論文の概要: BGC-Nav: Cross-Altitude Multi-UAV Collaborative Navigation via Belief-Guided Coupling

• arxiv url: http://arxiv.org/abs/2610.14702v1
• Date: Sat, 10 Oct 2026 08:19:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 12:09:43.221017
• Title: BGC-Nav: Cross-Altitude Multi-UAV Collaborative Navigation via Belief-Guided Coupling
• Title（参考訳）: BGC-Nav:Berief-Guided Couplingによる複数UAV共同航法
• Abstract要約: BGC-Navは,Belief-Guided Coupling (BGC)によるロバストナビゲーションを実現する,トレーニングフリーのクロスプラットフォーム協調フレームワークである。 BGC-Navは、最先端のシングルエージェントとコラボレーティブメソッドを一貫して上回っている。
• 参考スコア（独自算出の注目度）: 4.371595198228911
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite recent advances in Aerial Vision-and-Language Navigation (VLN), single Unmanned Aerial Vehicle (UAV) search-and-rescue in outdoor scenarios remains challenging due to partial observability, making cross-altitude collaboration a promising direction. However, existing collaborative navigation methods rely on precise target localization and rigid goal-dispatching paradigms, ignoring high-altitude observation uncertainty and suppressing low-altitude exploration autonomy. To address these issues, we introduce BGC-Nav, a training-free cross-altitude collaboration framework that enables robust navigation via Belief-Guided Coupling (BGC). Specifically, the high-altitude UAV maintains a Global Belief Memory encoding task-conditioned priors, which the low-altitude agent incorporates into decision-making via Local Exhaustion Memory (LEM), Local Attraction Augmentation (LAA), and Directional Belief Prior (DBP) as an advisory bias rather than a rigid command. Extensive experiments on ESARBench show that BGC-Nav consistently outperforms state-of-the-art single-agent and collaborative methods. Code is available at https://github.com/uestchjw/BGC-Nav.
• Abstract（参考訳）: 近年のVLN(Aerial Vision-and-Language Navigation)の進歩にもかかわらず、屋外シナリオでの無人航空機(UAV)の捜索・救助は、部分的な観測可能性のために困難なままであり、対地協力が有望な方向となっている。 しかし、既存の協調航法は、高度観測の不確実性を無視し、低高度探査の自律性を抑えながら、正確な目標定位と厳密な目標分散パラダイムに依存している。 これらの問題に対処するため,BGC-Guided Coupling (BGC) によるロバストナビゲーションを実現する,トレーニングフリーな双方向協調フレームワークであるBGC-Navを紹介した。 特に、高高度UAVは、タスク条件付き事前条件を符号化するグローバルメモリを維持しており、低高度エージェントは、厳格な命令ではなく助言バイアスとして、局所的排他的メモリ(LEM)、局所的魅力増強(LAA)、方向的信念優先(DBP)を介して意思決定に組み込む。 ESARBenchでの大規模な実験により、BGC-Navは最先端の単一エージェントと協調的な手法より一貫して優れていることが示された。 コードはhttps://github.com/uestchjw/BGC-Nav.comで入手できる。

関連論文リスト

• AirGroundVLN: A Large-Scale Benchmark for Goal-Oriented Air-Ground Collaborative Vision-and-Language Navigation [6.216776081863016]
  AirGroundVLNは、19のUnreal Engine環境にわたる10,281のナビゲーションエピソードと955のターゲットインスタンスを含むベンチマークである。 ベンチマークと並行して,時空間アンコール型協調記憶(SACM)とAGRLP(Aerial-Guided Regional-to-Local Planning)の2つの主要なコンポーネントからなるトレーニング可能な参照フレームワークであるAG-CoNAVを提案する。
  論文  参考訳（メタデータ） (2026-10-07T17:01:20Z)
• CoNav-UAV: Cooperative Dual-Altitude Aerial Navigation via Stackelberg Learning [36.051483242181014]
  航空プラットフォーム上の目標指向の視覚・言語ナビゲーション(VLN)は、災害救助、インフラ検査、セキュリティパトロールといったミッションに注目が集まっている。 ここでは,高高度リーダと低高度従者の間のStackelbergゲームとしてタスクを明示的にモデル化するCoNav-UAVを提案する。
  論文  参考訳（メタデータ） (2026-08-03T07:10:38Z)
• Beyond Matching to Tiles: Bridging Unaligned Aerial and Satellite Views for Vision-Only UAV Navigation [51.286599397552756]
  本稿では,UAVの絶対位置と近距離からの進路を共同で予測する視覚駆動型クロスビューナビゲーション手法であるBering-UAVを提案する。 我々はまた、クロスビューのローカライゼーションとナビゲーションを評価するベンチマークである Bearing-UAV-90k も提示する。
  論文  参考訳（メタデータ） (2026-03-23T16:17:39Z)
• ORION: Option-Regularized Deep Reinforcement Learning for Cooperative Multi-Agent Online Navigation [5.834992848353096]
  ORIONは、部分的に知られている環境で協調的なマルチエージェントオンラインナビゲーションのための、新しい深層強化学習フレームワークである。 ORIONの中核は、高レベルの協調モードのセットについて推論することを学ぶオプションクリティカルなフレームワークである。 シミュレーションの結果,ORIONは様々なチームサイズに対して高品質でリアルタイムな分散協調を実現することがわかった。
  論文  参考訳（メタデータ） (2026-01-03T10:55:10Z)
• HUNT: High-Speed UAV Navigation and Tracking in Unstructured Environments via Instantaneous Relative Frames [50.83645076723809]
  HUNT (High-speed UAV Navigation and Tracking) は、1つの相対的な定式化の中で統合、取得、追跡を行うリアルタイムフレームワークである。 密林、コンテナ化合物、および車両やマネキンによる捜索救助活動の試行は、グローバルな方法が失敗した場合の堅牢な自律性を示している。
  論文  参考訳（メタデータ） (2025-09-23T18:07:10Z)
• DORAEMON: Decentralized Ontology-aware Reliable Agent with Enhanced Memory Oriented Navigation [55.888688171010365]
  DORAEMONは、人間のナビゲーション機能を模倣したVentralとDorsal Streamsで構成される、認知にインスパイアされたフレームワークである。 我々は,DORAEMONをHM3D,MP3D,GOATのデータセット上で評価し,成功率(SR)と成功度(SPL)の測定値の両方で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-05-28T04:46:13Z)

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。