論文の概要: Spatial and Semantic Reasoning for LLM-Driven Robot Navigation via MCP
- arxiv url: http://arxiv.org/abs/2609.27340v1
- Date: Wed, 23 Sep 2026 04:29:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 00:05:17.885198
- Title: Spatial and Semantic Reasoning for LLM-Driven Robot Navigation via MCP
- Title（参考訳）: MCPを用いたLCM駆動ロボットナビゲーションのための空間的・意味的推論
- Abstract要約: 大型言語モデル (LLMs) はロボットシステムの自然言語インタフェースとしてますます使われている。
本稿では,LSM推論とROSに基づくナビゲーションを結合する非侵襲的フレームワークを提案する。
本稿では,自律的マッピング,空間推論に基づくナビゲーション,意味推論に基づくナビゲーションの3つの課題について評価する。
- 参考スコア（独自算出の注目度）: 6.954686339092988
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Large language models (LLMs) are increasingly used as natural-language interfaces for robotic systems, yet their integration with Robot Operating System (ROS)-based navigation remains limited by two gaps. First, navigation data such as occupancy grids are represented as raw geometric messages that are difficult for LLMs to use directly as spatial or semantic context. Second, adding LLM-driven capabilities often requires custom wrappers or robot-specific interfaces, limiting reuse across systems. To address these challenges, we propose a non-invasive framework that connects LLM reasoning with ROS-based navigation through a navigation-oriented representation layer, exposed through the Model Context Protocol (MCP) as standardized, reusable tools so that any MCP-compatible LLM can access them without robot-specific wrappers. The visual map modules transform occupancy grids into metric, pose-aware images for goal reasoning, while the semantic annotation modules record waypoint-level observations with robot poses. We evaluate the framework on three tasks: autonomous mapping, spatial reasoning-based navigation, and semantic reasoning-based navigation. The results show that the evaluated LLM backends use these representations to achieve over 97% map coverage and select spatial or semantic navigation targets from natural-language instructions in a simulated indoor environment. This demonstrates representation-mediated LLM navigation without modifying the existing ROS navigation stack.
- Abstract（参考訳）: 大規模言語モデル (LLM) はロボットシステムの自然言語インタフェースとしてますます使われているが、ロボットオペレーティング・システム (ROS) ベースのナビゲーションとの統合は2つのギャップによって制限されている。
まず、占有グリッドのようなナビゲーションデータは、LLMが空間的あるいは意味的な文脈として直接使うのが困難である生の幾何学的メッセージとして表現される。
第二に、LLM駆動機能を追加するには、システム間の再利用を制限するカスタムラッパーやロボット固有のインターフェースが必要になることが多い。
これらの課題に対処するため,我々は,モデルコンテキストプロトコル (MCP) を標準化した再利用可能なツールとして公開し,ロボット固有のラッパーを使わずに,LCM推論とROSベースのナビゲーションを接続する非侵襲的フレームワークを提案する。
視覚マップモジュールは、占有グリッドを目標推論のためのメトリックなポーズ対応画像に変換し、セマンティックアノテーションモジュールはロボットのポーズでウェイポイントレベルの観察を記録する。
本稿では,自律的マッピング,空間推論に基づくナビゲーション,意味推論に基づくナビゲーションの3つの課題について評価する。
評価されたLLMバックエンドはこれらの表現を用いて97%以上の地図カバレッジを達成し、シミュレーション室内環境における自然言語命令から空間的あるいは意味的なナビゲーションターゲットを選択する。
これは、既存のROSナビゲーションスタックを変更することなく、表現によるLLMナビゲーションを示す。
関連論文リスト
- "Dear LLaVA, Please Drive": A Depth-Aware Vision-Language Agent for Closed-Loop Robotic Control [0.2905751301655124]
視覚言語モデル(VLM)は推論駆動のモバイルナビゲーションのための魅力的な基盤を提供する。
本稿では,Imperative Learning パラダイムを用いて,自律ナビゲーションのための事前学習VLMを微調整するパラメータ効率の手法を提案する。
本稿では,自然言語駆動型ロボット制御のためのエンドツーエンドナビゲーションパイプラインについて紹介する。
論文 参考訳（メタデータ） (2026-09-19T10:12:55Z) - UniLM-Nav: A Unified Framework for Zero-Shot Last-Mile Navigation [42.39025692205837]
ゼロショットオープン語彙ラストマイルナビゲーションのためのフレームワークであるUniLM-Navを提案する。
UniLM-Navは、ラストマイルナビゲーションをビューセレクション、タスク条件付きアベイランスグラウンド、基本目的推論に分解する。
OVMMベンチマークでUniLM-Navを評価し,従来の最先端手法であるMoToを3.13ポイント上回る性能を示した。
論文 参考訳（メタデータ） (2026-07-07T17:42:08Z) - NORM-Nav: Zero-Shot Mobile Robot Navigation with Natural Language Behavioral Constraints [46.6378130545666]
本稿では,NORM-Navについて述べる。NORM-Navは,自然言語の振る舞い制約をコストマップに基づく計画に組み込むフレームワークである。
LLMは、各命令を構造化された制約に解析し、リアルタイムビジョン-LiDAR知覚を使ってそれらをグラウンド化する。
シミュレーションと実世界の実験により、NORM-Navはタスクの成功率を改善し、代表ベースラインよりも人間の参照に近い軌道を生成することが示されている。
論文 参考訳（メタデータ） (2026-05-16T12:58:03Z) - 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) - General-Purpose Robotic Navigation via LVLM-Orchestrated Perception, Reasoning, and Acting [5.291702442384798]
Agentic Robotic Navigation Architecture (ARNA)は、LVLMベースのエージェントに知覚、推論、ナビゲーションツールのライブラリを装備する汎用フレームワークである。
実行時にエージェントは、現代のロボットスタックから引き出されたタスク固有のナビゲーションツールを自律的に定義し、実行します。
ARNAは最先端のEQA特異的アプローチより優れている。
論文 参考訳（メタデータ） (2025-06-20T20:06:14Z) - Navigating Motion Agents in Dynamic and Cluttered Environments through LLM Reasoning [69.5875073447454]
本稿では,大規模言語モデル(LLM)によって強化された動作エージェントを,動的・乱雑な環境における自律的なナビゲーションに向けて前進させる。
トレーニング不要なフレームワークは、マルチエージェント調整、クローズドループ計画、動的障害物回避を、リトレーニングや微調整なしでサポートしています。
論文 参考訳（メタデータ） (2025-03-10T13:39:09Z) - TopV-Nav: Unlocking the Top-View Spatial Reasoning Potential of MLLM for Zero-shot Object Navigation [52.422619828854984]
MLLMをベースとしたTopV-Navを提案する。
MLLMの空間推論能力をトップビューで完全に解き放つために,適応型視覚プロンプト生成法(AVPG)を提案する。
論文 参考訳（メタデータ） (2024-11-25T14:27:55Z) - Can an Embodied Agent Find Your "Cat-shaped Mug"? LLM-Guided Exploration
for Zero-Shot Object Navigation [58.3480730643517]
言語駆動型ゼロショットオブジェクトゴールナビゲーション(L-ZSON)のための新しいアルゴリズムLGXを提案する。
このアプローチでは、このタスクにLarge Language Models(LLM)を使用します。
現状のゼロショットオブジェクトナビゲーションをRoboTHOR上で実現し,現在のベースラインよりも27%以上の成功率(SR)向上を実現した。
論文 参考訳（メタデータ） (2023-03-06T20:19:19Z)
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。