論文の概要: Which Terrain Is Better? Preference Learning with VLM Prototypes for Off-Road Traversability Ranking

• arxiv url: http://arxiv.org/abs/2609.23673v1
• Date: Sun, 20 Sep 2026 14:30:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:00.923488
• Title: Which Terrain Is Better? Preference Learning with VLM Prototypes for Off-Road Traversability Ranking
• Title（参考訳）: どちらが良いのか? オフロードトレーサビリティランキングのためのVLMプロトタイプによる選好学習
• Abstract要約: 視覚に基づくオフロードナビゲーションでは、ロボットはどの障害物を避けるかだけでなく、どの地形が良いかを知る必要がある。 この選好を視覚的トラバーサビリティランキングとして定式化し、2つの領域の比較によって監視できる可視地形の順序付けを行う。 TravProは、これらのアノテーションを順序付けられたリージョンペアに変換し、凍結したビジョン言語モデルパッチトークンの小さな読み出しをこれらのペアに適合させる。 読み出しはすべてのパッチに適用され、スパース比較をピクセル単位のアノテーションを使わずに、濃密な好みの擬似ラベルに変換する教師として機能する。
• 参考スコア（独自算出の注目度）: 12.50808503979812
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In vision-based off-road navigation, a robot needs to know not only which obstacles to avoid but also which terrain is better. The first is handled by freespace detection or semantic segmentation. The second is usually answered with a traversability score, but no universal ground truth exists for such a score, so perception falls back on a predefined value per semantic class or a freespace confidence. These scores say what a region is, not which region a robot should prefer. We therefore formulate this preference as visual traversability ranking, an ordering of visible terrain that can be supervised by comparisons between two regions. Standard annotations do not label preference, but they imply its direction. We present TravPro, which converts these annotations into ordered region pairs and fits a small readout on frozen vision--language model (VLM) patch tokens to these pairs. The tokens are clustered once into a fixed prototype bank, and the readout learns a preference score per prototype. The readout is then applied to every patch and serves as a teacher that turns sparse comparisons into dense preference pseudo-labels without pixel-wise annotation. An RGB student distills these maps into a dense terrain-preference map together with a non-ground mask that excludes obstacles and background from the ranking. On five unseen domains, TravPro reaches a mean pairwise accuracy of 0.915 against 0.783 for the strongest baseline, producing an ordering sensitive to surface condition that a per-class value cannot represent. The same VLM and the same supervision yield no such ordering when the VLM is prompted and the supervision is used as dense targets; what matters is how they are used.
• Abstract（参考訳）: 視覚に基づくオフロードナビゲーションでは、ロボットはどの障害物を避けるかだけでなく、どの地形が良いかを知る必要がある。 1つ目は、フリースペース検出またはセマンティックセグメンテーションによって処理される。 2つ目は通常は可逆性スコアで答えられるが、そのようなスコアには普遍的な根拠の真実は存在しないため、知覚はセマンティッククラスや自由空間の信頼度ごとに予め定義された値に逆戻りする。 これらのスコアは、どの領域がロボットに好まれるべきかではなく、どの領域が好まれるかを示す。 したがって、この選好を視覚的可視性ランキングとして定式化し、2つの領域の比較によって監視できる可視地形の順序付けを行う。 標準アノテーションは好みをラベル付けしないが、その方向性を暗示している。 本稿では,これらのアノテーションを順序付けられたリージョンペアに変換し,凍結視覚言語モデル(VLM)のパッチトークンをこれらのペアに適合させるTravProを提案する。 トークンは固定されたプロトタイプバンクに一度クラスタ化され、リードアウトはプロトタイプ毎に選好スコアを学習する。 読み出しはすべてのパッチに適用され、スパース比較をピクセル単位のアノテーションを使わずに、濃密な好みの擬似ラベルに変換する教師として機能する。 RGBの学生は、これらの地図を、障害物や背景をランク付けから除外する非地上マスクとともに、密度の高い地形基準マップに蒸留する。 5つの未知の領域において、TravPro は最強のベースラインに対して 0.783 に対して 0.915 の平均対精度に達し、クラスごとの値が表現できない表面条件に敏感な順序を与える。 同一のVLMと同一の監督機関は、VLMが誘導され、監督が密集した標的として使用されるとき、そのような命令を下さない。

関連論文リスト

• Contrastive Projection: Reading Transformer Internals by Differencing Logit Lenses [0.0]
  トレーニング不要のトレーサを使用して、すべての位置、サブレイヤ、ヘッド平均を読みます。 Phi-2の化合物-名詞->アテンション鎖を辿り、活性化パッチによって確認される。 現実と架空のエンティティの検索サーフェスを読み、ドメイン間マッピングの集合としてメタファーを読みます。
  論文  参考訳（メタデータ） (2026-09-09T09:01:09Z)
• VOLA: Improving Open-World Driving by VLM-Based Semantic Attribute Prediction [11.12676579692013]
  我々は、CARLAで構築された高密度属性ラベルをトレーニングし、実際のシーンへのテスト転送と、トレーニングで見たことのない新しい障害に対処する。 我々のモデルは、慣れ親しんだカテゴリで強力な視覚のみのセグメンタと一致し、実際のオープンワールド異常への転送を改善する。
  論文  参考訳（メタデータ） (2026-08-12T08:20:28Z)
• PROSE: Training-Free Egocentric Scene Registration with Vision-Language Models [48.66414784633783]
  PROSE(Prompted Scene rEgistration)は、各RGBシーケンスをオブジェクトレベルの3Dシーングラフにリフトする。 PROSEは学習したパラメータを追加せず、深度センサーやトレーニング、注釈付きグラフを必要としない。 エゴセントリックなAria Digital TwinとAria Everyday Activityベンチマークでは、幾何学的および学習されたシーングラフのベースラインを、登録精度で上回っている。
  論文  参考訳（メタデータ） (2026-06-15T11:11:14Z)
• Ambiguity-aware Point Cloud Segmentation by Adaptive Margin Contrastive Learning [65.94127546086156]
  本稿では,ポイントクラウド上のセマンティックセマンティックセグメンテーションのための適応的マージン比較学習法を提案する。 まず,両立度推定フレームワークにコントラスト学習を組み込んだAMContrast3Dを設計する。 共同トレーニングの洞察に触発されて、並列にトレーニングされた2つのブランチとAMContrast3D++を統合することを提案する。
  論文  参考訳（メタデータ） (2025-07-09T07:00:32Z)
• Self-Supervised Place Recognition by Refining Temporal and Featural Pseudo Labels from Panoramic Data [16.540900776820084]
  本稿では,時間的近傍と学習可能な特徴近傍を用いて未知の空間近傍を探索するTF-VPRという新しいフレームワークを提案する。 本手法は,リコール率,ロバスト性,方向多様性において,自己監督ベースラインよりも優れる。
  論文  参考訳（メタデータ） (2022-08-19T12:59:46Z)
• Contrastive Test-Time Adaptation [83.73506803142693]
  本稿では,自己指導型コントラスト学習を活用して特徴学習を支援する新しい手法を提案する。 擬似ラベルをオンラインで作成し、ターゲットのフィーチャースペースに最も近い隣人の間でソフト投票によってそれらを洗練します。 我々の手法であるAdaContrastは、主要なベンチマーク上で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-04-21T19:17:22Z)
• Visual Representation Learning for Preference-Aware Path Planning [18.39540108288574]
  優先認識経路計画(VRL-PAP)のための視覚表現学習について紹介する。 VRL-PAPは、視点不変の地形の視覚的表現を学習し、連続的な表現空間における地形のタイプを符号化する。 画像から表現へマップし、それを表現して、好みに合った経路計画を実行するコストにマップする。
  論文  参考訳（メタデータ） (2021-09-18T17:05:10Z)
• Learning Spatio-Appearance Memory Network for High-Performance Visual Tracking [79.80401607146987]
  既存のオブジェクトトラッキングは通常、フレーム間の視覚的ターゲットにマッチするバウンディングボックスベースのテンプレートを学習する。 本稿では,局所時間メモリネットワークを備え,正確な時空間対応を学習するセグメンテーションに基づくトラッキングアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-09-21T08:12:02Z)
• TopoAL: An Adversarial Learning Approach for Topology-Aware Road Segmentation [56.353558147044]
  我々は,我々の目的に合わせたAL(Adversarial Learning)戦略を導入する。 我々は,道路網のどの部分が正しいかを示すラベルピラミッドを返す,より洗練された識別器を使用している。 挑戦的なRoadTracerデータセットでは、最先端のものよりも優れています。
  論文  参考訳（メタデータ） (2020-07-17T16:06:45Z)
• Rethinking Localization Map: Towards Accurate Object Perception with Self-Enhancement Maps [78.2581910688094]
  本研究は, カテゴリーラベルのみを監督として, 正確な対象位置分布マップと対象境界を抽出する, 新たな自己強調手法を提案する。 特に、提案されたセルフエンハンスメントマップは、ILSVRC上で54.88%の最先端のローカライゼーション精度を達成する。
  論文  参考訳（メタデータ） (2020-06-09T12:35:55Z)

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。