論文の概要: BCNav: Bearing-Conditioned Depth Policies for Sound Source Navigation

• arxiv url: http://arxiv.org/abs/2609.37084v1
• Date: Tue, 29 Sep 2026 09:14:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.356093
• Title: BCNav: Bearing-Conditioned Depth Policies for Sound Source Navigation
• Title（参考訳）: BCNav:音源ナビゲーションのためのベアリング型奥行きポリシー
• Abstract要約: 音源に向かって移動する能力は、ロボットの視野を超えて到達範囲を広げる。 音響シミュレータにおけるジョイント・オーディオ・ビジュアル・ラーニングによる音響情報と視覚情報を結合する既存手法 学習したナビゲーションポリシーから音響モジュールを分離する分離されたフレームワークであるBCNavを提案する。
• 参考スコア（独自算出の注目度）: 5.194461977031089
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The ability to navigate toward sound sources extends a robot's reach beyond its visual field, enabling response to auditory events in unknown environments. To equip robots with this capability, existing methods couple acoustic and visual information through joint audio-visual learning in acoustic simulators. However, acoustic simulation is both low-fidelity and expensive, producing a domain gap that prevents reliable real-world deployment, while the discrete action spaces inherited from grid-based simulators introduce an additional kinematic gap on physical robots. To alleviate these issues, we propose BCNav, a decoupled framework that separates the acoustic module from the learned navigation policy using direction-of-arrival (DOA) estimation: an estimator provides a scalar bearing to the sound source, so the navigation policy only processes depth images and a bearing angle, two inputs whose domain gaps are well characterized. We collect shortest-path demonstrations with calibrated bearing noise injection and train the policy via imitation learning to output continuous velocity commands directly executable on ground robots. We demonstrate the method in simulation and on a physical robot, navigating unknown environments without any acoustic fine-tuning, prior mapping, or real-world audio data collection. Code is available at https://github.com/york1to/bcnav.
• Abstract（参考訳）: 音源に向かって移動する能力は、ロボットの視野を超えて到達範囲を広げ、未知の環境における聴覚イベントへの応答を可能にする。 ロボットにこの能力を持たせるために、既存の手法は音響シミュレータにおける共同視覚学習を通じて音響情報と視覚情報を結合する。 しかし、音響シミュレーションは低忠実で高価であり、信頼性の高い実世界の展開を妨げる領域ギャップを生じる一方、グリッドベースのシミュレータから受け継いだ離散的なアクション空間は、物理的なロボットにさらなる運動的ギャップをもたらす。 これらの問題を緩和するために,本研究では,音源にスカラー軸受を付与する推定器を用いて,音響モジュールと学習ナビゲーションポリシーを分離する分離されたBCNavを提案する。 我々は,音を校正した最短経路のデモを収集し,擬似学習を用いてポリシーを訓練し,地上ロボットで直接実行可能な連続速度コマンドを出力する。 本手法は,音響微調整,事前マッピング,実世界の音声データ収集を行うことなく,未知の環境を探索し,シミュレーションおよび物理ロボット上で実演する。 コードはhttps://github.com/york1to/bcnav.comで入手できる。

関連論文リスト

• BinauralVAE: Spatial Audio Reconstruction For World Models [2.725160922570703]
  BinauralVAEは、空間化されたオーディオ再構成のための複数のモデルを探索する、フレキシブルでオープンソースのパイプラインである。 提案手法は,様々な変分オートエンコーダアーキテクチャを評価し,遅延信号のロバスト表現を学習する。 このパイプラインは、将来のオーディオベースの世界モデルにおける状態表現の基礎を確立する。
  論文  参考訳（メタデータ） (2026-09-06T21:20:36Z)
• Semantic Audio-driven Understanding for Dynamic Humanoid Whole Body Control [0.0]
  セマンティックオーディオ駆動型ヒューマノイド制御のための新しいマルチモーダルオーケストレーションフレームワークを提案する。 システムは、連続したオーディオストリームを処理し、それらを音楽または音声ブランチにルーティングする。 音楽入力は音声フィンガープリントとセマンティック埋め込みによって処理され、トラックのアイデンティティと時間的アライメントを取得する。 音声入力は、模倣学習スキルの個別ライブラリに基礎を置いており、直接人間とロボットの相互作用を可能にする。
  論文  参考訳（メタデータ） (2026-07-15T14:24:00Z)
• Dexplore: Scalable Neural Control for Dexterous Manipulation from Reference-Scoped Exploration [58.4036440289082]
  ハンドオブジェクトモーションキャプチャ(MoCap)は、大規模でコンタクトに富んだデモと、器用なロボットスコープの約束を提供する。 Dexploreは、リポジトリとトラッキングを実行し、MoCapから直接ロボット制御ポリシーを学習する、統一された単一ループ最適化である。
  論文  参考訳（メタデータ） (2025-09-11T17:59:07Z)
• Acoustic Wave Manipulation Through Sparse Robotic Actuation [2.621434923709917]
  本研究では,空間的にスパースなアクチュエータを通して波に影響を及ぼすことのできるロボットによって部分的に観察される音波の操作について検討する。 この問題は、新しい人工材料、超音波切断ツール、エネルギー収穫などの用途の設計に大きな可能性を秘めている。 本研究では,特定の領域に分散した音響エネルギーを集中させるか,所望のタスクに応じて抑制するかのどちらかに適用可能な,効率的なデータ駆動型ロボット学習法を開発した。
  論文  参考訳（メタデータ） (2025-02-12T20:54:46Z)
• Sim2Real Transfer for Audio-Visual Navigation with Frequency-Adaptive Acoustic Field Prediction [51.71299452862839]
  本稿では,音場予測 (AFP) とウェイポイントナビゲーションに切り離して, 音声視覚ナビゲーションのためのsim2real の最初の治療法を提案する。 次に、特定の周波数サブバンドのみを入力とするAFPモデルをトレーニングすることにより、実世界のデータを収集し、シミュレーションと実世界のスペクトル差を測定する。 最後に、実際のロボットプラットフォームを構築し、転送されたポリシーが、音を鳴らすオブジェクトにうまくナビゲートできることを示します。
  論文  参考訳（メタデータ） (2024-05-05T06:01:31Z)
• RPMArt: Towards Robust Perception and Manipulation for Articulated Objects [56.73978941406907]
  本稿では,Articulated Objects (RPMArt) のロバスト知覚と操作のためのフレームワークを提案する。 RPMArtは、調音パラメータを推定し、雑音の多い点雲から調音部分を操作することを学習する。 我々は,シミュレート・トゥ・リアル・トランスファーの能力を高めるための調音認識型分類手法を提案する。
  論文  参考訳（メタデータ） (2024-03-24T05:55:39Z)
• Few-Shot Audio-Visual Learning of Environment Acoustics [89.16560042178523]
  室内インパルス応答 (RIR) 関数は、周囲の物理的環境がリスナーが聴く音をどう変換するかをキャプチャする。 我々は、空間で観測された画像とエコーのスパースセットに基づいて、RIRを推測する方法を探る。 3次元環境のための最先端オーディオ視覚シミュレータを用いた実験において,本手法が任意のRIRを生成できることを実証した。
  論文  参考訳（メタデータ） (2022-06-08T16:38:24Z)
• Catch Me If You Hear Me: Audio-Visual Navigation in Complex Unmapped Environments with Moving Sounds [5.002862602915434]
  オーディオ視覚ナビゲーションは、視覚と聴覚を組み合わせて、マップされていない環境で音を発する音源にナビゲートする。 そこで本研究では,ノイズや邪魔な音を伴って環境中を移動した音源をキャッチする必要がある動的視覚ナビゲーションベンチマークを提案する。 我々の手法は、音の移動、聴覚のない音、騒々しい環境など、あらゆるタスクにおいて、最先端技術よりも一貫して優れています。
  論文  参考訳（メタデータ） (2021-11-29T15:17:46Z)

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。