示す。
• 参考スコア（独自算出の注目度）: 5.293187822025911
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robots searching for a target from a natural-language description must determine not only where to search, but also which observed candidate is the desired target. These decisions reflect two distinct sources of uncertainty - spatial uncertainty over candidate locations and semantic uncertainty over target identity - that are often conflated in VLM-based search systems. We introduce a spatial-semantic uncertainty formulation that maintains separate beliefs over each component and integrates probabilistic VLM evidence into a global target-identity posterior, including probability mass for undiscovered targets. This decomposition allows an information-theoretic planner to independently value candidate discovery and target disambiguation through spatial and semantic expected information gain (EIG), providing an explicit mechanism for trading broader exploration against earlier identification. We evaluate six VLM uncertainty-elicitation interfaces on 500 synthetic targets and show that similar recognition accuracy can conceal substantial differences in calibration and false confidence. In degraded-observation search-and-identify experiments, EIG-based planners reach confident decisions in 75.0%-92.5% of trials, compared with 20.0% for Random search, while different spatial-semantic weightings achieve comparable identification accuracy once confidence is attained. Increasing semantic emphasis reduces unnecessary exploration and VLM queries, demonstrating that explicitly planning over semantic uncertainty can accelerate target resolution without sacrificing decision quality. These results highlight the distinct roles of uncertainty representation and uncertainty-driven planning in embodied VLM systems.
• Abstract（参考訳）: 自然言語による記述から対象を探索するロボットは、検索する場所だけでなく、どの候補が望ましい対象であるかを判断しなければならない。 これらの決定は、候補位置に対する空間的不確実性と、ターゲットアイデンティティに対する意味的不確実性という、VLMベースのサーチシステムでしばしば混在する2つの異なる不確実性の原因を反映している。 本研究では,各コンポーネントに対する個別の信念を維持し,確率的VLM証拠を,未発見のターゲットに対する確率質量を含む大域的目標同一性後部へ統合する空間意味の不確実性定式化を導入する。 この分解により、情報理論的なプランナーは、空間的および意味的な予測情報ゲイン(EIG)を通じて、候補発見と目標の曖昧さを独立に評価することができ、より広範な探索を以前の識別と交換するための明確なメカニズムを提供する。 我々は,500の合成ターゲット上での6つのVLM不確かさ緩和インタフェースを評価し,類似の認識精度がキャリブレーションと疑似信頼の実質的な違いを隠蔽することを示した。 劣化観測による探索・識別実験では、EIGベースのプランナーは75.0%-92.5%の試験で確実な決定を下し、ランダム探索では20.0%、空間意味の重み付けでは信頼が得られれば同等の精度を達成している。 意味的強調の増大は、不必要な探索とVLMクエリを減少させ、意味的不確実性よりも明確に計画することで、決定品質を犠牲にすることなく、目標の解決を加速できることを示した。 これらの結果は,組込みVLMシステムにおける不確実性表現と不確実性駆動型計画の明確な役割を強調した。

関連論文リスト

• Mobile Target Search with Imperfect Perception: A Partially Observable Stochastic Game Theoretical Approach [0.688204255655161]
  本稿では,センサの制限,悪意的妨害,コミュニケーションノイズによる不完全な知覚下での移動目標探索について検討する。 我々は、部分的に観測可能な決定過程を一般化する、部分観測可能な動的ゲーム(POSG)アプローチを採用する。 我々は,探索者のための集約的ポテンシャルゲーム構造とターゲット予測のためのKL分割に基づく削減を利用するサーバ支援分散アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2026-06-18T13:44:12Z)
• Heterogeneous Uncertainty-Guided Composed Image Retrieval with Fine-Grained Probabilistic Learning [49.28548464288051]
  Composed Image Retrieval (CIR)は、参照画像と修正テキストを組み合わせることで、画像検索を可能にする。 CIR三重項の内在ノイズは内在的不確実性を引き起こし、モデルの堅牢性を脅かす。 本稿では,これらの制約を克服するための不確実性誘導(HUG)パラダイムを提案する。
  論文  参考訳（メタデータ） (2026-01-16T16:05:49Z)
• 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)
• Probabilistic Modeling of Disparity Uncertainty for Robust and Efficient Stereo Matching [61.73532883992135]
  本稿では,新しい不確実性を考慮したステレオマッチングフレームワークを提案する。 我々はベイズリスクを不確実性の測定として採用し、データを別々に見積もり、不確実性をモデル化する。
  論文  参考訳（メタデータ） (2024-12-24T23:28:20Z)
• Decomposing Uncertainty for Large Language Models through Input Clarification Ensembling [69.83976050879318]
  大規模言語モデル(LLM)では、不確実性の原因を特定することが、信頼性、信頼性、解釈可能性を改善するための重要なステップである。 本稿では,LLMのための不確実性分解フレームワークについて述べる。 提案手法は,入力に対する一連の明確化を生成し,それらをLLMに入力し,対応する予測をアンサンブルする。
  論文  参考訳（メタデータ） (2023-11-15T05:58:35Z)
• Ambiguity Meets Uncertainty: Investigating Uncertainty Estimation for Word Sense Disambiguation [5.55197751179213]
  既存の教師付き手法は、WSDを分類タスクとして扱い、優れたパフォーマンスを実現した。 本稿では,WSD 向けに設計されたベンチマークにおける不確実性推定(UE)を広範囲に研究する。 本研究では, モデルが適切に設計されたテストシナリオにおいて, 選択されたUEスコアを用いて, モデルによるデータとモデルの不確実性を捕捉する能力について検討し, モデルの不確実性を十分に反映するが, モデルの不確実性を過小評価する。
  論文  参考訳（メタデータ） (2023-05-22T15:18:15Z)
• CertainNet: Sampling-free Uncertainty Estimation for Object Detection [65.28989536741658]
  ニューラルネットワークの不確実性を推定することは、安全クリティカルな設定において基本的な役割を果たす。 本研究では,オブジェクト検出のための新しいサンプリング不要不確実性推定法を提案する。 私たちはそれをCertainNetと呼び、各出力信号に対して、オブジェクト性、クラス、位置、サイズという、別の不確実性を提供するのは、これが初めてです。
  論文  参考訳（メタデータ） (2021-10-04T17:59:31Z)

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。