論文の概要: Sim-to-Real Transfer of Vision-Language Navigation in Continuous Environments Using an Ackermann-Steered Mobile Robot

• arxiv url: http://arxiv.org/abs/2610.07192v1
• Date: Mon, 05 Oct 2026 18:09:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.581649
• Title: Sim-to-Real Transfer of Vision-Language Navigation in Continuous Environments Using an Ackermann-Steered Mobile Robot
• Title（参考訳）: Ackermann-Steered Mobile Robot を用いた連続環境における視線ナビゲーションの同時移動
• Abstract要約: Vision-Language Navigation (VLN)は、ロボットが自然言語命令を使って環境をナビゲートすることを可能にする。 従来のVLNモデルは、ナビゲーショングラフ、360度ビュー、完全なローカライゼーションに依存していることが多い。 この研究は、VLNアプローチのシミュレーションから実際のドメインシフトを実行することで、これらの制限に対処する。
• 参考スコア（独自算出の注目度）: 0.6773121102591492
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vision-Language Navigation (VLN) enables robots to navigate through environments using natural language instructions, making human-robot interaction intuitive. Traditional VLN models often rely on navigation graphs, 360-degree views, and perfect localization which pose significant challenges when adapting these models to real-world settings. This work addresses these limitations by performing a simulation-to-real domain shift of a VLN approach that operates in continuous environments without requiring navigation graphs or panoramic views. The proposed system integrates vision-language models that align visual inputs and linguistic instructions within a shared embedding space, facilitating natural language-driven navigation. We employ a Cross-Modal Attention (CMA) based architecture trained on an existing dataset in a simulated environment and fine-tune it using real-world data collected from a custom-built Ackermann-steered robot equipped with a camera and a LiDAR sensor. By utilising linear photometric adjustments and fine-tuning on a limited number of episodes, our model successfully adapts to real-world environments, achieving effective navigation while running offline on dedicated hardware. Experimental results, evaluated using Success weighted by Path Length (SPL) and Normalized Dynamic Time Warping (nDTW) metrics, demonstrate the robustness and adaptability of our approach. Keywords: Vision-Language Navigation, Cross-Modal Attention, Natural Language Instructions, Sim-to-Real Transfer, Autonomous Navigation, Ackermann-steering.
• Abstract（参考訳）: Vision-Language Navigation (VLN)は、ロボットが自然言語命令を使って環境をナビゲートし、人間とロボットの対話を直感的に行えるようにする。 従来のVLNモデルは、ナビゲーショングラフ、360度ビュー、そして完全なローカライゼーションに依存しており、実際の設定にこれらのモデルを適用する際に大きな課題を生じさせる。 この研究は、ナビゲーショングラフやパノラマビューを必要とせずに、連続環境で動作するVLNアプローチのシミュレーションから実際のドメインシフトを実行することで、これらの制限に対処する。 提案システムは,視覚入力と言語指示を共有埋め込み空間内に整列させる視覚言語モデルを統合し,自然言語駆動ナビゲーションを容易にする。 我々は、シミュレーション環境で既存のデータセットに基づいてトレーニングされたクロスモーダルアテンション(CMA)ベースのアーキテクチャを採用し、カメラとLiDARセンサーを備えたカスタムメイドのAckermannステアリングロボットから収集された実世界データを用いて、それを微調整する。 線形測光調整と限られた回数で微調整を行うことにより,本モデルは実環境に適応し,専用ハードウェア上でオフライン動作しながら効果的なナビゲーションを実現する。 実験の結果,パス長(SPL)と正規化動的時間温暖化(nDTW)の測定値を用いて評価し,提案手法の堅牢性と適応性を示した。 キーワード:ビジョンランゲージナビゲーション、クロスモーダルアテンション、自然言語命令、Sim-to-Real Transfer、自律ナビゲーション、アッカーマンステアリング。

関連論文リスト

• TANGO: Humanoid Navigation in Cluttered Environments with a Whole-Body Vision-Language-Action Model [49.03909082056646]
  人型ロボットを用いて, 乱雑な室内環境をナビゲートする問題について検討した。 本稿では,最初の全身視覚言語ナビゲーションフレームワークであるTANGOを紹介する。 シミュレーション実験では、タンゴは視覚言語ナビゲーションにおける最先端の性能を実証した。
  論文  参考訳（メタデータ） (2026-09-08T17:59:55Z)
• ImagiNav: Scalable Embodied Navigation via Generative Visual Prediction and Inverse Dynamics [13.382453086651019]
  Vision-Language Navigationは、高価なエンボディメント固有のロボットデータに基づいて訓練されたエンドツーエンドのポリシーに依存している。 ロボットの動作から視覚計画を切り離す新しいモジュラーパラダイムであるImagiNavを提案する。 ImagiNavは、ロボットのデモを必要とせずに、ロボットナビゲーションへの強力なゼロショット転送をデモする。
  論文  参考訳（メタデータ） (2026-03-14T08:34:02Z)
• OpenFrontier: General Navigation with Visual-Language Grounded Frontiers [54.661157616245966]
  オープンワールドナビゲーションでは、複雑な日常環境においてロボットが意思決定を行う必要がある。 近年の視覚-言語ナビゲーション(VLN)と視覚-言語-アクション(VLA)モデルは、自然言語で条件付けられたエンドツーエンドのポリシーを実現する。 多様な視覚をシームレスに統合するトレーニングフリーナビゲーションフレームワークであるOpenFrontierを提案する。
  論文  参考訳（メタデータ） (2026-03-05T17:02:22Z)
• AutoFly: Vision-Language-Action Model for UAV Autonomous Navigation in the Wild [62.47761809929869]
  視覚言語ナビゲーション(VLN)は、視覚的観察とともに言語指示を解釈することで、知的エージェントが環境をナビゲートする必要がある。 無人航空機(UAV)の現在のVLN研究は、所定のルートに沿ってUAVを誘導するための詳細な指示に依存している。 本稿では,自律型UAVナビゲーションのためのエンド・ツー・エンドのビジョン・ランゲージ・アクションモデルであるAutoFlyを提案する。
  論文  参考訳（メタデータ） (2026-02-10T11:08:07Z)
• NavMorph: A Self-Evolving World Model for Vision-and-Language Navigation in Continuous Environments [67.18144414660681]
  VLN-CE(Vision-and-Language Navigation in Continuous Environments)は、自然言語命令によって誘導される複雑な環境において、エージェントがシーケンシャルなナビゲーションアクションを実行する必要がある。 人間の認知にインスパイアされたNavMorphは、VLN-CEタスクにおける環境理解と意思決定を強化する自己進化型世界モデルフレームワークである。
  論文  参考訳（メタデータ） (2025-06-30T02:20:00Z)
• AdaVLN: Towards Visual Language Navigation in Continuous Indoor Environments with Moving Humans [2.940962519388297]
  適応視覚言語ナビゲーション(Adaptive Visual Language Navigation, AdaVLN)と呼ばれるタスクの拡張を提案する。 AdaVLNは、人間の障害物が動的に動く複雑な3D屋内環境をナビゲートするロボットを必要とする。 本稿では,この課題をベースラインモデルとして評価し,AdaVLNが導入したユニークな課題を分析し,VLN研究におけるシミュレートと現実のギャップを埋める可能性を示す。
  論文  参考訳（メタデータ） (2024-11-27T17:36:08Z)
• Vision and Language Navigation in the Real World via Online Visual Language Mapping [18.769171505280127]
  視覚・言語ナビゲーション(VLN)法は主にシミュレーションで評価される。 実世界のVLN課題に対処する新しい枠組みを提案する。 未確認実験環境において,Interbotix LoCoBot WX250を用いたパイプラインの評価を行った。
  論文  参考訳（メタデータ） (2023-10-16T20:44:09Z)
• LM-Nav: Robotic Navigation with Large Pre-Trained Models of Language, Vision, and Action [76.71101507291473]
  本稿では,無注釈の大規模軌跡データに対するトレーニングの恩恵を享受するロボットナビゲーションシステムLM-Navを提案する。 本研究では,ナビゲーション(ViNG),画像言語アソシエーション(CLIP),言語モデリング(GPT-3)の事前学習モデルから構築可能なシステムについて述べる。
  論文  参考訳（メタデータ） (2022-07-10T10:41:50Z)

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。