論文の概要: PreAct-Nav: Agentic Reasoning Before Action for Urban Navigation

• arxiv url: http://arxiv.org/abs/2610.04916v1
• Date: Sun, 04 Oct 2026 03:50:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-11 08:01:18.25152
• Title: PreAct-Nav: Agentic Reasoning Before Action for Urban Navigation
• Title（参考訳）: Prect-Nav: 都市ナビゲーションのためのエージェント推論
• Abstract要約: 都市ナビゲーションは、現地の意思決定を通じて長期の目標を追求するために実施されたエージェントを必要とする。 本研究では,凍結政策を予測的推論と組み合わせたエージェントナビゲーションフレームワークであるPreAct-Navを提案する。 我々の中心的な考え方は、永続的な中水平のサブゴールに局所的な決定を固定し、実行前に予測されたアクションの結果を評価し、推論コンテキストを継続的に更新することである。
• 参考スコア（独自算出の注目度）: 16.583699093899202
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Urban navigation requires embodied agents to pursue long-horizon goals through local decisions based on egocentric observations. However, existing agentic navigation methods often struggle to translate distant goals into coherent local decisions in large-scale physical environments. Their reliance on linguistic reasoning over transient observations or limited history constrains anticipation of the consequences of actions and future conditions, despite the importance of such foresight for navigating long and complex urban routes. To bridge this gap, we propose PreAct-Nav, an agentic navigation framework that equips frozen policies with anticipatory reasoning for robust urban navigation. Our central idea is to anchor local decisions in persistent medium-horizon subgoals, assess the consequences of predicted actions before execution, and continually update the reasoning context using actual outcomes. At its core, a navigation memory module maintains the active subgoal and relevant experience across decisions, translating distant goals into actionable intermediate objectives. We further introduce a predictive world sandbox that uses an action-conditioned world model (AC-WM) to forecast world dynamics conditioned on candidate movements. A vision-language model (VLM) reasoner interprets these predictions under the current subgoal to retain or revise actions. After execution, real observations are used to assess outcomes, correct inconsistent assumptions, and update memory to continue or reformulate the subgoal. Extensive evaluations demonstrate that the proposed PreAct-Nav improves action selection through memory updates and visual prediction, with more pronounced gains on longer routes and routes with more turns.
• Abstract（参考訳）: 都市ナビゲーションは、エゴセントリックな観察に基づく局所的な決定を通じて、長期の目標を追求するエンボディエージェントを必要とする。 しかし、既存のエージェントナビゲーション手法は、大規模な物理的環境において、遠くの目標を一貫性のある局所的な決定に翻訳するのに苦労することが多い。 過渡的な観察や限られた歴史に対する言語的推論への依存は、長大で複雑な都市ルートをナビゲートするためのこのような監視の重要性にもかかわらず、行動と将来の状況の結果を予測することを妨げている。 このギャップを埋めるためのエージェントナビゲーションフレームワークであるPreAct-Navを提案する。 我々の中心的な考え方は、永続的な中水平のサブゴールに局所的な決定を固定し、実行前に予測された行動の結果を評価し、実際の結果を使用して推論コンテキストを継続的に更新することである。 その中核となるナビゲーションメモリモジュールは、意思決定におけるアクティブなサブゴールと関連するエクスペリエンスを維持し、遠くの目標を実行可能な中間目標に変換する。 さらに,行動条件付き世界モデル (AC-WM) を用いて, 行動条件付き世界力学を予測できる予測的世界サンドボックスを導入する。 視覚言語モデル(VLM)推論器は、これらの予測を現在のサブゴールの下で解釈し、アクションを維持または修正する。 実行後、実際の観察は結果を評価し、矛盾した仮定を正し、記憶を更新してサブゴールを継続または修正するために使用される。 大規模な評価では、提案されたPreAct-Navは、メモリ更新と視覚的予測を通じてアクション選択を改善し、より長いルートやルートでより多くのターンでより顕著な利得を得ることを示した。

関連論文リスト

• Beyond the Remembered World: Predictive 4D Belief for Persistent Navigation in Evolving Worlds [64.48226068885388]
  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。
  論文  参考訳（メタデータ） (2026-09-30T07:26:36Z)
• What do VLM-Based Vision-Language Navigation Models Rely on: Interpreting and Steering Policy Behavior [50.946179887746666]
  本稿では,現代の視覚言語ナビゲーション(VLN)モデルの解釈可能性と操縦性について検討する。 我々は、視覚的観察、指示、視覚記憶がナビゲーション決定に因果的にどう影響するかを測定する介入ベースのメトリクスを使用する。 以上の結果から,これらのナビゲーションポリシーは全ての入力モダリティに敏感であり,単一のモダリティに依存しないことがわかった。
  論文  参考訳（メタデータ） (2026-09-21T13:42:48Z)
• DreamFly: Causal Memory and Receding-Horizon Diffusion Planning for Aerial Vision-Language Navigation [4.9808826786866405]
  航空視覚言語ナビゲーション(VLN)は、時間とともに視覚的エビデンスを統合し、将来のアクションを計画し、それが部分観測可能性の下でナビゲーション目標に到達したかどうかを決定するための実施エージェントを必要とする。 本研究では,Dream-VLA上に構築された拡散型空中VLNフレームワークであるDreamFlyを提案する。 DreamFlyは32.04%/29.46%のSRと28.22%/23.54%のSPLを達成した。
  論文  参考訳（メタデータ） (2026-08-12T17:54:33Z)
• NavWAM: A Navigation World Action Model for Goal-Conditioned Visual Navigation [41.592946383221566]
  ナビゲーションワールドモデルはこのような視覚的な展望を提供するが、予測された未来をクローズドループ制御に変換するために外部プランナーを必要とする予測モジュールは残る。 ナビゲーションワールドモデル予測を実行可能なアクションに変換する拡散変換器ポリシーであるナビゲーションワールドアクションモデル(NavWAM)を提案する。 我々は,シミュレーション事前学習と実ロボット適応によりNavWAMを構築し,計画に基づく世界モデルに対するイメージゴールナビゲーションと代表的ダイレクトナビゲーションポリシーについて評価する。
  論文  参考訳（メタデータ） (2026-06-11T15:44:36Z)
• Foresight: Iterative Reasoning About Clues that Matter for Navigation [20.227441986534767]
  マップレスナビゲーションでは、未特定目標の解決と、目標達成にどの環境基準が関係しているかを推測する必要がある。 事前の作業は、既知のナビゲーション要因やクローズド・セット・ファクター・カテゴリに依存しているか、あるいは動作計画の前にキューを特定し、計画に依存しないキューを見逃すことによって制限される。 事前学習した視覚言語モデル(VLM)は、新しい指導関連キューを発見することができるが、どのキューが重要か、どのように運動計画に影響を及ぼすべきかに適応する必要がある。 我々はこれらのアイデアをForesightで実現した。これは、微調整されたVLMが画像空間の運動計画とクオリティを交互に提案するテストタイムフレームワークである。
  論文  参考訳（メタデータ） (2026-06-10T18:01:06Z)
• Think Before You Act: Intention-Guided Reasoning for LLM-Based Location Prediction [34.169695266263254]
  ユーザが直接場所を選択することは滅多にない,と我々は主張する。 この知見に触発され、2段階の意図誘導推論フレームワークであるIntentPOIを提案する。 IntentPOIは一貫して11の最先端ベースラインを上回っている。
  論文  参考訳（メタデータ） (2026-06-06T11:56:44Z)
• 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)
• ReasonNavi: Human-Inspired Global Map Reasoning for Zero-Shot Embodied Navigation [53.95797153529148]
  身体的エージェントは、主に部分的な自我中心の観測に依存するため、効率的なナビゲーションに苦しむことが多い。 本稿では,マルチモーダル大規模言語モデル(MLLM)と決定論的プランナを結合することにより,この理由に基づくパラダイムを運用する,人間にインスパイアされたフレームワークであるReasonNaviを紹介する。
  論文  参考訳（メタデータ） (2026-01-26T19:09:20Z)
• NavForesee: A Unified Vision-Language World Model for Hierarchical Planning and Dual-Horizon Navigation Prediction [12.352236127154761]
  本稿では,高レベル言語計画と予測的世界モデルイマジネーションを統合するビジョン・ランゲージ・モデル(VLM)について紹介する。 我々のアプローチでは、単一のVLMが同時に計画と予測の監視を行うことができる。 私たちの研究は、暗黙の時間的予測で明示的な言語計画を融合させ、よりインテリジェントで有能なエンボディエージェントの道を開く、という大きな可能性を浮き彫りにしています。
  論文  参考訳（メタデータ） (2025-12-01T11:24:16Z)
• DAgger Diffusion Navigation: DAgger Boosted Diffusion Policy for Vision-Language Navigation [73.80968452950854]
  Vision-Language Navigation in Continuous Environments (VLN-CE) は、エージェントが自由形式の3D空間を通して自然言語の指示に従う必要がある。 既存のVLN-CEアプローチは通常、2段階のウェイポイント計画フレームワークを使用する。 本稿では,エンドツーエンド最適化VLN-CEポリシとしてDAgger Diffusion Navigation (DifNav)を提案する。
  論文  参考訳（メタデータ） (2025-08-13T02:51:43Z)

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。