論文の概要: Active Spatial Inspection for Effective and Efficient Embodied Exploration

• arxiv url: http://arxiv.org/abs/2609.22385v1
• Date: Fri, 18 Sep 2026 03:25:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:00.364767
• Title: Active Spatial Inspection for Effective and Efficient Embodied Exploration
• Title（参考訳）: 有効かつ効率的な身体内探索のためのアクティブな空間検査
• Abstract要約: この研究は、空間的に明示的な観点からの具体的探索を再考する。 空間検査誘導型ACtive Explorationフレームワークを導入している。 ナビゲーションタスクの成功率は18.0%、質問応答の探索効率は10.3%である。
• 参考スコア（独自算出の注目度）: 68.42398846280115
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Achieving high task success and efficiency remains a central pursuit in embodied exploration. Existing frameworks typically guide agent behavior through a spatially coarse and indirect assessment of suggestive cues and directions, yet such designs may struggle to judge cue sufficiency and the need for further inspection, leading to early termination or excessive continuation and ultimately reducing task success and efficiency. This work rethinks embodied exploration from a spatially explicit standpoint and introduces the spatial-inspection-guided ACtive Exploration (ACE) framework coupling evidence-grounded perception with exposure-informed movement and establishing a spatially resolved decision paradigm. Evidence-grounded perception strengthens inferential validity by integrating granular localization with focused verification, turning suggestive cues into precise decisive visual support. Exposure-informed movement promotes directional judgment through prospective prioritization and retrospective suppression, selecting promising directions for efficient spatial progress. ACE alleviates the tension between preventing early termination and avoiding unnecessary continuation. Extensive experiments demonstrate that ACE achieves 18.0% higher navigation task success and 10.3% higher exploration efficiency for question answering than prior state-of-the-art baselines, advancing effective and efficient embodied exploration.
• Abstract（参考訳）: 高いタスクの成功と効率を達成することは、具体的探索における中心的な追求である。 既存のフレームワークは、通常、空間的に粗大で間接的な提案的な手がかりや方向の評価を通じてエージェントの動作を誘導するが、そのような設計はキューの不十分さとさらなる検査の必要性を判断するのに苦労し、早期の終了や過剰な継続を招き、最終的にタスクの成功と効率を低下させる。 本研究は,空間的に明示的な観点からの具体的探索を再考し,空間検査誘導行動探索(ACE)フレームワークをエビデンス・グラウンドド・グラウンドド・インフォームド・ムーブメントと組み合わせ,空間的に決定された決定パラダイムを確立することを目的とする。 Evidence-grounded perception(エビデンス・グラウンドド・インセプション)は、粒度の局所化と集中的検証を統合して推論の妥当性を高め、提案的手がかりを正確な視覚的支援に変換する。 露光インフォームド・ムーブメントは、前向きの優先順位付けと振り返り抑制を通じて方向判断を促進し、効率的な空間進行のための有望な方向を選択する。 ACEは早期終了の防止と不要な継続の回避の間の緊張を軽減する。 大規模な実験により、ACEは18.0%のナビゲーションタスク成功と10.3%の質問応答の探索効率を以前の最先端のベースラインよりも向上し、効果的で効率的なエンボディド探索を推し進めた。

関連論文リスト

• Goal Discovery with Causal Capacity for Efficient Reinforcement Learning [85.28685202281918]
  因果推論は人間が世界を探検するのに不可欠である。 本稿では,効率的な環境探索のための新たなゴールディスカバリーと因果容量フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-13T08:54:56Z)
• Beyond the Destination: A Novel Benchmark for Exploration-Aware Embodied Question Answering [87.76784654371312]
  Embodied Question Answeringでは、エージェントが動的に3D環境を探索し、視覚情報を積極的に収集し、質問に答えるために多段階の推論を行う必要がある。 既存のデータセットはしばしばバイアスや事前の知識を導入し、非身体的推論につながる。 探索能力と推論能力の両方を評価するために特別に設計された最大のデータセットを構築します。
  論文  参考訳（メタデータ） (2025-03-14T06:29:47Z)
• Reducing Action Space for Deep Reinforcement Learning via Causal Effect Estimation [15.684669299728743]
  本研究では,行動の因果効果を推定し,探索効率を向上させる手法を提案する。 まず、環境の事前知識として機能するために、逆ダイナミクスモデルを事前訓練する。 各ステップでアクション空間全体にわたってアクションを分類し、各アクションの因果効果を推定し、冗長なアクションを抑制する。
  論文  参考訳（メタデータ） (2025-01-24T14:47:33Z)
• Growing Q-Networks: Solving Continuous Control Tasks with Adaptive Control Resolution [51.83951489847344]
  ロボット工学の応用において、スムーズな制御信号はシステム摩耗とエネルギー効率を減らすために一般的に好まれる。 本研究では,離散的な動作空間を粗い状態から細かい制御分解能まで拡大することにより,この性能ギャップを埋めることを目的とする。 我々の研究は、値分解とアダプティブ・コントロール・リゾリューションが組み合わさることで、単純な批判のみのアルゴリズムが得られ、連続制御タスクにおいて驚くほど高い性能が得られることを示唆している。
  論文  参考訳（メタデータ） (2024-04-05T17:58:37Z)
• Landmark Guided Active Exploration with State-specific Balance Coefficient [4.539657469634845]
  目標条件付き値関数に基づいて,目標空間に計画を立てることにより,サブゴールの予測尺度を設計する。 本稿では,予測と新規性の尺度を統合することで,ランドマーク誘導型探査戦略を提案する。
  論文  参考訳（メタデータ） (2023-06-30T08:54:47Z)

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。