論文の概要: Concurrent Semantic Search and Mission Execution for LTL Missions in Unknown Environments

• arxiv url: http://arxiv.org/abs/2609.39153v1
• Date: Wed, 30 Sep 2026 07:18:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.358712
• Title: Concurrent Semantic Search and Mission Execution for LTL Missions in Unknown Environments
• Title（参考訳）: 未知環境におけるLTLミッションの同時意味探索とミッション実行
• Abstract要約: 未知の環境で複雑なミッションを計画するには、ロボットが何をすべきか、まだ発見する必要があるのかを同時に考える必要がある。 既存のfミッションのアプローチでは、通常、既知の環境を前提とするか、またはミッションの実行から環境の探索を分離する。 我々の主な貢献は、タスク駆動型セマンティックサーチとミッションの実行をインターリーブする適応的な高レベルプランニング手法であり、どちらも非神秘的な方法で進行する。
• 参考スコア（独自算出の注目度）: 39.8807633060402
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Planning complex missions in unknown environments requires robots to reason simultaneously about what they should do and what they still need to discover. Existing approaches for solving LTLf missions typically assume a known environment, or separate the exploration of the environment from the execution of the mission, while semantic exploration methods look for one target at a time and ignore the mission being executed. To fill this gap, our main contribution is an adaptive high-level planning method that interleaves a task-driven semantic search with the execution of the mission, advancing both in a non-myopic manner. Our method leverages two representations built online, a metric-semantic scene graph, built with a Vision Language Model (VLM), that provides the evidence needed to locate the objects the mission refers to, and the deterministic finite automaton (DFA) encoding the mission, that indicates which of them matter at each mission state. At every planning stage, our planner selects the waypoints that are most valuable for both the semantic search and the advancement of the mission, valuing them over the remaining mission stages in order to avoid blocking states. The selected waypoints are then ordered in a single high-level plan, which is recomputed as new information arrives. In photorealistic indoor environments over five mission types, our method completes more missions than the compared approaches while having to cover less of the environment, and it does so with shorter paths and complying with the restrictions imposed by the mission.
• Abstract（参考訳）: 未知の環境で複雑なミッションを計画するには、ロボットが何をすべきか、まだ発見する必要があるのかを同時に考える必要がある。 LTLfミッションを解くための既存のアプローチは、通常、既知の環境を仮定するか、または、ミッションの実行から環境の探索を分離する一方、セマンティックな探索手法は一度に1つのターゲットを探し、実行中のミッションを無視する。 このギャップを埋めるために、我々の主な貢献は、タスク駆動型セマンティックサーチとミッションの実行をインターリーブする適応的な高レベルプランニング手法であり、両者を非神秘的に前進させる。 提案手法では,ビジョン言語モデル (VLM) を用いて構築され,ミッションが指す対象の特定に必要な証拠を提示する,距離意味シーングラフとミッションを符号化する決定論的有限オートマトン (DFA) という2つの表現をオンラインで構築する。 計画段階では, 計画立案者は, セマンティック検索とミッションの進展の両方に最も有用な経路を選択し, ブロック状態を避けるために, 残りのミッション段階で評価を行う。 選択されたウェイポイントは、1つのハイレベルプランで順序付けされ、新しい情報が到着すると再計算される。 本手法は,5種類以上の屋内環境において,より少ない環境をカバーしながら,比較したアプローチよりも多くのミッションを完了し,短い経路で実施し,ミッションが課す制限に従わなければならない。

関連論文リスト

• STEM: Semantic Target Search and Exploration using MAVs in Cluttered Environments [17.009653719709213]
  本稿では,目的探索時間と探索時間を最小限に抑えるために,意味誘導型視点プランナを用いた新しいフレームワークを提案する。 具体的には,対象に繋がる可能性のある視点を優先順位付けすることで,効率的な意味探索計画を生成するプランナーを開発する。
  論文  参考訳（メタデータ） (2026-05-30T15:00:58Z)
• Heterogeneous Robot Collaboration in Unstructured Environments with Grounded Generative Intelligence [54.91177026001217]
  大規模言語モデル(LLM)対応のチーム化手法は、よく構造化された既知の環境を前提とするのが一般的である。 異種ロボットチームにおけるLCMの推論能力を基盤として,これらの制約に対処するフレームワークであるSPINE-HTを提案する。 我々のフレームワークは、従来のLLM対応の不均一なチームリング手法と比較して、ほぼ2倍の成功率を達成する。
  論文  参考訳（メタデータ） (2025-10-30T18:24:38Z)
• Air-Ground Collaboration for Language-Specified Missions in Unknown Environments [62.56917065429864]
  本稿では,無人航空機 (UAV) と無人地上機 (UGV) が,自然言語で指定されたミッションを協調的に達成できる,第一種システムを提案する。 我々は、Large Language Model(LLM)対応プランナーを利用して、オンライン上に構築され、航空ロボットと地上ロボットの間で機会的に共有されるセマンティック・メトリック・マップを推論する。
  論文  参考訳（メタデータ） (2025-05-14T03:33:46Z)
• SPINE: Online Semantic Planning for Missions with Incomplete Natural Language Specifications in Unstructured Environments [27.485636944766718]
  大規模言語モデル(LLM)は、様々なロボットタスクに対して強力な文脈推論能力を示している。 SPINEは、自然言語で提供される不完全なミッション仕様を持つミッションのためのオンラインプランナーである。 意味論的推論と探索の複数のステップを必要とするミッションを用いてシミュレーションおよび実世界の設定においてSPINEを評価する。
  論文  参考訳（メタデータ） (2024-10-03T22:41:47Z)
• Embodied Instruction Following in Unknown Environments [64.57388036567461]
  未知環境における複雑なタスクに対するEIF(Embodied instruction following)法を提案する。 我々は,ハイレベルなタスクプランナと低レベルな探索コントローラを含む,階層的な具体化命令に従うフレームワークを構築した。 タスクプランナに対しては、タスク完了プロセスと既知の視覚的手がかりに基づいて、人間の目標達成のための実行可能なステップバイステッププランを生成する。
  論文  参考訳（メタデータ） (2024-06-17T17:55:40Z)
• Long-HOT: A Modular Hierarchical Approach for Long-Horizon Object Transport [83.06265788137443]
  我々は、時間的拡張ナビゲーションのための新しいオブジェクトトランスポートタスクと新しいモジュラーフレームワークを提案することで、長距離探査と航法を具現化する上で重要な課題に対処する。 私たちの最初の貢献は、深層探査と長期計画に焦点を当てた新しいLong-HOT環境の設計である。 重み付けされたフロンティアの助けを借りて探索を行うために,シーンのトポロジカルグラフを構築するモジュラー階層輸送ポリシー(HTP)を提案する。
  論文  参考訳（メタデータ） (2022-10-28T05:30:49Z)
• Language-guided Navigation via Cross-Modal Grounding and Alternate Adversarial Learning [66.9937776799536]
  新たなビジョン・アンド・ランゲージナビゲーション(VLN)問題は、見えない写真リアリスティック環境において、エージェントがターゲットの場所に向かうことを学習することを目的としている。 VLNの主な課題は、主に2つの側面から生じている: まず、エージェントは動的に変化する視覚環境に対応する言語命令の有意義な段落に出席する必要がある。 そこで本稿では,エージェントにテキストと視覚の対応性を追跡する機能を持たせるために,クロスモーダルグラウンドモジュールを提案する。
  論文  参考訳（メタデータ） (2020-11-22T09:13:46Z)

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。