論文の概要: LERR-Nav: Learning to Coordinate Exploration, Recovery, and Reminiscing for Object Navigation

• arxiv url: http://arxiv.org/abs/2610.15362v1
• Date: Sun, 11 Oct 2026 05:38:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 01:32:07.100598
• Title: LERR-Nav: Learning to Coordinate Exploration, Recovery, and Reminiscing for Object Navigation
• Title（参考訳）: LERR-Nav: オブジェクトナビゲーションのための探索、回復、思い出の調整を学ぶ
• Abstract要約: 本稿では,探索,回復,回想を協調するオブジェクトナビゲーションフレームワークLERR-Navを提案する。 ヒストリー・アウェア・コーディネーションをサポートするため、すべての戦略実行のテキスト要約を保持する実行メモリを保守する。 HM3DとMP3Dの実験は、最先端のナビゲーション性能を示し、アブレーション研究は個々のコンポーネントの寄与を検証する。
• 参考スコア（独自算出の注目度）: 15.56415756506933
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Object Navigation in unseen environments remains a fundamental challenge in embodied AI, as it requires agents to generalize visual and spatial reasoning to novel layouts. While recent advances in large language model (LLM) and vision-language model (VLM) have enhanced semantic mapping, spatial memory, and waypoint selecting for navigation, successful navigation requires more than selecting the next promising waypoint. A robot must also recognize stalled progress, escape unproductive behaviors, and revisit overlooked target cues. Addressing these challenges requires both specialized navigation strategies and a high-level policy that coordinates their execution. Motivated by the analysis of failed navigation episodes, we propose LERR-Nav, an object navigation framework that coordinates exploration, recovery, and reminiscing through a learned high-level policy. The framework comprises four complementary navigation strategies: value-function-guided exploration, LLM-guided exploration, recovery from stalled or repetitive behavior, and memory-guided reminiscing. To support history-aware coordination, we maintain the execution memory that preserves textual summaries of all strategy executions alongside a sliding window of map sequences. To learn the coordination policy, we initialize a high-level vision-language agent from Qwen2.5-VL-7B-Instruct and train it through a two-stage curriculum. The first stage uses map-centric supervised fine-tuning (SFT) to establish spatial grounding. The second stage performs SFT on variable-length navigation segments to learn which navigation strategy to invoke next based on current maps and the hybrid execution memory. Experiments on HM3D and MP3D demonstrate state-of-the-art navigation performance, while ablation studies validate the contributions of individual components.
• Abstract（参考訳）: 見えない環境でのオブジェクトナビゲーションは、エージェントが視覚的および空間的推論を新しいレイアウトに一般化する必要があるため、AIの具体化における根本的な課題である。 近年の大規模言語モデル (LLM) と視覚言語モデル (VLM) の進歩により, ナビゲーションのための意味マッピング, 空間記憶, ウェイポイント選択が強化されているが, ナビゲーションの成功には, 次の有望なウェイポイントの選択以上のものが必要である。 ロボットはまた、停滞している進歩を認識し、非生産的行動から逃れ、見落としている標的の手がかりを再考する必要がある。 これらの課題に対処するには、専門的なナビゲーション戦略と、実行を調整する高レベルのポリシーの両方が必要です。 失敗するナビゲーションエピソードの分析によって動機づけられたLERR-Navは、学習された高レベルポリシーを通じて探索、回復、思い出を協調するオブジェクトナビゲーションフレームワークである。 このフレームワークは4つの補完的なナビゲーション戦略で構成されている: 値関数誘導探索、LLM誘導探索、停止または繰り返しの動作からの回復、メモリ誘導記憶である。 ヒストリー・アウェア・コーディネーションをサポートするため、地図シーケンスのスライディングウィンドウとともに、すべての戦略実行のテキスト要約を保存する実行メモリを保守する。 コーディネーションポリシーを学習するために,Qwen2.5-VL-7B-インストラクションからハイレベルな視覚言語エージェントを初期化し,それを2段階のカリキュラムで学習する。 第1段階では、地図中心の教師付き微調整(SFT)を使用して空間接地を確立する。 第2ステージでは、可変長ナビゲーションセグメント上でSFTを実行し、現在のマップとハイブリッド実行メモリに基づいて、次にどのナビゲーション戦略を呼び出すかを学ぶ。 HM3DとMP3Dの実験は、最先端のナビゲーション性能を示し、アブレーション研究は個々のコンポーネントの寄与を検証する。

関連論文リスト

• Data-Centric Recursive Self-Improvement for Navigation via Policy-Synchronized Language-Action Dual Bootstrapping [95.41014675801112]
  RSI-Navは、ナビゲーションのためのデータ中心のデータ中心の自己改善フレームワークである。 共有モデル内で、視覚-言語-行動指示と視覚-行動-言語命令生成を統一する。 実験の結果、RSI-NavはR2R-CEで68.6%、RxR-CEで72.4%に達することが示された。
  論文  参考訳（メタデータ） (2026-10-11T17:09:07Z)
• SpaceVLN: A Zero-Shot Vision-and-Language Navigation Agent with Online Spatial Cognitive Memory and Reasoning [59.64305326980364]
  SpaceVLNは、空間認知記憶とタスク誘導空間推論を中心に構築されたナビゲーションエージェントである。 このメモリ上に構築されたSpatial-CoTは、タスクプログレス推論と空間知覚、分析、予測を統合する。 R2R-CE、RxR-CE、GN-Bench、HM3D-OVONの他、SpaceVLNは最先端のゼロショット性能を実現している。
  論文  参考訳（メタデータ） (2026-06-08T03:42:08Z)
• MCNav: Memory-Aware Dynamic Cognitive Map for Zero-shot Goal-oriented Navigation [20.5138418643777]
  MCNavは動的認知マップを備えたメモリ対応ナビゲーションフレームワークである。 目的の再検証と,目標の再探索の失敗という,メモリを意識した2つの探索戦略を導入する。 HM3Dv1およびHM3Dv2データセットのMCNavを3つの異なるタスクで評価した。
  論文  参考訳（メタデータ） (2026-05-19T09:39:51Z)
• LookasideVLN: Direction-Aware Aerial Vision-and-Language Navigation [96.09246387639006]
  LookasideVLNは、より正確な空間推論とより高い計算効率を達成するために、自然言語の方向の手がかりを利用する。 LookasideVLNは、シングルレベルのルックアヘッドでも、最先端のCityNavAgentよりも大幅に優れています。
  論文  参考訳（メタデータ） (2026-04-19T01:36:53Z)
• FeudalNav: A Simple Framework for Visual Navigation [7.136542835931238]
  ナビゲーション決定過程を複数のレベルに分解する階層的なフレームワークを開発する。 提案手法は,簡単な経路選択ネットワークを通じてサブゴールを選択することを学習する。 トレーニングや推論にオドメトリを使わずに,Habitat AI環境におけるSOTA手法のスイートによる競合結果を示す。
  論文  参考訳（メタデータ） (2026-01-15T22:10:29Z)
• MC-GPT: Empowering Vision-and-Language Navigation with Memory Map and Reasoning Chains [4.941781282578696]
  Vision-and-Language Navigation (VLN)タスクでは、エージェントは自然言語の指示に従って目的地に向かう必要がある。 学習ベースのアプローチはタスクに対する主要な解決策だが、高いトレーニングコストと解釈可能性の欠如に悩まされている。 近年、Large Language Models (LLMs) は強力な一般化能力のため、VLNにとって有望なツールとして登場した。
  論文  参考訳（メタデータ） (2024-05-17T08:33:27Z)
• 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)
• 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)
• Structured Scene Memory for Vision-Language Navigation [155.63025602722712]
  視覚言語ナビゲーション(VLN)のための重要なアーキテクチャを提案する。 ナビゲーション中に知覚を正確に記憶できるほど区画化されている。 また、環境内の視覚的および幾何学的な手がかりを捉え、取り除く、構造化されたシーン表現としても機能する。
  論文  参考訳（メタデータ） (2021-03-05T03:41:00Z)

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。