論文の概要: End-to-End Vision-Language-Action Policies for Autonomous Lunar Rover Docking

• arxiv url: http://arxiv.org/abs/2610.19224v1
• Date: Tue, 13 Oct 2026 21:43:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.818566
• Title: End-to-End Vision-Language-Action Policies for Autonomous Lunar Rover Docking
• Title（参考訳）: 自律型ルナーローバードッキングのためのエンド・ツー・エンドビジョン・ランゲージ・アクション・ポリシー
• Abstract要約: 我々は,自律型月面ローバードッキングのための視覚言語アクションポリシーを設計する。 モジュールナビゲーションパイプラインの性能を特徴付ける。 安全に配慮した専門家によるデモンストレーションを生成するスケーラブルなトレーニングフレームワークを開発した。
• 参考スコア（独自算出の注目度）: 2.435006380732194
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Surface navigation on the Moon is subject to extreme illumination contrast and deployment-time perceptual disturbances. While modular navigation pipelines have long supported planetary rover navigation, robustness is compromised by measurement errors that propagate through hand-engineered components. End-to-end learned policies are an alternative approach to navigation, which maps observations directly to control actions without intermediate components. Vision-language-action models, in particular, have driven significant breakthroughs in robotics and autonomous vehicle research. By leveraging internet-scale vision-language pretraining, these models can be exploited for their commonsense reasoning and visual understanding to provide robust generalization with limited task-specific data. However, their applicability and performance have yet to be characterized for lunar surface operations. In this study, we design a vision-language-action policy for autonomous lunar rover docking and characterize its performance relative to a modular navigation pipeline. We develop a scalable training framework that generates safety-aware expert demonstrations in a high-fidelity lunar simulation environment. In closed-loop evaluations, our policy performs competitively relative to the modular baseline under perceptual disturbances unseen during training. To address the tradeoff between compute consumption and closed-loop safety, the policy adapts its execution horizon by determining how far the rover may safely travel in open loop. Adaptive-horizon execution reduces inference frequency while limiting hazard-contact rates relative to fixed horizons in the evaluated scenarios.
• Abstract（参考訳）: 月の表面のナビゲーションは、極端に照らされたコントラストと、展開時の知覚障害にさらされる。 モジュール式の航法パイプラインは長い間惑星ローバーの航法をサポートしてきたが、手動の部品を通して伝播する測定誤差によってロバスト性は損なわれている。 エンドツーエンドの学習ポリシは、中間コンポーネントを使わずに、観察を直接制御アクションにマップする、ナビゲーションの代替アプローチである。 特にビジョン・ランゲージ・アクション・モデルは、ロボティクスと自動運転車の研究において大きなブレークスルーをもたらした。 インターネットスケールの視覚言語事前学習を活用することで、これらのモデルは、タスク固有の限られたデータで堅牢な一般化を提供するために、常識的推論と視覚的理解のために利用することができる。 しかし、その適用性や性能は、まだ月面操作に特化していない。 本研究では,自律型月面ローバードッキングのための視覚言語対応ポリシーを設計し,モジュール型ナビゲーションパイプラインと比較して性能を特徴付ける。 我々は,高忠実な月面シミュレーション環境において,安全に配慮した専門家によるデモンストレーションを生成するスケーラブルなトレーニングフレームワークを開発した。 クローズドループ評価では、トレーニング中に見つからない知覚障害の下で、モジュールベースラインに対して競合的に行動する。 計算消費とクローズドループ安全性のトレードオフに対処するため、このポリシーはローバーがオープンループで安全に走行できる距離を決定することにより、その実行地平線に適応する。 アダプティブ・水平実行は、評価シナリオにおける固定地平線に対するハザード・接触速度を制限しながら、推論周波数を減少させる。

関連論文リスト

• What do VLM-Based Vision-Language Navigation Models Rely on: Interpreting and Steering Policy Behavior [50.946179887746666]
  本稿では,現代の視覚言語ナビゲーション(VLN)モデルの解釈可能性と操縦性について検討する。 我々は、視覚的観察、指示、視覚記憶がナビゲーション決定に因果的にどう影響するかを測定する介入ベースのメトリクスを使用する。 以上の結果から,これらのナビゲーションポリシーは全ての入力モダリティに敏感であり,単一のモダリティに依存しないことがわかった。
  論文  参考訳（メタデータ） (2026-09-21T13:42:48Z)
• PILOT: Privileged Imitation Learning for End-to-End Motion Planning of Autonomous UAVs under Partial Observability [7.550075542886951]
  本稿では、視覚に基づくエンドツーエンドUAV計画のための制約対応の特権的模倣学習フレームワークであるPILOTについて述べる。
  論文  参考訳（メタデータ） (2026-08-14T08:43:59Z)
• Predictive Training with Latent Imagination for Visual Quadruped Navigation [2.687590979817173]
  脚付きロボットの強化学習ナビゲーションポリシーは、現在の観測と短期記憶から反応的に行動を選択する。 トレーニング中にポリシーの繰り返し状態に適用される軽量な予測監督は、推論時コントローラを変更することなく予測障害ダイナミクスを符号化することができる。 動的障害物を伴うシミュレーションおよび実世界のナビゲーションベンチマークにおいて,予測学習信号のみでの衝突速度を低減しつつ,ナビゲーションの成功を著しく改善する。
  論文  参考訳（メタデータ） (2026-07-20T05:33:22Z)
• Learning Agile Navigation in Crowded Environments for Quadruped Robots [19.29089241882416]
  VOP-Navは四足歩行ロボットのための新しいナビゲーションシステムである。 これは、Velocity Obstaclesの幾何学的安全性と、エンドツーエンドの学習のアジャイル適応性を組み合わせたものです。 VOP-Navは速度と衝突回避のバランスをとりながら、すべてのベースラインよりも高い成功率を達成する。
  論文  参考訳（メタデータ） (2026-07-16T14:16:19Z)
• SAFER-Nav: Enhancing Safety for Visual Robot Navigation via Segmentation-Aware Fine-Tuning [1.9269719158344503]
  視覚に基づくナビゲーションモデルは、RGB観測だけで実行可能な軌道を生成する。 微調整により構造を直接ポリシーに組み込むナビゲーションモデルを提案する。 本手法は,目標達成性能を維持しつつ,ViNT,NoMaD,およびCARE拡張型に対する衝突頻度を低減させる。
  論文  参考訳（メタデータ） (2026-06-10T03:56:33Z)
• WAM-Nav: Asymmetric Latent World-Action Modeling for Unified Visual Navigation [31.539730066120374]
  視覚ナビゲーションは、複雑な幾何学的および物理的制約の下で滑らかで衝突のない軌道を生成する必要がある。 WAM-Navは,視覚ナビゲーションを具体化した潜在世界行動モデルであり,行動生成と潜時視予知を共同で学習する。
  論文  参考訳（メタデータ） (2026-06-03T14:05:19Z)
• Driver-WM: A Driver-Centric Traffic-Conditioned Latent World Model for In-Cabin Dynamics Rollout [55.19244743715421]
  Driver-WMは、ドライバー中心の潜在世界モデルで、アウトキャビンのトラフィックコンテキストを考慮に入れたインキャビンのダイナミクスをロールアウトする。 身体のキネマティクス予測を補助的な行動的・感情的意味認識と統合する。 ドライバ-WMは、反応性の高いハイモーション操作のための堅牢な長距離幾何学的予測を与える。
  論文  参考訳（メタデータ） (2026-05-06T16:30:48Z)
• AutoFly: Vision-Language-Action Model for UAV Autonomous Navigation in the Wild [62.47761809929869]
  視覚言語ナビゲーション(VLN)は、視覚的観察とともに言語指示を解釈することで、知的エージェントが環境をナビゲートする必要がある。 無人航空機(UAV)の現在のVLN研究は、所定のルートに沿ってUAVを誘導するための詳細な指示に依存している。 本稿では,自律型UAVナビゲーションのためのエンド・ツー・エンドのビジョン・ランゲージ・アクションモデルであるAutoFlyを提案する。
  論文  参考訳（メタデータ） (2026-02-10T11:08:07Z)
• Discrete Diffusion for Reflective Vision-Language-Action Models in Autonomous Driving [55.13109926181247]
  離散拡散による安全な軌道生成のためのリフレクション機構を統合した学習ベースのフレームワークであるReflectDriveを紹介する。 我々のアプローチの中心は、勾配のない反復的な自己補正を行う、安全を意識した反射機構である。 本手法は目標条件付き軌道生成から始まり,マルチモーダル運転動作をモデル化する。
  論文  参考訳（メタデータ） (2025-09-24T13:35:15Z)
• Angle Robustness Unmanned Aerial Vehicle Navigation in GNSS-Denied Scenarios [66.05091704671503]
  本稿では、ポイントツーポイントナビゲーションタスクにおける飛行偏差に対処する新しい角度ナビゲーションパラダイムを提案する。 また、Adaptive Feature Enhance Module、Cross-knowledge Attention-guided Module、Robust Task-oriented Head Moduleを含むモデルを提案する。
  論文  参考訳（メタデータ） (2024-02-04T08:41:20Z)
• SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Diffusion-Controllable Adversaries [94.84458417662407]
  制御可能なクローズドループ安全クリティカルシミュレーションフレームワークであるSAFE-SIMを紹介する。 提案手法は,1)現実の環境を深く反映した現実的な長距離安全クリティカルシナリオの生成,2)より包括的でインタラクティブな評価のための制御可能な敵行動の提供,の2つの利点をもたらす。 複数のプランナにまたがるnuScenesとnuPlanデータセットを使用して、我々のフレームワークを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
  論文  参考訳（メタデータ） (2023-12-31T04:14:43Z)

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。