論文の概要: Lifelong small-object navigation in changing object layouts: a benchmark and method

• arxiv url: http://arxiv.org/abs/2610.10125v1
• Date: Wed, 07 Oct 2026 14:07:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.953065
• Title: Lifelong small-object navigation in changing object layouts: a benchmark and method
• Title（参考訳）: オブジェクトレイアウト変更における生涯的小物体ナビゲーション--ベンチマークと方法
• Abstract要約: 家庭内のロボットは、同じ環境のさまざまな物体に継続的に行き来する必要がある。 本稿では,この課題をLiSoNav-COL (LiSoNav-COL) における生涯小物体ナビゲーションとして定式化する。 エージェントは、信頼できる観察のために適切な視点を求め、シーン知識を蓄積し再利用し、オブジェクトの移動後に古いメモリを更新する必要がある。
• 参考スコア（独自算出の注目度）: 60.642096348895876
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Household robots need to continually navigate to different objects in the same environment, many of which are small and portable, such as tools and toys. Their small visual footprint and frequent occlusion make reliable observation difficult, and they may be moved by people without the robot observing the changes. We formulate this challenging task as Lifelong Small-object Navigation in Changing Object Layouts (LiSoNav-COL). Agents must seek suitable viewpoints for reliable observation, accumulate and reuse scene knowledge to efficiently locate subsequent targets, and update outdated memory after object relocation. To eliminate the need for prior scene scanning, we also require agents to start navigation with empty scene memory. Although practical, this task still lacks benchmarks designed around its defining assumptions. To bridge this gap, we introduce LiSoNav-Eval, a dedicated benchmark spanning 28 indoor scenes with 45 small-object categories. Its lifelong navigation sequences include both unchanged and relocated targets to evaluate memory reuse and adaptation to object relocation. To address this challenging task, we propose a navigation method based on multi-view Inspection with Viewpoint-Anchored Memory, dubbed IVAM-Nav. IVAM-Nav actively observes supporting surfaces from complementary viewpoints for reliable small-object perception and anchors the resulting memory to their observation viewpoints, supporting relational memory reuse and revalidation under similar viewing conditions. Extensive experiments on LiSoNav-Eval demonstrate favorable performance of IVAM-Nav against representative methods. Benchmark analyses also show that smaller objects, larger environments, and longer relocation distances pose greater challenges. The dataset and code are available here.
• Abstract（参考訳）: 家庭内のロボットは、同じ環境のさまざまな物体に継続的に行き来する必要がある。 彼らの小さな視覚的足跡と頻繁な閉塞は、信頼性の高い観察を困難にし、ロボットが変化を観察していない人によって移動される可能性がある。 本稿では,この課題をLiSoNav-COL (LiSoNav-COL) における生涯小物体ナビゲーションとして定式化する。 エージェントは、信頼できる観察のための適切な視点を求め、シーン知識を蓄積して再利用し、その後のターゲットを効率的に特定し、オブジェクトの移動後に古いメモリを更新する必要がある。 事前のシーンスキャンを不要にするためには,空のシーンメモリでナビゲーションを開始するエージェントも必要である。 実用的ではあるが、このタスクは定義済みの仮定を中心に設計されたベンチマークを欠いている。 このギャップを埋めるために、LiSoNav-Evalを紹介します。 寿命の長いナビゲーションシーケンスには、メモリの再利用とオブジェクトの移動への適応を評価するために、変更および移動されたターゲットの両方が含まれている。 この課題に対処するために,IVAM-Nav と呼ばれるビューアンコレッドメモリを用いた多視点検査に基づくナビゲーション手法を提案する。 IVAM-Navは、信頼性の高い小物体知覚のための相補的な視点から支援面を積極的に観察し、結果のメモリを観察視点に固定し、類似の観測条件下でのリレーショナルメモリの再利用と再検証をサポートする。 LiSoNav-Evalの広範囲にわたる実験は、IVAM-Navの代表的な方法に対する良好な性能を示した。 ベンチマーク分析により、より小さなオブジェクト、より大きな環境、より長い移動距離がより大きな課題をもたらすことが示された。 データセットとコードはここにある。

関連論文リスト

• EffiNav: Fusing Depth and Vision-Language for Efficient Object Goal Navigation [0.0]
  未知の環境を探索しながら対象物を見つけることは、自律エージェントの基本的な能力である。 Navでは、ターゲットオブジェクトへの成功はパフォーマンスの基本的な尺度を提供する。 未知の環境では、効率的なナビゲーションの鍵は次の探索場所を決定することである。
  論文  参考訳（メタデータ） (2026-06-17T03:04:11Z)
• Nav-$R^2$ Dual-Relation Reasoning for Generalizable Open-Vocabulary Object-Goal Navigation [67.68165784193556]
  Nav-$R2$は、ターゲット環境モデリングと環境行動計画という2つのタイプの関係を明示的にモデル化するフレームワークである。 我々のSA-Memは、時間的・意味的両面から最も標的に関連し、現在の観測関連の特徴を保っている。 Nav-R2は、合理化され効率的なパイプラインを通して見えないオブジェクトをローカライズする、最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2025-12-02T04:21:02Z)
• Personalized Instance-based Navigation Toward User-Specific Objects in Realistic Environments [44.6372390798904]
  本稿では,特定の個人オブジェクトの位置と到達を具体化するタスクデノマイトされたパーソナライズされたパーソナライズドインスタンスベースのナビゲーション(PIN)を提案する。 各エピソードにおいて、ターゲットオブジェクトは、中性背景上の視覚的参照画像のセットと手動による注釈付きテキスト記述の2つのモードを使用してエージェントに提示される。
  論文  参考訳（メタデータ） (2024-10-23T18:01:09Z)
• TAS: A Transit-Aware Strategy for Embodied Navigation with Non-Stationary Targets [55.09248760290918]
  非定常目標を持つ動的シナリオにおけるナビゲーションのための新しいアルゴリズムを提案する。 我々の新しいTAS(Transit-Aware Strategy)は、具体化されたナビゲーションポリシーをオブジェクトパス情報で強化する。 TASは、ターゲットルートとルートを同期させるエージェントを報酬することで、非定常環境での性能を改善する。
  論文  参考訳（メタデータ） (2024-03-14T22:33:22Z)
• Instance-aware Exploration-Verification-Exploitation for Instance ImageGoal Navigation [88.84058353659107]
  インスタンスイメージゴールナビゲーション(IIN)は、探索されていない環境でゴールイメージによって表現された指定されたオブジェクトにナビゲートすることを目的としている。 本稿では、インスタンスレベルの画像目標ナビゲーションのための新しいモジュール型ナビゲーションフレームワーク、Exploration-Verification-Exploitation (IEVE)を提案する。 我々の手法は従来の最先端の手法を超越し、古典的セグメンテーションモデル(0.684対0.561成功)またはロバストモデル(0.702対0.561成功)を用いる。
  論文  参考訳（メタデータ） (2024-02-25T07:59:10Z)
• Object Memory Transformer for Object Goal Navigation [10.359616364592075]
  本稿では,物体目標ナビゲーション(Nav)のための強化学習手法を提案する。 エージェントは3次元屋内環境をナビゲートし、対象物やシーンの長期観察に基づいて対象物に到達する。 私たちの知る限りでは、ゴール指向ナビゲーションタスクにおけるオブジェクトセマンティクスの長期記憶を利用する最初の作業である。
  論文  参考訳（メタデータ） (2022-03-24T09:16:56Z)
• Explore before Moving: A Feasible Path Estimation and Memory Recalling Framework for Embodied Navigation [117.26891277593205]
  ナビゲーションに焦点をあて,経験や常識に欠ける既存のナビゲーションアルゴリズムの問題を解決する。 移動前に2回思考する能力に触発されて、不慣れな場面で目標を追求する実現可能な経路を考案し、パス推定とメモリリコールフレームワークと呼ばれる経路計画手法を提案する。 EmbodiedQAナビゲーションタスクにおけるPEMRの強力な実験結果を示す。
  論文  参考訳（メタデータ） (2021-10-16T13:30:55Z)

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。