論文の概要: Reliability-Aware Sparse Route Memory for Round-Trip Vision-Language Navigation
- arxiv url: http://arxiv.org/abs/2609.34163v1
- Date: Mon, 28 Sep 2026 02:40:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-04 06:20:18.356419
- Title: Reliability-Aware Sparse Route Memory for Round-Trip Vision-Language Navigation
- Title（参考訳）: ラウンドトリップ視線ナビゲーションのための信頼性を考慮したスパース経路メモリ
- Abstract要約: 視覚言語ナビゲーション(VLN)は通常、一方的なタスクとして評価されるが、デプロイされたロボットは目標達成後に戻る必要がある。
本研究では, 方向可観測性, 偏差回復性, 終端安定性における連続ラウンドトリップVLNと診断不良について検討した。
本稿では,実行軌跡を順序付き幾何アンカーとして記録し,逆でクエリする,信頼性に配慮したスパース経路メモリを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Vision-language navigation (VLN) is typically evaluated as a one-way task, although deployed robots may need to return after reaching a goal. We study continuous round-trip VLN and diagnose failures in directional observability, deviation recovery, and termination stability. We propose a reliability-aware sparse route memory that records the executed Outbound trajectory as ordered geometric anchors and queries them in reverse through a structured hint, action-level arbitration, and terminal verification. On 50 reverse-paired episodes using NaVILA and a simulated Unitree Go2, language-only Return succeeds in 22.0% of episodes, while our online system reaches 55.1%. With exact route information, the same interfaces achieve 86.0%, showing that effective Return requires both accurate information and consistent action on that information. The remaining online gap arises mainly from geometric evidence that is too unreliable to authorise intervention. These results distinguish information quality, behavioural consistency, and online reliability as separate limits in long-horizon navigation.
- Abstract（参考訳）: 視覚言語ナビゲーション(VLN)は通常、一方通行のタスクとして評価されるが、デプロイされたロボットは目標達成後に戻る必要がある。
本研究では, 方向可観測性, 偏差回復性, 終端安定性における連続ラウンドトリップVLNと診断不良について検討した。
本稿では,実行されたアウトバウンド軌跡を順序付き幾何アンカーとして記録し,構造化されたヒント,アクションレベル調停,端末検証を通じて逆にクエリする信頼性の高いスパース経路メモリを提案する。
NaVILAとシミュレーションされたUnitree Go2を使った50のリバースペアエピソードでは、言語のみのリターンが22.0%で成功し、オンラインシステムは55.1%に達した。
正確なルート情報では、同じインターフェイスが86.0%に達し、有効リターンには正確な情報と一貫性のあるアクションの両方が必要であることを示す。
残りのオンラインギャップは、主に介入を認可するには信頼できない幾何学的証拠から生じる。
これらの結果は、情報品質、行動整合性、オンライン信頼性を、長距離ナビゲーションにおける別の限界として区別する。
関連論文リスト
- VCN-Bench: A Video-Contextualized Navigation Benchmark for Spatial Reasoning over Prior Visual Experience [50.965801006170096]
本稿では,MLLMの視覚経験よりも閉ループ空間推論を探索するためのベンチマークであるVCN-Benchを紹介する。
Matterport3Dをベースとして、VCN-Benchは5つのインストラクションタイプ、100kのトレーニングエピソード、1,250の評価エピソードを含む。
実験では、航法性能の制限、実質的な航法解像度と航法距離、正確な航法識別後にも頻繁な航法障害が示される。
論文 参考訳（メタデータ） (2026-09-28T09:12:56Z) - ReDraft, Don't Just Distill: Reference-Driven Revision for Continual VLLM Post-Training [66.72708893922605]
大規模なマルチモーダルモデルのポストトレーニングは、事前トレーニングから保護しながら、新しい機能を追加する必要がある。
SFTは、タスクをほぼゼロの精度から学習する明確なターゲット監視を提供するが、そのオフポリティックターゲットはモデルを十分に移動させ、忘れる原因となる。
モデル自身の失敗から両方を得るReDraftを紹介します。
論文 参考訳（メタデータ） (2026-09-15T04:59:03Z) - AnchorGUI: Asymmetric Memory for Dual-Scale Learning in GUI Navigation [15.201027614547172]
視覚言語モデル(VLM)は、自律的なGUIナビゲーションを可能にするが、エージェントは密集した連続した視覚履歴から処理と学習に苦慮している。
このボトルネックは、単一のエピソード(裁判内)内での即時エラー補正と、複数の試みにおける蒸留経験の両方を妨げる。
我々はCSA(Cognitive State Anchor)によって駆動される統合フレームワークであるAnchorGUIを提案する。
論文 参考訳（メタデータ） (2026-09-14T12:22:26Z) - C$^2$Nav: Compare Before You Commit for Zero-Shot Vision-and-Language Navigation [2.662920946452234]
連続環境(VLN-CE)における視覚言語ナビゲーションは、ナビゲーションループ内に基礎的な視覚言語モデル(VLM)を配置する傾向にある。
VLMはコントローラ構築の代替品を比較するが、幾何学、閾値、アクションサイズ、実行は物理面に残る。
このアイデアをC2Navでインスタンス化します。
論文 参考訳（メタデータ） (2026-09-14T07:14:59Z) - Scaffolding Foundation Models into Physical-World Agents Pushes the Frontier of Long-Horizon Navigation [52.90741218586653]
長距離物理世界のエージェントは、信頼できるクローズドループ動作の決定を根拠にしながら、遠くの目標を推論しなければならない。
本稿では, 長期探査用NFMエグゼキュータとVLM推論エージェントを結合したエージェントスキャフォールディングフレームワークであるNavMCPを紹介する。
NavMCPは、Embodied Question AnsweringとUnitree Go2の最先端の結果を達成する。
論文 参考訳（メタデータ） (2026-08-31T07:50:16Z) - SSTG-Nav: Metric-Grounded Spatial-Semantic Topological Graphs for Reusable Object Navigation [2.272547247667044]
SSTG-Navは再利用可能なメートル法セマンティックメモリで、1回のサーベイを実行可能なオブジェクトゴールに変換する。
36シーンにわたる1000のHM3D-v2エピソードにおいて、私たちのゴールに依存しないトポロジーは99.4%の幾何学的成功天井を達成した。
論文 参考訳（メタデータ） (2026-08-01T08:40:04Z) - Guided Diffusion with Distilled Vision-Language Reliability for Aerial Navigation [2.186077977059593]
3次元UAVナビゲーションのための信頼性を考慮した拡散プランナを提案する。
これは、シーンレベルの信頼性ヒートマップとともに、観測上の軌道生成を条件付ける。
再訓練をせずに、目に見えない環境に一般化するため、2段階のESDFコストでデノナイズ処理を行う。
論文 参考訳（メタデータ） (2026-06-11T20:18:34Z) - 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) - Uni-LaViRA: Language-Vision-Robot Actions Translation for Unified Embodied Navigation [60.07205156194741]
身体的なナビゲーションでは、エージェントが言語や視覚的な観察を、実際に見たことのない環境を通して実際のロボットを駆動する空間的な行動の流れにマッピングする必要がある。
統合エージェントアーキテクチャであるUni-LaViRAを4つのタスクファミリと4つの異種実ロボットに拡張する。
論文 参考訳（メタデータ） (2026-05-26T18:52:04Z) - DORAEMON: Decentralized Ontology-aware Reliable Agent with Enhanced Memory Oriented Navigation [55.888688171010365]
DORAEMONは、人間のナビゲーション機能を模倣したVentralとDorsal Streamsで構成される、認知にインスパイアされたフレームワークである。
我々は,DORAEMONをHM3D,MP3D,GOATのデータセット上で評価し,成功率(SR)と成功度(SPL)の測定値の両方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） (2025-05-28T04:46:13Z)
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。