論文の概要: What the Elevation Map Cannot See: Semantic-Aware Locomotion and Execution-Aware Navigation for Humanoid Robot

• arxiv url: http://arxiv.org/abs/2610.07396v1
• Date: Mon, 05 Oct 2026 21:08:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.664948
• Title: What the Elevation Map Cannot See: Semantic-Aware Locomotion and Execution-Aware Navigation for Humanoid Robot
• Title（参考訳）: ヒューマノイドロボットのセマンティック・アウェア・ロコモーションと実行・アウェア・ナビゲーション
• Abstract要約: 本稿では, 閉ループVLN+移動制御フレームワークとともに, 上昇・下降ハザードと実行逸脱をモデル化したベンチマークを提案する。 その結果,セマンティック・インプットは標高マップに表現できない危険物との接触を減少させる一方,解離防止はナビゲーションの成功を改善させることがわかった。
• 参考スコア（独自算出の注目度）: 29.546560853379734
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Navigation for humanoid robots is critical, yet large-scale evaluation on physical hardware is often impractical due to cost and safety concerns, making simulation benchmarks essential. Existing VLN benchmarks achieve physically executable navigation, but still assume (1) all hazards are observable from elevation maps; (2) realized motions closely match desired motions. In real environments, however, fallen bottles may be ambiguous in elevation maps, while phones and water spills may be difficult to differentiate; hazard avoidance by the locomotion policy can cause the robot's actual trajectory to deviate from the path intended by the VLN policy. Such command-execution mismatch can accumulate and lead the robot toward unintended locations. To expose these failure modes, we introduce a benchmark that models both elevation-subtle hazards and execution deviations, together with a closed-loop VLN + locomotion control framework that continuously realigns high-level navigation with the robot's actual state. We evaluate navigation in simulation and further validate the locomotion policy on a physical Unitree G1 humanoid robot. Results show that semantic input reduces contact with hazards poorly represented in elevation maps, while anti-deviation improves navigation success. These findings highlight the need to evaluate humanoid navigation jointly in terms of route completion and hazard avoidance.
• Abstract（参考訳）: ヒューマノイドロボットのナビゲーションは重要であるが、コストと安全性の懸念から、物理ハードウェアの大規模評価はしばしば実用的ではないため、シミュレーションベンチマークが不可欠である。 既存のVLNベンチマークは物理的に実行可能なナビゲーションを実現するが、(1)すべてのハザードは標高マップから観測可能であると仮定する。 しかし、実際の環境では、落下したボトルは標高マップでは曖昧であり、電話や水の流出は区別が難しい場合があり、移動ポリシーによる危険回避は、ロボットの実際の軌道をVLNポリシーが意図した経路から逸脱させる可能性がある。 このようなコマンド実行ミスマッチは蓄積され、意図しない場所にロボットを誘導する。 これらの障害モードを公開するために,ロボットの実際の状態とハイレベルナビゲーションを連続的に実現するクローズドループVLN+ロコモーション制御フレームワークとともに,高度サブトルハザードと実行逸脱の両方をモデル化するベンチマークを導入する。 シミュレーションでナビゲーションを評価し,さらに物理Unitree G1ヒューマノイドロボットの移動ポリシーを検証した。 その結果,セマンティック・インプットは標高マップに表現できない危険物との接触を減少させる一方,解離防止はナビゲーションの成功を改善させることがわかった。 これらの知見は、ルート完了とハザード回避の観点から、ヒューマノイドナビゲーションを共同で評価する必要性を浮き彫りにした。

関連論文リスト

• CrossTracer: Cross-Embodiment Navigation via VLA Model Reasoning and Trace Residuals Adapting [51.52109090141233]
  CrossTracerは、クロスボディナビゲーションのための階層的なフレームワークである。 セマンティック推論と物理接地の間に統一的なピクセル空間インターフェースを形成する。 そこで,NaviTraceベンチマークを用いてCrossTracerの評価を行った。
  論文  参考訳（メタデータ） (2026-08-07T01:24:53Z)
• Learning Agile Navigation in Crowded Environments for Quadruped Robots [19.29089241882416]
  VOP-Navは四足歩行ロボットのための新しいナビゲーションシステムである。 これは、Velocity Obstaclesの幾何学的安全性と、エンドツーエンドの学習のアジャイル適応性を組み合わせたものです。 VOP-Navは速度と衝突回避のバランスをとりながら、すべてのベースラインよりも高い成功率を達成する。
  論文  参考訳（メタデータ） (2026-07-16T14:16:19Z)
• NavIsaacLab: Generating Realistic Crowd via Parallel Robot Learning for Benchmarking Human-aware Navigation [40.511983590273445]
  本稿では,ナビゲーションポリシーをベンチマークし,トレーニングするための総合的なフレームワークであるNavIsaacLabについて述べる。 提案フレームワークはIsaac Labをベースとして,フォトリアリスティックなシーンレンダリング機能を採用し,GPU上での並列シミュレーションをサポートする。 人間の行動の現実性を高めるために、軌道拡散モデルと対向運動学習コントローラを組み込んだデータ駆動型アプローチを用いる。
  論文  参考訳（メタデータ） (2026-06-24T18:08:19Z)
• Can Causal Models Enhance Robot Navigation? Online Causal Adaptation for Real-Robot Navigation [0.6299766708197881]
  ロボット工学における因果関係は、より解釈可能で柔軟なロボット行動を生み出すことを目的としている。 本稿では,航法シナリオのための実ロボット実験における因果モデル転送の問題に対処する。
  論文  参考訳（メタデータ） (2026-06-14T09:11:01Z)
• 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)
• NaviHydra: Controllable Navigation-guided End-to-end Autonomous Driving with Hydra-distillation [6.722962084265695]
  NaviHydraは、既存のルールベースのシミュレータから抽出した、制御可能なナビゲーションガイド付きエンドツーエンドモデルである。 本フレームワークは,高レベルナビゲーションコマンドを制御信号として受け入れ,特定の意図に整合した軌道を生成する。
  論文  参考訳（メタデータ） (2025-12-11T14:05:18Z)
• NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
  我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。 グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。 我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
  論文  参考訳（メタデータ） (2025-06-23T14:28:30Z)
• Hierarchical Reinforcement Learning for Safe Mapless Navigation with Congestion Estimation [7.339743259039457]
  本稿では,階層的強化学習(HRL)を利用した安全な地図レスナビゲーションフレームワークを提案する。 その結果,HRLに基づくナビゲーションフレームワークは静的シナリオと動的シナリオの両方で優れていることがわかった。 本研究では,物理的な検証実験を行うために,TurtleBot3ロボット上にHRLベースのナビゲーションフレームワークを実装した。
  論文  参考訳（メタデータ） (2025-03-15T08:03:50Z)
• ETPNav: Evolving Topological Planning for Vision-Language Navigation in Continuous Environments [56.194988818341976]
  視覚言語ナビゲーションは、エージェントが環境中をナビゲートするための指示に従う必要があるタスクである。 本研究では,1)環境を抽象化し,長距離航法計画を生成する能力,2)連続環境における障害物回避制御能力の2つの重要なスキルに焦点を当てたETPNavを提案する。 ETPNavは、R2R-CEとRxR-CEデータセットの先行技術よりも10%以上、20%改善されている。
  論文  参考訳（メタデータ） (2023-04-06T13:07:17Z)
• Coupling Vision and Proprioception for Navigation of Legged Robots [65.59559699815512]
  我々は視覚と受容の相補的な強みを利用して、脚のあるロボットでポイントゴールナビゲーションを実現する。 車輪付きロボット(LoCoBot)のベースラインよりも優れた性能を示す。 また,センサーと計算能力を備えた四足歩行ロボットに,我々のシステムを実環境に展開することも示す。
  論文  参考訳（メタデータ） (2021-12-03T18:59:59Z)

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。