論文の概要: FireNav: Decision-Oriented Reconstruction Evidence Routing for Vision-Language Navigation in Indoor Fire Environments
- arxiv url: http://arxiv.org/abs/2610.15595v1
- Date: Sun, 11 Oct 2026 13:20:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-19 17:43:34.09965
- Title: FireNav: Decision-Oriented Reconstruction Evidence Routing for Vision-Language Navigation in Indoor Fire Environments
- Title（参考訳）: FireNav:屋内火災環境における視線ナビゲーションのための意思決定指向リコンストラクションエビデンスルーティング
- Abstract要約: 視覚言語ナビゲーション(VLN)における視覚修復とナビゲーションユーティリティを整合させる,意思決定指向の再構築エビデンスルーティングフレームワークFireNavを提案する。
実験によると、FireNavは、ナビゲーションの成功と評価設定間のパス効率の両方において、最先端のベースラインを一貫して上回っている。
- 参考スコア（独自算出の注目度）: 56.955773028854985
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In real-world indoor fire environments, visual degradation severely impairs instruction grounding, waypoint prediction, and long-horizon exploration in vision-language navigation (VLN). Although image restoration offers a natural means to mitigate such visual degradation, existing methods primarily optimize reconstruction fidelity, which does not necessarily translate into better navigation decisions and may even corrupt task-critical cues when applied indiscriminately. In this paper, we present FireNav, a decision-oriented reconstruction evidence routing framework that aligns visual restoration with navigation utility in VLN. To advance this task, we first contribute FireVLN-Bench, a paired indoor fire navigation benchmark with clean references preserving task semantics, safety supervision, and matched settings for continuous navigation and robot execution with simulated dynamics. Our FireNav retains native visual tokens and treats latent reconstruction features as auxiliary evidence, where a lightweight router leverages visual features, task context, and prior execution states to determine whether such evidence should be admitted and how strongly it should contribute to the visual tokens. To learn when reconstruction is beneficial, we further introduce decision utility calibration, which compares action prediction losses with and without candidate evidence under the same state, thereby supervising evidence selection according to its contribution to waypoint, heading, and arrival prediction. Experiments demonstrate that FireNav consistently outperforms state-of-the-art baselines in both navigation success and path efficiency across evaluation settings.
- Abstract（参考訳）: 現実世界の屋内火災環境では、視覚劣化は、視覚言語ナビゲーション(VLN)における指示接地、方向予測、長期水平探査を著しく損なう。
画像復元は、このような視覚的劣化を緩和する自然な手段を提供するが、既存の手法は主に再構築の忠実さを最適化する。
本稿では,VLNにおける視覚的復元とナビゲーション機能との整合性を考慮した,意思決定指向の再構築エビデンスルーティングフレームワークFireNavを提案する。
タスクのセマンティクス、安全性の確保、連続的なナビゲーションやロボットの動作をシミュレートされたダイナミックスで行うためのマッチング設定をクリーンに参照する屋内火災ナビゲーションベンチマークであるFireVLN-Benchに最初に貢献する。
私たちのFireNavは、ネイティブなビジュアルトークンを保持し、軽量ルータが視覚的特徴、タスクコンテキスト、事前実行状態を活用して、そのようなエビデンスを認めるべきかどうか、そしてそれが視覚的トークンにどの程度強く貢献すべきかを判断する補助的なエビデンスとして、潜伏した再構築機能を扱います。
提案手法では,同一条件下での行動予測損失と,同一条件下での行動予測損失とを比較し,経路,方向,到着予測への寄与に応じて証拠選択を監督する。
実験によると、FireNavは、ナビゲーションの成功と評価設定間のパス効率の両方において、最先端のベースラインを一貫して上回っている。
関連論文リスト
- AVERT-VLN: Abstention-aware Visual Error Recovery and Training for Vision-and-Language Navigation [24.22152066641951]
視覚・言語ナビゲーション(AVERT-VLN)のための視覚的エラー回復とトレーニングを提案する。
AVERT-VLNはクローズドループフレームワークで、オンラインのヒューマンアシストリカバリとオフラインの優先学習にプラグインビジョン言語モニターを使用する。
人間による評価の下では、完全なAVERT-VLNシステムは、R2R-CEとRxR-CEのヴァルアンシー分割において76.2%と66.3%の成功率を達成する。
論文 参考訳（メタデータ） (2026-09-30T12:10:53Z) - VCN-Bench: A Video-Contextualized Navigation Benchmark for Spatial Reasoning over Prior Visual Experience [50.965801006170096]
本稿では,MLLMの視覚経験よりも閉ループ空間推論を探索するためのベンチマークであるVCN-Benchを紹介する。
Matterport3Dをベースとして、VCN-Benchは5つのインストラクションタイプ、100kのトレーニングエピソード、1,250の評価エピソードを含む。
実験では、航法性能の制限、実質的な航法解像度と航法距離、正確な航法識別後にも頻繁な航法障害が示される。
論文 参考訳（メタデータ） (2026-09-28T09:12:56Z) - Rubrics as Visual-Repair Context for Self-Evolving UI-to-Code Generation [147.1183324267404]
ローカルコード編集は、レイアウト、スタイル、コンポーネントの依存関係を通じて伝搬し、以前は忠実だった領域を劣化させながら、1つの視覚的ミスマッチを修正する。
本稿では,視覚フィードバックを構造化された視覚再生コンテキストとして表現するために,ルーブリックを用いたルーブリック誘導フレームワークであるRubSEを紹介する。
RubSEは最終ラウンドおよび最高ラウンド設定での自己進化を著しく上回り、より安定した改良とより高い軌道レベルの性能天井を実現する。
論文 参考訳（メタデータ） (2026-08-25T07:03:46Z) - AdvNav: Behavior-Guided Black-Box Adversarial Attacks on Vision-Language Navigation [22.01905444679521]
AdvNavは行動誘導型ブラックボックス攻撃フレームワークである。
ナビゲーション中、エージェントのファーストパーソンのビューを邪魔します。
R2Rデータセット上の2種類のバックボーンを用いてトランスフォーマーベースのHAMTとMapGPTを比較した。
論文 参考訳（メタデータ） (2026-07-13T04:03:32Z) - Rethinking Embodied Navigation via Relational Inductive Bias [53.72276435022479]
本稿では,DB-Navを提案する。
標的中心の関係を活性化バイアスと抑制バイアスに分類する。
成功率(SR)と成功率(SPL)はパス長さ(SPL)が重み付けされているため、既存の方法よりも著しく優れています。
論文 参考訳（メタデータ） (2026-06-09T02:57:34Z) - AgenticDiffusion: Agentic Diffusion-based Path Planning for Vision-Based UAV Navigation [2.186077977059593]
屋内UAVナビゲーションは、視野の限られた観測下での効率的な探索、シーン理解、信頼性の高い軌道実行を必要とする。
本稿では,多視点UAVナビゲーションフレームワークであるAgenticDiffusionを提案する。
このフレームワークは、適応的な視点選択、多段階のミッション実行、長距離ナビゲーション、安全な着陸場所選択を含む4つの現実のUAVナビゲーションシナリオで検証された。
論文 参考訳（メタデータ） (2026-06-02T18:18:35Z) - 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) - RobustNav: Towards Benchmarking Robustness in Embodied Navigation [42.89815630148065]
RobustNavは、視覚的またはダイナミックな汚職にさらされたときに、実施中のナビゲーションエージェントのパフォーマンスを定量化するフレームワークである。
データ強化や自己教師型適応といったロバスト性向上のための標準手法は, 耐ゼロショット性やナビゲーション性能の向上を図っている。
論文 参考訳（メタデータ） (2021-06-08T17:14:33Z) - 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。