論文の概要: Interactive Navigation Beyond Reachability: Benchmark and Agentic Framework
- arxiv url: http://arxiv.org/abs/2610.17089v1
- Date: Mon, 12 Oct 2026 16:48:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:15.42151
- Title: Interactive Navigation Beyond Reachability: Benchmark and Agentic Framework
- Title（参考訳）: 可視性を超えたインタラクティブナビゲーション:ベンチマークとエージェントフレームワーク
- Abstract要約: 我々は、通信路による空間的接続性の変化を統一し、到達性を超えて対話的なナビゲーションを定式化する。
私たちはMultINav-Benchを紹介します。MultINav-Benchは、MolmoSpacesの3KエポゾドObjectGoalベンチマークで、チャネル、コンテナ、混合タスクにまたがっています。
永続的な状態条件の相互作用グラフ上に構築された3段階のエージェントフレームワークであるMultINav-Agentを提案する。
- 参考スコア（独自算出の注目度）: 44.23345358384401
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Existing embodied navigation tasks commonly assume that traversability and object states remain fixed during an episode. Yet reaching a goal may require opening a door to access a room and then opening a container to reveal a hidden target. We formulate interactive navigation beyond reachability, unifying channel-induced changes in spatial connectivity, container-induced changes in target visibility, and their sequential dependencies. We introduce MultINav-Bench, a 3K-episode ObjectGoal benchmark in MolmoSpaces spanning channel, container, and mixed tasks, with interaction-necessity annotations covering required and unnecessary episodes. Its data generation pipeline automates task construction across multiple task types. The evaluation protocol separately measures navigation success, interaction effectiveness, and cost. We further propose MultINav-Agent, a three-stage agentic framework built on a persistent, state-conditioned interaction graph. Semantic interactive perception grounds entities and interaction states; a vision-language model selects task-relevant actions based on expected changes in connectivity and target observability; and post-interaction verification updates the graph to guide subsequent navigation, exploration, or interaction. Experiments on MultINav-Bench show that MultINav-Agent consistently outperforms adapted baselines across channel, container, and mixed tasks.
- Abstract（参考訳）: 既存の具体化されたナビゲーションタスクは、通常、トラバーサビリティとオブジェクト状態がエピソード中に固定されていると仮定する。
しかし、目標に達するには、部屋にアクセスするためのドアを開き、隠れたターゲットを明らかにするためにコンテナを開く必要があるかもしれない。
我々は、到達可能性を超えて対話的なナビゲーションを定式化し、通信路による空間接続性の変化、コンテナによるターゲット可視性の変化、およびそれらのシーケンシャル依存関係を統一する。
我々は,MultINav-Benchを紹介した。MultINav-Benchは,MolmoSpacesにおける3K-episode ObjectGoalベンチマークである。
データ生成パイプラインは、複数のタスクタイプにわたるタスク構築を自動化する。
評価プロトコルは、ナビゲーションの成功、相互作用の有効性、コストを別々に測定する。
さらに、永続的状態条件の相互作用グラフ上に構築された3段階のエージェントフレームワークであるMultINav-Agentを提案する。
セマンティックな対話的認識は、エンティティと相互作用状態に基づいており、視覚言語モデルは、接続性やターゲット可観測性の変化に基づいてタスク関連アクションを選択し、相互作用後検証はグラフを更新して、その後のナビゲーション、探索、または相互作用をガイドする。
MultINav-Benchの実験によると、MultINav-Agentは、チャネル、コンテナ、混合タスク間の適応ベースラインを一貫して上回っている。
関連論文リスト
- SuperNav: An Agentic Navigation System for Any Task in Any Scene [87.46227831610359]
汎用サービスロボットは、不慣れな環境で多様な人間の要求を処理できるナビゲーションシステムを必要とする。
SuperNavは、MLLMのナビゲーション固有の微調整なしで、特別なエージェントハーネスを備えた事前訓練されたMLLMを装備する。
SuperNavは、インスタンスレベル、マルチオブジェクト、要求駆動タスクで評価されたベースラインを4つ上回っている。
論文 参考訳（メタデータ） (2026-10-08T15:19:40Z) - NavHarness: Adaptive Goals for Agentic Vision-Language Navigation [74.28348892951908]
Vision-Language Navigation (VLN) は、インボディードエージェントが指示や観察に基づいてアクションを生成する必要がある。
MethodはAgentic VLNフレームワークで、ローカルアクションの適応的な目標を設定するGoal Agentを含んでいる。
実世界の評価では、83.3%の成功と1.51,mの航法誤差が8つの挑戦ルートで3回評価されている。
論文 参考訳（メタデータ） (2026-09-30T15:06:45Z) - OmniNav: Robust Long-Horizon Target Navigation in Dynamic Environments [22.177088582117324]
長距離目標ナビゲーションは、進化する観察、決定、物理的相互作用を越えてタスクの実行を維持するロボットを必要とする。
これには,有効なシーンメモリの維持,部分的な可観測性の下での目標信念の修正,対話可能なナビゲーションエンドポイントの選択という,3つの結合機能が必要です。
OmniNav は,タスク状態の後続結合シーンの妥当性,目標信念,インタラクション実現可能性について,時間軸ナビゲーションを連続的推論として定式化する。
論文 参考訳（メタデータ） (2026-09-08T02:43:48Z) - TONAV: Task-Oriented Navigation and Action-Velocity Chunk Learning for Articulated Object Quadrupedal Mobile Manipulation [38.40929546953415]
四足歩行の移動操作には2つの密結合機能が必要である。
本研究では,タスク指向ナビゲーションと行動速度チャンク学習を統合した統合フレームワークTONAVを提案する。
タスク指向ナビゲーションと完全なモバイル操作の両方において,TONAVがより高い成功率を達成することを示す。
論文 参考訳（メタデータ） (2026-08-23T08:41:23Z) - Qwen-RobotNav Technical Report: A Scalable Navigation Model Designed for an Agentic Navigation System [96.69286664036143]
Qwen-RobotNavは、Qwen-RobotNav上に構築されたスケーラブルなナビゲーションモデルである。
156万のサンプルでQwen-RobotNavをトレーニングします。
Qwen-RobotNavは、主要なナビゲーションベンチマークにまたがって、最先端の結果を新たに設定する。
論文 参考訳（メタデータ） (2026-06-16T16:17:44Z) - Benchmarking Interaction, Beyond Policy: a Reproducible Benchmark for Collaborative Instance Object Navigation [54.6417539730783]
Question-Asking Navigation (QAsk-Nav)は、CoIN(Collaborative Instance Object Navigation)の最初の再現可能なベンチマークである。
光コナブ(Light-CoNav)は,従来のモジュール方式よりも3倍小さく,70倍高速な協調ナビゲーションのための軽量統一モデルである。
論文 参考訳（メタデータ） (2026-03-31T21:45:00Z) - CoINS: Counterfactual Interactive Navigation via Skill-Aware VLM [13.352875026471445]
スキル認識型VLM(CoINS)による対物対話ナビゲーションを提案する。
我々は、スキルの余裕と具体的な制約パラメータを入力コンテキストに組み込んだ、InterNav-VLMというVLMを微調整する。
生成した高レベルプランを実行するために,強化学習による総合的なスキルライブラリを開発する。
論文 参考訳（メタデータ） (2026-01-07T14:10:46Z)
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。