論文の概要: SearchWorld: Spatial Value-Grounded Imagination for UAV Object Search via World Models

• arxiv url: http://arxiv.org/abs/2610.09335v1
• Date: Wed, 07 Oct 2026 02:51:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.685598
• Title: SearchWorld: Spatial Value-Grounded Imagination for UAV Object Search via World Models
• Title（参考訳）: サーチワールド:世界モデルによるUAV物体探索のための空間的値を取り囲むイマジネーション
• Abstract要約: 広い探索領域と狭い自我中心の視野はカバー範囲を制限し、密集した3次元幾何学は安全な動きを制限し、オープンワールドの指示は邪魔者の間で特定のターゲットを特定する必要がある。 既存の多くの手法は、明示的な地図やメモリ表現を通じて部分的な観測可能性を軽減するが、そのほとんどが反応し、将来の状態を明示的に予測することなく過去の観測を推論する。 本稿では,空間的空間記憶と値誘導的想像力とを連結した,連続状態空間世界モデルであるSearchWorldを提案する。
• 参考スコア（独自算出の注目度）: 23.42562625067855
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autonomous unmanned aerial vehicle (UAV) object search involves a closed loop of perception, decision-making, and action under partial observability. Urban environments pose several challenges: large search areas and narrow egocentric views limit coverage, dense 3D geometry constrains safe motion, and open-world instructions require identifying a specific target among distractors. Many existing methods mitigate partial observability through explicit maps or memory representations, yet remain largely reactive, reasoning over past observations without explicitly predicting future states. World models enable prospective reasoning through imagined rollouts. However, image-generating world models can incur high inference latency, while spatially grounded planning remains challenging for latent world models. We propose SearchWorld, a recurrent state-space world model that connects explicit spatial memory with value-guided imagination. The model maintains BEV exploration and obstacle memory and decodes a task-aware spatial value layer to guide search. A cognition-action network uses this learned spatial value prior to improve the policy through imagined rollouts, without training a separate scalar critic. Training progresses from world-model learning to expert imitation and imagination-based exploration refinement. On UAV-ON, SearchWorld improves the success rate to 23.8% (19.5% for the strongest published agent) and raises oracle success to 35.5%, while remaining robust on unseen scenes (19.9% success rate). By grounding imagination in explicit spatial representations, SearchWorld enables UAV agents to plan prospectively rather than react.
• Abstract（参考訳）: 無人航空機(UAV)の物体探索は、部分観測可能性の下での認識、意思決定、行動の閉ループを含む。 都市環境にはいくつかの課題がある: 大きな探索領域と狭い自我中心の視点はカバー範囲を制限し、密集した3次元幾何学は安全な動きを制限し、オープンワールドの指示は邪魔者の間で特定のターゲットを特定する必要がある。 既存の多くの手法は、明示的な地図やメモリ表現を通じて部分的な観測可能性を軽減するが、そのほとんどが反応し、将来の状態を明示的に予測することなく過去の観測を推論する。 世界モデルは、想像上のロールアウトを通じて予測推論を可能にする。 しかし、画像生成の世界モデルは高い推論遅延を生じさせるが、空間的基盤を持つプランニングは、潜在世界モデルにとって依然として困難である。 本稿では,空間的空間記憶と値誘導的想像力とを連結した連続状態空間世界モデルであるSearchWorldを提案する。 このモデルは、BEV探索と障害物記憶を維持し、タスク対応空間値層をデコードして探索を誘導する。 認知行動ネットワークは、この学習された空間値を用いて、個別のスカラー評論家を訓練することなく、想像上のロールアウトを通じてポリシーを改善する。 訓練は、世界モデル学習から専門家の模倣や想像力に基づく探究の洗練まで進歩する。 UAV-ONでは、検索ワールドは成功率を23.8%(最強のエージェントは19.5%)に改善し、オラクルの成功を35.5%に引き上げる一方で、目に見えないシーン(19.9%の成功率)で頑健なままである。 空間的表現を具体化することによって、SearchWorldは、UAVエージェントが反応するのではなく、将来的な計画を立てることを可能にする。

関連論文リスト

• Towards Spatial Supersensing in the Wild [35.413360698005285]
  長時間の時間的地平線上での空間的スーパーセンシングを評価するためのベンチマークである$textbfVSI-Super-Wildを紹介する。 結果は、モデルは時間とともに一貫性のある世界状態追跡を必要とするタスクで一貫して失敗することを示している。 そして,空間的崩壊,セマンティックショートカット,複雑性の更新,インスタンスの混乱という4つの障害モードを診断する。
  論文  参考訳（メタデータ） (2026-07-15T10:24:51Z)
• Remember to be Curious: Episodic Context and Persistent Worlds for 3D Exploration [60.63663437013685]
  本研究では,この失敗は空間的持続性とエピソード的文脈の欠如に起因することを実証する。 エージェントポリシーは、RGB観測のシーケンスモデルとしてパラメータ化され、エピソジックな文脈を維持する。 エンド・ツー・エンドのポリシーは、リンゴの摘みやイメージゴールナビゲーションといった下流タスクへの効果的な適応を可能にし、オフ・スクラッチベースラインよりも優れています。
  論文  参考訳（メタデータ） (2026-05-21T17:58:06Z)
• What if? Emulative Simulation with World Models for Situated Reasoning [51.770776877972956]
  WanderDreamは、精神探査のエミュレータシミュレーションのために設計された最初の大規模データセットである。 WanderDream-Genは、HM3D、ScanNet++、および実世界のキャプチャから1,088の実際のシーンにわたる15.8Kのパノラマビデオで構成されている。 WanderDream-QAは158Kの質問応答ペアを含み、各軌道に沿った開始状態、経路、終了状態をカバーする。
  論文  参考訳（メタデータ） (2026-03-06T16:37:15Z)
• WildOS: Open-Vocabulary Object Search in the Wild [12.098091049832965]
  この研究は、長距離でオープンなオブジェクト検索のための統一システムWildOSを提示する。 基礎モデルに基づく視覚モジュール ExploRFM を用いて、グラフのフロンティアノードをスコアリングする。 また、オープン語彙ターゲットクエリの粗い局所化のための粒子フィルタに基づく手法も導入する。
  論文  参考訳（メタデータ） (2026-02-22T19:14:00Z)
• IndustryNav: Exploring Spatial Reasoning of Embodied Agents in Dynamic Industrial Navigation [56.43007596544299]
  IndustryNavは、アクティブな空間推論のための最初の動的産業用ナビゲーションベンチマークである。 9つの最先端のVisual Large Language Modelsの研究によると、クローズドソースモデルは一貫した優位性を維持している。
  論文  参考訳（メタデータ） (2025-11-21T16:48:49Z)
• Move to Understand a 3D Scene: Bridging Visual Grounding and Exploration for Efficient and Versatile Embodied Navigation [54.04601077224252]
  身近なシーン理解には、視覚空間情報の理解だけでなく、3D物理世界における次の探索場所の決定も必要である。 アンダーラインテキストbf3D視覚言語学習は、エンボディエージェントが環境を効果的に探索し理解することを可能にする。 モデルの汎用性は、カテゴリ、言語記述、参照イメージなど、多様な入力モダリティを使ったナビゲーションを可能にする。
  論文  参考訳（メタデータ） (2025-07-05T14:15:52Z)
• Open-World Reinforcement Learning over Long Short-Term Imagination [91.28998327423295]
  高次元オープンワールドにおける視覚的強化学習エージェントの訓練は、大きな課題を呈している。 LS-Imagineは、有限個の状態遷移ステップにおいて、イマジネーションの地平線を拡大する。 我々の手法は、MineDojoの最先端技術よりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2024-10-04T17:17:30Z)

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。