論文の概要: Speaking the Navigator's Language: Trajectory-Grounded Instruction Translation for Frozen Aerial VLN Agents

• arxiv url: http://arxiv.org/abs/2610.10635v1
• Date: Wed, 07 Oct 2026 13:52:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.587982
• Title: Speaking the Navigator's Language: Trajectory-Grounded Instruction Translation for Frozen Aerial VLN Agents
• Title（参考訳）: 航法士の言葉を語る:冷凍航空VLNエージェントの軌道変換
• Abstract要約: 航空ヴィジュアル・アンド・ランゲージ・ナビゲーション(VLN)エージェントは通常、細部が豊富で軌跡が整ったコマンドで訓練される。 凍結したOpenFlyナビゲータでは、このインファクショニングギャップは成功率(SR)を$31.03%から$11.33%に下げる。 textbfTrajectory-Grounded Instruction Translator (TGIT)は,ナビゲーションを凍結し,Wak入力をエージェント実行可能なコマンドに変換するフロントエンドである。
• 参考スコア（独自算出の注目度）: 52.01307580691475
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Aerial vision-and-language navigation (VLN) agents are typically trained on detail-rich, trajectory-aligned commands, whereas users issue short, intent-driven instructions; on a frozen OpenFly navigator, this \emph{instruction gap} drops success rate (SR) from $31.03\%$ to $11.33\%$. To scale translator training, we prompt a language model with human-written style examples to convert original commands into paired, intent-centered Weak commands, which yield $15.27\%$ SR. We introduce the \textbf{Trajectory-Grounded Instruction Translator (TGIT)}, a front-end that keeps the navigator frozen and translates Weak inputs into agent-executable commands by learning from its trajectory outcomes. The resulting Weak-trained translator raises Weak-input SR to $37.93\%$ and transfers zero-shot to real human instructions ($11.33\%{\rightarrow}32.51\%$); it also improves held-out OpenFly ($4.95\%{\rightarrow}20.79\%$) and yields recovery on CityNav and AirVLN.
• Abstract（参考訳）: VLN(Aerial Vision-and-Language Navigation)エージェントは、ディテールリッチでトラジェクトリ整列したコマンドで訓練されるのに対し、ユーザはショートでインテント駆動の命令を発行する。 翻訳者のトレーニングをスケールするために、人間の手書きの例で書かれた言語モデルを使って、オリジナルのコマンドをペアでインテント中心のWeakコマンドに変換する。 Instruction Translator (TGIT) はナビゲーションを凍結し、Wak入力をエージェント実行可能なコマンドに変換するフロントエンドである。 結果としてWak-trained Translatorは、Wak-input SRを37.93\%$に引き上げ、ゼロショットを実際の人間の命令(11.33\%{\rightarrow}32.51\%$)に転送し、またOpenFly(4.95\%{\rightarrow}20.79\%$)を改良し、CityNavとAirVLNで回復する。

関連論文リスト

• NAVCON: A Cognitively Inspired and Linguistically Grounded Corpus for Vision and Language Navigation [66.89717229608358]
  NAVCONは2つの一般的なデータセット(R2RとRxR)の上に構築された大規模な注釈付きビジョンランゲージナビゲーション(VLN)コーパスである。
  論文  参考訳（メタデータ） (2024-12-17T15:48:25Z)
• $A^2$Nav: Action-Aware Zero-Shot Robot Navigation by Exploiting Vision-and-Language Ability of Foundation Models [89.64729024399634]
  本研究では,ゼロショット視覚言語ナビゲーション(ZS-VLN)の課題について検討する。 通常、命令は複雑な文法構造を持ち、しばしば様々な行動記述を含む。 これらのアクション要求を正しく理解し実行する方法は重要な問題であり、アノテーション付きデータがないため、さらに困難になる。
  論文  参考訳（メタデータ） (2023-08-15T19:01:19Z)
• Lana: A Language-Capable Navigator for Instruction Following and Generation [70.76686546473994]
  LANAは言語対応のナビゲーションエージェントで、人書きのナビゲーションコマンドを実行し、人へのルート記述を提供することができる。 我々は、最近の高度なタスク固有解と比較して、LANAが命令追従と経路記述の両方においてより良い性能を発揮することを実証的に検証した。 加えて、言語生成能力が与えられたLANAは、人間の行動を説明し、人間のウェイフィンディングを支援することができる。
  論文  参考訳（メタデータ） (2023-03-15T07:21:28Z)
• Adversarial Reinforced Instruction Attacker for Robust Vision-Language Navigation [145.84123197129298]
  自然言語に基づくナビゲーションタスクでは,言語指導が重要な役割を担っている。 より堅牢なナビゲータを訓練し、長い指導から重要な要素を動的に抽出する。 具体的には,航法士が間違った目標に移動することを誤認することを学習する動的強化命令攻撃装置(DR-Attacker)を提案する。
  論文  参考訳（メタデータ） (2021-07-23T14:11:31Z)

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。