論文の概要: CoRelNav: Collaborative Relational Navigation for Multi-Robot Spatially Constrained Semantic Navigation
- arxiv url: http://arxiv.org/abs/2609.27720v1
- Date: Wed, 23 Sep 2026 11:38:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 00:05:18.002624
- Title: CoRelNav: Collaborative Relational Navigation for Multi-Robot Spatially Constrained Semantic Navigation
- Title（参考訳）: CoRelNav:マルチロボット空間拘束型セマンティックナビゲーションのための協調的リレーショナルナビゲーション
- Abstract要約: CoRelNavはタスク条件付きマルチロボット探索システムである。
空間意味フィールドは、タスク制約、シーンノード、オブジェクト特徴を探索ユーティリティに変換する。
フォトリアリスティックシミュレーションの実験では、代表ベースラインよりも一貫した改善が示されている。
- 参考スコア（独自算出の注目度）: 7.052164813727946
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Spatially constrained semantic navigation requires robots to identify targets specified not only by semantic categories but also by relations to surrounding objects. In unknown environments, resolving such goals requires efficient exploration together with sufficient target and contextual evidence for reliable relation verification. Existing methods leave relation-aware verification and multi-robot collaboration largely disconnected: relational navigation is predominantly single-agent, while multi-robot systems seldom coordinate distributed observations for instance-specific relation verification. We propose CoRelNav, whose core is coupling task-conditioned multi-robot exploration with candidate-driven collaborative verification. A spatial-semantic field converts task constraints, scene nodes, and object features into exploration utility; as candidate information accumulates, robots are reallocated toward complementary evidence under team navigation costs, while instance-consistent observations are aggregated across topology nodes. This coupling reduces redundant search and enables relation hypotheses to be resolved from distributed partial evidence that independent exploration or isolated-view verification can leave ambiguous. Experiments in photorealistic simulation demonstrate consistent improvements over representative baselines, with ablations validating the proposed exploration and verification mechanisms. We further deploy the complete system on two physical mobile robots, demonstrating its applicability to real-world collaborative navigation.
- Abstract（参考訳）: 空間的に制約されたセマンティックナビゲーションでは、ロボットはセマンティックカテゴリだけでなく、周囲のオブジェクトとの関係によって特定されるターゲットを特定する必要がある。
未知の環境では、そのような目標を解くには、十分な目標と状況証拠とともに、信頼性のある関係検証のための効率的な探索が必要である。
既存の手法では、リレーショナルナビゲーションは主に単一エージェントであり、マルチロボットシステムはインスタンス固有のリレーショナル検証のための分散観測をほとんどコーディネートしない。
本稿では,タスク条件付きマルチロボット探索と候補駆動協調検証を結合したCoRelNavを提案する。
空間意味フィールドは、タスク制約、シーンノード、オブジェクトの特徴を探索ユーティリティに変換し、候補情報が蓄積されると、ロボットはチームナビゲーションコストの下で補完的なエビデンスへと再配置され、インスタンス一貫性の観測はトポロジーノード全体に集約される。
この結合は冗長な探索を減らし、独立した探索や独立したビュー検証が曖昧なままであるという分散部分的な証拠から関係仮説を解くことができる。
フォトリアリスティックシミュレーションの実験では,提案した探索機構と検証機構の検証により,代表ベースラインよりも一貫した改善が示された。
さらに2つの物理移動ロボットに完全なシステムをデプロイし、現実の協調ナビゲーションへの適用性を実証する。
関連論文リスト
- Rethinking Embodied Navigation via Relational Inductive Bias [53.72276435022479]
本稿では,DB-Navを提案する。
標的中心の関係を活性化バイアスと抑制バイアスに分類する。
成功率(SR)と成功率(SPL)はパス長さ(SPL)が重み付けされているため、既存の方法よりも著しく優れています。
論文 参考訳（メタデータ） (2026-06-09T02:57:34Z) - Beyond Isolation: A Unified Benchmark for General-Purpose Navigation [25.795669972829018]
OmniNavBenchは、クロススキルコーディネーションとクロスエボディメントの一般化のためのベンチマークである。
本研究では,単形態評価への依存を断ち切るシミュレーションプラットフォームを提案し,ヒューマノイド,四足歩行,車輪付きロボット間の一般化テストを可能にする。
我々は、1779年の専門的軌跡を人間の遠隔操作でキュレートし、探索的な視線や予測的回避といった行動のニュアンスを捉えた。
論文 参考訳（メタデータ） (2026-05-10T09:34:05Z) - Decentralized Heterogeneous Multi-Robot Collaborative Exploration for Indoor and Outdoor 3D Environments [11.81511178687002]
本稿では,異種マルチロボットシステムのための分散協調フレームワークを提案する。
このフレームワークは、異種ロボット間の探索作業を調整し、優れた探索効率と通信節約を実現する。
論文 参考訳（メタデータ） (2026-04-26T13:16:13Z) - Benchmarking Interaction, Beyond Policy: a Reproducible Benchmark for Collaborative Instance Object Navigation [54.6417539730783]
Question-Asking Navigation (QAsk-Nav)は、CoIN(Collaborative Instance Object Navigation)の最初の再現可能なベンチマークである。
光コナブ(Light-CoNav)は,従来のモジュール方式よりも3倍小さく,70倍高速な協調ナビゲーションのための軽量統一モデルである。
論文 参考訳（メタデータ） (2026-03-31T21:45:00Z) - Line-of-Sight-Constrained Multi-Robot Mapless Navigation via Polygonal Visible Regions [34.42294321573021]
本稿では,未知の障害物を持つマルチロボットナビゲーションにおけるライン・オブ・ビュー(LoS)接続性維持問題について検討する。
本稿では,各ロボットがリアルタイムLiDARスキャンに基づいて,自我中心の可視領域のみを構築するという,本質的に分散したアプローチを提案する。
その結果,障害物が散らばった環境においてロボット間のLoS接続性を確実に維持できることが示唆された。
論文 参考訳（メタデータ） (2026-03-27T11:33:25Z) - Zero-shot HOI Detection with MLLM-based Detector-agnostic Interaction Recognition [71.5328300638085]
Zero-shot Human-Object Interaction (HOI) は、画像中の人間と物体を特定し、その相互作用を認識することを目的としている。
2段階法を含む既存の手法は、特定の検出器との相互作用認識を密に結合する。
本稿では、オブジェクト検出をIRから分離し、マルチモーダル大言語モデル(MLLM)をゼロショットIRに活用する分離フレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-16T19:01:31Z) - CHORAL: Traversal-Aware Planning for Safe and Efficient Heterogeneous Multi-Robot Routing [4.3992789649203194]
自律ロボットによる大規模で未知の複雑な環境のモニタリングは、重要なナビゲーション課題を引き起こす。
異種ロボットの協調のための統合意味認識フレームワークを提案する。
シミュレーション実験と3つのロボットプラットフォームを用いた実際の検査ミッションにより,本手法の有効性が実証された。
論文 参考訳（メタデータ） (2026-01-15T12:34:22Z) - Collaborative Instance Object Navigation: Leveraging Uncertainty-Awareness to Minimize Human-Agent Dialogues [54.81155589931697]
協調インスタンスオブジェクトナビゲーション(CoIN)は、エージェントがターゲットインスタンスに関する不確実性を積極的に解決する新しいタスク設定である。
未認識者に対するエージェント・ユーザインタラクション(AIUTA)の新たな学習自由化手法を提案する。
まず、オブジェクト検出時に、セルフクエチオナーモデルがエージェント内で自己対話を開始し、完全かつ正確な観察記述を得る。
インタラクショントリガーモジュールは、人間に質問するか、継続するか、ナビゲーションを停止するかを決定する。
論文 参考訳（メタデータ） (2024-12-02T08:16:38Z) - Multi-Agent Embodied Visual Semantic Navigation with Scene Prior
Knowledge [42.37872230561632]
視覚的セマンティックナビゲーションでは、ロボットは自我中心の視覚的観察を行い、目標のクラスラベルが与えられる。
既存のモデルのほとんどは単一エージェントナビゲーションにのみ有効であり、より複雑なタスクを完了すると、単一のエージェントは低効率でフォールトトレランスが低い。
本稿では,複数のエージェントが協調して複数の対象物を見つけるマルチエージェント視覚意味ナビゲーションを提案する。
論文 参考訳（メタデータ） (2021-09-20T13:31:03Z) - Cascaded Human-Object Interaction Recognition [175.60439054047043]
マルチステージで粗大なHOI理解のためのカスケードアーキテクチャを提案する。
各段階で、インスタンスローカライゼーションネットワークは、HOI提案を段階的に洗練し、インタラクション認識ネットワークにフィードする。
慎重に設計された人間中心の関係機能により、これらの2つのモジュールは効果的な相互作用理解に向けて協調的に機能する。
論文 参考訳（メタデータ） (2020-03-09T17:05:04Z)
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。