論文の概要: NaViRrator: Robot Navigation from Human-Readable Maps through a Learned Visual Route

• arxiv url: http://arxiv.org/abs/2609.21316v1
• Date: Fri, 18 Sep 2026 04:48:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 18:40:16.861634
• Title: NaViRrator: Robot Navigation from Human-Readable Maps through a Learned Visual Route
• Title（参考訳）: NaViRrator: 学習された視覚経路を通した人間可読マップからのロボットナビゲーション
• Abstract要約: NaViRRatorは、ユーザーが指定した地図上の開始位置とゴール位置を、事前訓練された視覚言語ナビゲーション(VLN)ポリシーのためのナビゲーション指示に変換する。 そこで本研究では,スタートゴールライン条件付きフローマッチングを用いた足場を構築し,ストレートスタートゴール経路列を地図条件付き経路に変換する。 実行中、VLNポリシーは命令とエゴセントリックな観察のみを受け取り、一方、マップと足場は上流に留まり、map-to-Languageモジュールを再トレーニングすることなく実行者を置き換えることができる。
• 参考スコア（独自算出の注目度）: 3.425151312415679
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Human-readable maps provide an intuitive interface for specifying robot destinations, but connecting their schematic geometry to egocentric observations remains challenging. We present NaViRRator, a framework that translates user-specified start and goal locations on such maps into navigation instructions for a pretrained vision-and-language navigation (VLN) policy. Its core method, RouteScribe, separates route inference from verbalization by first generating an explicit route scaffold in map-image coordinates, which a pretrained vision-language model (VLM) converts into a navigation instruction. We construct the scaffold with start--goal line conditional flow matching (SGL-CFM), which deforms a straight start--goal waypoint sequence into a map-conditioned route. During execution, the VLN policy receives only the instruction and egocentric observations, while the map and scaffold remain upstream, allowing executor replacement without retraining the map-to-language modules. Real-world experiments show higher success rates and success weighted by path length (SPL) than direct map-to-instruction generation, A*-based scaffolding, and Gaussian-source conditional flow matching. Qualitative results further show clearer salient turns and better preservation of the intended maneuver sequence, supporting route-grounded language as a modular interface between human-readable maps and pretrained navigation policies.
• Abstract（参考訳）: 人間可読地図は、ロボットの目的地を特定するための直感的なインタフェースを提供するが、その図形と自我中心の観察を結びつけることは依然として困難である。 本稿では,ユーザの指定した開始位置と目標位置を,事前学習された視覚・言語ナビゲーション(VLN)ポリシーのナビゲーション命令に変換するフレームワークであるNaViRRatorを提案する。 その中核となる方法であるRouteScribeは、まず地図画像座標で明示的なルートスキャフォールドを生成し、事前に訓練された視覚言語モデル(VLM)がナビゲーション命令に変換することで、ルート推論を言語化から分離する。 本研究では,SGL-CFMを用いたスキャフォールドを構築し,ストレートなスタートゴール経路列を地図条件付き経路に変形させる。 実行中、VLNポリシーは命令とエゴセントリックな観察のみを受け取り、一方、マップと足場は上流に留まり、map-to-Languageモジュールを再トレーニングすることなく実行者を置き換えることができる。 実世界の実験では、直接マップ・ツー・インストラクション・ジェネレーション、A*ベースの足場、ガウスの条件付き流れマッチングよりもパス長(SPL)で重み付けされた成功率と成功率が高いことが示されている。 定性的な結果はさらに、人間の可読性マップと事前訓練されたナビゲーションポリシーの間のモジュラーインターフェースとしてルートグラウンド言語をサポートすることで、意図した操作シーケンスをより鮮明にし、保存することを示す。

関連論文リスト

• AutoFly: Vision-Language-Action Model for UAV Autonomous Navigation in the Wild [62.47761809929869]
  視覚言語ナビゲーション(VLN)は、視覚的観察とともに言語指示を解釈することで、知的エージェントが環境をナビゲートする必要がある。 無人航空機(UAV)の現在のVLN研究は、所定のルートに沿ってUAVを誘導するための詳細な指示に依存している。 本稿では,自律型UAVナビゲーションのためのエンド・ツー・エンドのビジョン・ランゲージ・アクションモデルであるAutoFlyを提案する。
  論文  参考訳（メタデータ） (2026-02-10T11:08:07Z)
• MapDream: Task-Driven Map Learning for Vision-Language Navigation [24.46479241004971]
  Vision-Language Navigation (VLN)は、エージェントが部分的に観察された3D環境で自然言語の指示に従う必要がある。 本研究では,マップ構築を自己回帰型鳥眼ビュー(BEV)画像合成として定式化するマップ・イン・ザ・ループ・フレームワークであるMapDreamを提案する。 R2R-CEとRxR-CEの実験は、タスク駆動型生成マップ学習を検証し、最先端のモノクル性能を実現する。
  論文  参考訳（メタデータ） (2026-01-30T17:33:16Z)
• ReasonNavi: Human-Inspired Global Map Reasoning for Zero-Shot Embodied Navigation [53.95797153529148]
  身体的エージェントは、主に部分的な自我中心の観測に依存するため、効率的なナビゲーションに苦しむことが多い。 本稿では,マルチモーダル大規模言語モデル(MLLM)と決定論的プランナを結合することにより,この理由に基づくパラダイムを運用する,人間にインスパイアされたフレームワークであるReasonNaviを紹介する。
  論文  参考訳（メタデータ） (2026-01-26T19:09:20Z)
• SkeNa: Learning to Navigate Unseen Environments Based on Abstract Hand-Drawn Maps [20.963573846962987]
  我々はSketch map-based visual Navigation (SkeNa)を紹介する。 SkeNaは、手書きのスケッチマップのみをガイダンスとして、エージェントが見えない環境でゴールに到達しなければならない、具体化されたナビゲーションタスクである。 我々は,71の屋内シーンにわたる54k軌道とスケッチマップのペアからなる大規模データセットSoRを提案する。
  論文  参考訳（メタデータ） (2025-08-05T03:56:32Z)
• PRET: Planning with Directed Fidelity Trajectory for Vision and Language Navigation [30.710806048991923]
  視覚と言語ナビゲーションは、エージェントが自然言語の指示に従ってナビゲートする必要があるタスクである。 近年の手法では、各ステップで構築されたトポロジーマップのサブゴールを予測し、長期的な行動計画を可能にする。 本稿では,指示と指向性軌道のアライメントを考慮し,ナビゲーション計画を容易にする方法を提案する。
  論文  参考訳（メタデータ） (2024-07-16T08:22:18Z)
• BEVBert: Multimodal Map Pre-training for Language-guided Navigation [75.23388288113817]
  視覚・言語ナビゲーション(VLN)における空間認識型マップベース事前学習パラダイムを提案する。 我々は,グローバルなトポロジカルマップにおけるナビゲーション依存性をモデル化しながら,不完全な観測を明示的に集約し,重複を取り除くための局所距離マップを構築した。 ハイブリッドマップをベースとして,マルチモーダルマップ表現を学習するための事前学習フレームワークを考案し,空間認識型クロスモーダル推論を強化し,言語誘導ナビゲーションの目標を導出する。
  論文  参考訳（メタデータ） (2022-12-08T16:27:54Z)
• Cross-modal Map Learning for Vision and Language Navigation [82.04247028482244]
  VLN(Vision-and-Language Navigation)の問題点について考察する。 他の研究とは対照的に、我々の重要な洞察は、言語と視覚の関連性は、明示的な空間表現で起こるときに強くなるということである。 視覚・言語ナビゲーションのためのクロスモーダルマップ学習モデルを提案する。このモデルでは,まず,観測領域と観測対象領域の両方に対して,エゴセントリックマップ上のトップダウンセマンティクスを予測することを学習する。
  論文  参考訳（メタデータ） (2022-03-10T03:30:12Z)
• Find a Way Forward: a Language-Guided Semantic Map Navigator [53.69229615952205]
  本稿では,新たな視点で言語誘導ナビゲーションの問題に対処する。 ロボットが自然言語の指示を実行し、地図観測に基づいて目標位置へ移動できるようにする。 提案手法は特に長距離ナビゲーションの場合において顕著な性能向上をもたらす。
  論文  参考訳（メタデータ） (2022-03-07T07:40:33Z)
• Topological Planning with Transformers for Vision-and-Language Navigation [31.64229792521241]
  トポロジカルマップを用いた視覚・言語ナビゲーション(VLN)のモジュール化手法を提案する。 自然言語指導とトポロジカルマップが与えられた場合,マップ内のナビゲーション計画を予測するために注意機構を利用する。 実験では,従来のエンドツーエンドアプローチを上回り,解釈可能なナビゲーションプランを生成し,バックトラックなどのインテリジェントな行動を示す。
  論文  参考訳（メタデータ） (2020-12-09T20:02:03Z)

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。