論文の概要: NavAble: A Large-Scale Dataset and Synthetic Data Generation Pipeline for Blind Navigation

• arxiv url: http://arxiv.org/abs/2610.19330v1
• Date: Wed, 14 Oct 2026 00:14:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.858866
• Title: NavAble: A Large-Scale Dataset and Synthetic Data Generation Pipeline for Blind Navigation
• Title（参考訳）: NavAble: ブラインドナビゲーションのための大規模データセットと合成データ生成パイプライン
• Abstract要約: 11のアクセシビリティクリティカルなオブジェクトクラスにまたがる大規模なデータセットであるNavAbleを紹介します。 我々は37環境で高忠実度3Dアセットをレンダリングする合成データ生成パイプラインを開発した。 また, 実世界のみの微調整に対して, 最大3.5 mIoUの合成データ拡張の有効性を実証した。
• 参考スコア（独自算出の注目度）: 12.128122817277474
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reliable recognition of accessibility-critical objects (e.g., audible pedestrian signals, door-activation buttons, and handrails) is essential for assistive navigation technologies that support safe, independent mobility for blind and low-vision (BLV) users. Yet these categories are underrepresented in existing large-scale vision datasets, and the few datasets that include them suffer from limited class coverage, inconsistent annotations, and poor diversity. We introduce NavAble, a large-scale dataset spanning 11 accessibility-critical object classes, combining 41K curated open-source images with 8K newly collected, densely annotated real-world images. To extend scale and diversity, we develop a synthetic data generation pipeline that renders high-fidelity 3D assets across 37 environments under diverse styles and viewpoints, yielding 452K frames with rich ground-truth annotations from 565 assets. The pipeline minimizes manual effort by combining automated web image crawling, VLM-based filtering, SAM 3D-based asset generation, and convenient camera trajectory configuration, enabling large-scale data generation at a diversity unattainable through manual collection. Experiments show that fine-tuning existing segmentation models on the NavAble Dataset achieves reliable accessibility-object segmentation (>80% mIoU on our held-out test set). We also demonstrate the effectiveness of synthetic data augmentation, which yields up to +3.5 mIoU over real-world-only fine-tuning. Beyond benchmark evaluation, validation on egocentric data from two mobility-assistive robots demonstrates improved perception reliability in real-world navigation scenarios. Together, NavAble establishes a scalable foundation for BLV navigation perception, directly addressing the data scarcity and embodiment gaps. The dataset and pipeline are publicly available at https://huggingface.co/datasets/NavAble/NeurIPS_2026_BLV.
• Abstract（参考訳）: 視覚障害者のための安全で独立した移動手段(BLV)をサポートする補助ナビゲーション技術には、アクセシビリティクリティカルな物体(例えば、聴覚障害者信号、ドアアクティベーションボタン、手すりなど)の信頼性の高い認識が不可欠である。 しかし、これらのカテゴリは、既存の大規模ビジョンデータセットでは不足しており、それらを含む数少ないデータセットは、クラスカバレッジの制限、一貫性のないアノテーション、多様性の欠如に悩まされている。 我々は11のアクセシビリティクリティカルなオブジェクトクラスにまたがる大規模なデータセットであるNavAbleを紹介し、41Kのキュレートされたオープンソースイメージと8Kの新しい収集された高密度な実世界のイメージを組み合わせる。 スケールと多様性を拡大するため,37の環境における高忠実度3Dアセットを多種多様なスタイルと視点でレンダリングする合成データ生成パイプラインを開発した。 このパイプラインは、自動Webイメージクローリング、VLMベースのフィルタリング、SAM 3Dベースのアセット生成、便利なカメラトラジェクトリ構成を組み合わせることで、手動で収集できない多様性での大規模データ生成を可能にする。 実験により、NavAble Dataset上の既存のセグメンテーションモデルを微調整することで、信頼性の高いアクセグメンテーションとオブジェクトセグメンテーションを実現していることがわかった。 また, 実世界のみの微調整に対して, 最大3.5 mIoUの合成データ拡張の有効性を実証した。 ベンチマーク評価以外にも、2つのモビリティアシストロボットによるエゴセントリックなデータの検証は、現実のナビゲーションシナリオにおける知覚信頼性の向上を実証している。 NavAbleはBLVナビゲーション認識のためのスケーラブルな基盤を確立し、データの不足とエンボディメントギャップに直接対処する。 データセットとパイプラインはhttps://huggingface.co/datasets/NavAble/NeurIPS_2026_BLVで公開されている。

関連論文リスト

• NavGen: Visual Generative Models as a Scalable Data Engine for Embodied 3D Navigation [10.294958174119014]
  多様な視覚言語ナビゲーションエピソードを生成するテキスト・ビデオデータ生成パイプラインであるNavGenを紹介する。 また,収集が困難かつコストのかかる長テールデータをスケールアップするスタイル多様化手法を提案する。 結果のデータセットにはおよそ400Kのナビゲーションエピソードが含まれている。
  論文  参考訳（メタデータ） (2026-09-25T03:49:44Z)
• Learning to Drive Anywhere with Model-Based Reannotation [49.80796496905606]
  ロボットの視覚ナビゲーションポリシーを一般化するためのフレームワークを開発する。 クラウドソースの遠隔操作データや、ラベルなしのYouTubeビデオなど、受動的に収集されたデータを活用します。 このデータはLogoNavに蒸留される。LogoNavは、視覚的目標やGPSのウェイポイントに照準を合わせられた長い水平航法ポリシーだ。
  論文  参考訳（メタデータ） (2025-05-08T18:43:39Z)
• DivScene: Towards Open-Vocabulary Object Navigation with Large Vision Language Models in Diverse Scenes [76.24687327731031]
  まず,DivSceneを導入することにより,オープン語彙オブジェクトナビゲーションの課題について検討する。 私たちのデータセットは、既存のデータセットよりもターゲットオブジェクトやシーンタイプがはるかに多様です。 我々はLVLMを微調整し、CoTの説明で次の動作を予測する。
  論文  参考訳（メタデータ） (2024-10-03T17:49:28Z)
• CityNav: A Large-Scale Dataset for Real-World Aerial Navigation [25.51740922661166]
  航空VLNのための最初の大規模実世界のデータセットであるCityNavを紹介する。 我々のデータセットは32,637人の実証軌道で構成されており、それぞれに自然言語の記述が組み合わされている。 ナビゲーション中に補助的なモダリティ入力として使用できる地理意味マップを作成する方法を提案する。
  論文  参考訳（メタデータ） (2024-06-20T12:08:27Z)
• Scaling Data Generation in Vision-and-Language Navigation [116.95534559103788]
  本稿では,学習のための大規模データ生成に有効なパラダイムを提案する。 我々は、HM3DとGibsonのデータセットから1200以上のフォトリアリスティック環境を適用し、490万の命令軌道対を合成する。 我々の大規模データセットのおかげで、既存のエージェントの性能は(以前のSoTAでは+11%絶対)、単純な模倣学習によってR2Rテストの分割で80%の単ラン成功率で大幅に向上できる。
  論文  参考訳（メタデータ） (2023-07-28T16:03:28Z)
• TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual Environments [84.6017003787244]
  本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。 既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
  論文  参考訳（メタデータ） (2022-08-16T20:46:08Z)

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。