論文の概要: Beyond the Remembered World: Predictive 4D Belief for Persistent Navigation in Evolving Worlds

• arxiv url: http://arxiv.org/abs/2609.39166v2
• Date: Thu, 01 Oct 2026 12:48:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.552165
• Title: Beyond the Remembered World: Predictive 4D Belief for Persistent Navigation in Evolving Worlds
• Title（参考訳）: 思い出した世界を超えて:進化する世界における永続的なナビゲーションのための予測的4D信条
• Abstract要約: 本研究では、エージェントが間欠的な観測からターゲット位置を推定する進化世界ナビゲーションについて検討する。 タイムスタンプ付き3Dオブジェクト履歴からタイムインデクシングされた信念を構築するEvolvingNavを提案する。
• 参考スコア（独自算出の注目度）: 64.48226068885388
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Persistent spatial memory enables embodied agents to navigate familiar environments across repeated visits. However, targets may move while unobserved, including during navigation, making remembered locations unreliable by the time an agent arrives. Despite advances in memory retrieval and state prediction, accounting for continued hidden world evolution and revising beliefs under limited visibility remain challenging. We study Evolving-World Navigation, where agents infer target locations from intermittent observations, predict their states at inspection time, and revise beliefs using visual evidence. We propose EvolvingNav, which constructs a time-indexed belief from timestamped 3D object histories through a structured persistence-relocation model. The belief distinguishes persistence at the last observed location from relocation to alternative locations and retains probability mass outside the known candidate set. An event-driven filter propagates the current belief as time elapses, forecasts target occupancy at candidate inspection times, and incorporates new RGB-D evidence. Negative observations downweight location hypotheses according to calibrated, visibility-conditioned detection probabilities, while evidence tracking prevents repeated use of the same observations. A frozen, zero-shot vision-language controller uses the updated belief to choose actions and replan. We further introduce EvoWorld-Bench, a benchmark grounded in human activity traces, comprising 54 scenes and 803,680 tasks with controlled changes before and during navigation. In simulation and real-robot experiments, EvolvingNav improves navigation success and search efficiency over the evaluated baselines. Paired experiments show the clearest gains under learnable temporal patterns, while ablations demonstrate the value of preserving uncertainty and incorporating visibility-aware evidence.
• Abstract（参考訳）: 永続的空間記憶により、エンボディードエージェントは繰り返し訪問する間、親しみやすい環境をナビゲートできる。 しかし、ターゲットは、ナビゲーション中を含む観測されていない状態で移動し、エージェントが到着するまでに記憶された場所を信頼できないようにすることができる。 記憶の検索と状態予測の進歩にもかかわらず、隠された世界の発展と限られた可視性の下での信念の改訂は依然として困難である。 本研究では,エージェントが間欠的な観測からターゲット位置を推定し,検査時の状態を予測し,視覚的証拠を用いて信念を再考する進化世界ナビゲーションについて検討する。 EvolvingNavを提案する。これは、構造化された永続-再配置モデルにより、タイムスタンプされた3Dオブジェクト履歴からタイムインデクシングされた信念を構築する。 この信念は、最後に観測された場所における永続性と他の場所への移動を区別し、既知の候補集合の外にある確率質量を保持する。 事象駆動フィルタは、時間経過とともに現在の信念を伝播し、候補検定時の目標占有率を予測し、新しいRGB-Dエビデンスを組み込む。 負の観測の低い位置仮説は、校正された、可視性のある検出確率に従っており、エビデンス追跡は、同じ観測を繰り返し使用することを妨げている。 凍結されたゼロショットの視覚言語コントローラは、更新された信念を使ってアクションを選択し、再計画する。 EvoWorld-Benchは、54のシーンと803,680のタスクで構成され、ナビゲーションの前後で制御される。 シミュレーションおよび実ロボット実験において、EvolvingNavは評価ベースライン上でのナビゲーション成功と探索効率を改善する。 ペアリング実験は、学習可能な時間パターンの下で最も顕著な利得を示し、一方、改善は不確実性を保存することの価値を示し、可視性のある証拠を取り入れている。

関連論文リスト

• Seek Before You Move: Evidence Seeking for Progress Grounding in Vision-Language Navigation [34.31330349660828]
  Vision-Language Navigation (VLN) では、エージェントが長い水平方向の指示と部分的な自我中心の観察からタスクの進捗を継続的に下方修正する必要がある。 既存のVLMベースのナビゲーションエージェントは、通常、利用可能な観測のみを推論し、タスク関連証拠が欠落している場合でも自信を保っている。 SeekVLNは,課題関連観測の積極的取得と意味的進捗推論を結合したエビデンス検索フレームワークである。
  論文  参考訳（メタデータ） (2026-09-29T12:18:16Z)
• 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)
• WOLF: World Model Guided LiDAR Exploration with Predictive Frontiers [57.192711741481425]
  WOLFは、将来の観測を予測し、自律探査を強化する世界モデル誘導フレームワークである。 WOLFは、観測履歴と探索中の候補運動を組み合わせて、局所的占有率と可視性を予測する。 シミュレーションでは,ガレージにおけるEPICと比較して平均終端時間を10.9%削減する。
  論文  参考訳（メタデータ） (2026-09-20T14:09:26Z)
• Dual-Layer Semantic-Spatial Belief Mapping for Aerial Object Goal Navigation [42.980962327113495]
  航空目標航法(Aerial Object Goal Navigation、ObjectNav)は、無人の航空機で、未知の屋外環境において記述された目標を見つける。 視覚言語モデル(VLM)は、オープンエンドの目標記述と視覚的観察を解釈できるが、フレームレベルの出力は、しばしばノイズが多く、スパースで、空間的に過渡的である。 本稿では,過渡的VLM観測を永続的空間誘導に変換する2層意味空間的信念マッピングフレームワークであるAeroBeliefを提案する。
  論文  参考訳（メタデータ） (2026-09-08T02:47:49Z)
• OmniNav: Robust Long-Horizon Target Navigation in Dynamic Environments [22.177088582117324]
  長距離目標ナビゲーションは、進化する観察、決定、物理的相互作用を越えてタスクの実行を維持するロボットを必要とする。 これには,有効なシーンメモリの維持,部分的な可観測性の下での目標信念の修正,対話可能なナビゲーションエンドポイントの選択という,3つの結合機能が必要です。 OmniNav は,タスク状態の後続結合シーンの妥当性,目標信念,インタラクション実現可能性について,時間軸ナビゲーションを連続的推論として定式化する。
  論文  参考訳（メタデータ） (2026-09-08T02:43:48Z)
• Map the Possibilities: Spatial Belief Fields for Language-Goal Aerial Navigation [49.03955946482723]
  SBFNavは、言語条件付き空間的信念場を中心としたクローズドループナビゲーションフレームワークである。 主に観測されたことを記録しているエゴ中心の地図とは異なり、SBFレポジトリ-はタスク条件付き分布を可視な目標位置上で再送する。 SBFNavは、制御のためのメットリックなウェイポイントとして、命令と観察に最も適したゴールを選択する。
  論文  参考訳（メタデータ） (2026-09-05T03:11:01Z)
• LatentPilot: Scene-Aware Vision-and-Language Navigation by Dreaming Ahead with Latent Visual Reasoning [51.969318585152116]
  LatentPilotは、トレーニング中の将来の観察を貴重なデータソースとして利用して、アクション条件付きビジュアルダイナミクスを学習する。 そこで本稿では,フライホイール方式のトレーニング機構を提案する。これは,道路上の軌道を反復的に収集し,エージェントの行動分布に適合するようにモデルを再訓練する。 R2R-CE、RxR-CE、R2R-PEベンチマークの実験では新たなSOTA結果が得られた。
  論文  参考訳（メタデータ） (2026-03-31T02:21:59Z)
• Theory of Space: Can Foundation Models Construct Spatial Beliefs through Active Exploration? [83.13508919229939]
  宇宙の理論は、自己指向的かつ活発な探索を通じて情報を得るエージェントの能力として定義される。 重要な革新は空間的信念の探索であり、各ステップでモデルが空間的表現を明らかにするように促す。 この結果から,現在の基盤モデルでは,活発な探査において,コヒーレントで変更可能な空間的信念の維持に苦慮していることが示唆された。
  論文  参考訳（メタデータ） (2026-02-04T19:06:40Z)

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。