論文の概要: AVALON: Zero-Shot Indoor Navigation with Human-Seeded Topological Memory
- arxiv url: http://arxiv.org/abs/2610.21586v1
- Date: Thu, 15 Oct 2026 09:33:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-16 19:13:16.306815
- Title: AVALON: Zero-Shot Indoor Navigation with Human-Seeded Topological Memory
- Title（参考訳）: AVALON: トポロジカルメモリを用いたゼロショット屋内ナビゲーション
- Abstract要約: サービスロボットは、既にユーザにとって馴染みのあるレイアウトやタスクの制約がある、マップされていない建物に入ることが多い。
AVALONというトポロジカルナビゲーションフレームワークは,人為的空間記憶を中心に構成されている。
ビジュアルディープ・ポイントゴールナビゲーションは、検証されたノード到着を利用して、ロボットが構築したグローバルSLAMマップを必要とせずに翻訳的再編成を行う。
- 参考スコア（独自算出の注目度）: 4.416249015503668
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Indoor service robots often enter unmapped buildings whose layouts and task constraints are already familiar to users. We address this human-familiar, robot-unseen setting with AVALON, a topological navigation framework organized around human-seeded layered spatial memory, node-verified topological execution, and task-triggered, evidence-gated human--robot memory co-updating. The robot has no prior on-site traversal or site-specific training. Deployment requires only a floor plan, place clues, and an initial topology-odometry alignment. Visual depth point-goal navigation leverages verified node arrivals to perform translational re-anchoring, without requiring a robot-constructed global SLAM map. Human--robot memory co-updating fuses complementary sources of information. Human operators specify task constraints that are unobservable via vision and report offline environmental modifications, whereas the robot provides physical-state evidence through active in-situ validation. Task relevance governs whether human-reported environmental changes undergo robot validation during the active mission. Field-collected perceptual evidence gates memory updates, maintaining an explicit separation between human-specified permissions and robot-observed traversability. Our experiments on a Unitree Go2 show that AVALON with X-NavDP completes a 12.81 m Intersection-to-Dining mission in 46.4 s (5/5) with no mapping, 40.9% less robot time than DimOS-Go2 (78.5 s, 4/5), while policy-only X-NavDP times out in all of the 5 runs. These demonstrate the superiority of the proposed topological navigation framework.
- Abstract（参考訳）: 屋内サービスロボットは、レイアウトやタスクの制約がすでにユーザになじみのある、マップされていない建物に入ることが多い。
AVALONは、ヒトのシーディングされた空間記憶、ノード検証されたトポロジカル実行、タスクトリガーされたエビデンス付きヒトロボットメモリの協調を中心に構成されたトポロジカルナビゲーションフレームワークである。
このロボットは、事前に現場での移動やサイト固有の訓練をしていない。
デプロイにはフロアプラン,ヒントの配置,最初のトポロジ-ドメトリアライメントが必要だ。
ビジュアルディープ・ポイントゴールナビゲーションは、ロボットが構築したグローバルSLAMマップを必要とせず、検証済みのノード到着を利用して翻訳再編成を行う。
人間-ロボットメモリは相補的な情報のソースを融合させる。
人間のオペレーターは視覚によって観察できないタスクの制約を指定し、オフラインの環境修正を報告します。
タスク関連性は、人間が報告した環境変化が、アクティブなミッション中にロボットの検証を行うかどうかを規定する。
フィールドコレクトされた知覚的証拠は記憶の更新をゲートし、人間の指定した許可とロボットが保持するトラバーサビリティを明確に分離する。
AVALONとX-NavDPは46.4秒(5/5秒)で12.81mのインターセクション・トゥ・ダイニングミッションを完了し、DimOS-Go2(78.5秒、4/5秒)よりも40.9%ロボット時間が短縮された。
これらのことは,提案したトポロジカルナビゲーションフレームワークの優位性を示している。
関連論文リスト
- InterMimicGen: Scaling Humanoid Loco-Manipulation through Self-Evolving Motion Imitation [51.061592469527966]
自己進化型モーションアニメーションフレームワークであるInterMimicGenを紹介する。
まず、モーションキャプチャーされた人間と物体の相互作用を統合し、それらをヒューマノイドロボットの参照に再ターゲットする。
第2に,人間の手によるシミュレーションにおいて,これらの参照を実行する物理に基づくジェネラリストトラッカーを訓練する。
第3に、データフライホイールを閉じます。各ラウンドは、インタラクションの発生場所と動作方法に小さなタスク保存変更を施し、トラッカーを微調整し、シミュレートされた実行がタスクを完了した変種のみを保持する。
論文 参考訳（メタデータ） (2026-10-05T17:59:50Z) - DORA: Divergence-Oriented Data-Relay Algorithm for Partially Connected Robot Teams [46.83350306562912]
本稿では,発見のみではなく,情報の価値によるコミュニケーションをチームに提供する分散指向型データリレーアルゴリズムを提案する。
本結果から,従来の時間ベースの通信スケジューリング方式よりも最大74.8%MRT分解能が向上することが示唆された。
論文 参考訳（メタデータ） (2026-09-28T23:50:38Z) - Harness Robotic OS: A Unified Embodied-Agent Runtime for Closed-Loop Quadruped Inspection [4.737450468943755]
本稿では,統一型エンボディエージェントランタイムである textitHarness Robotic OS (HROS) と,住宅コミュニティインスペクションの実現を目的としたArgos を提案する。
HROSはシステムをロボットランタイムに編成し、自律性スキル、認知エージェント、インタラクションと操作プレーンを具体化する。
住宅環境における実験は, 100%ウェイポイント到達性, 10cm未満の屋外局所化誤差, 200ms未満の局所障害物応答遅延, 99%のアラーム配送に成功した。
論文 参考訳（メタデータ） (2026-09-10T08:25:46Z) - Physical Agentic AI: An Architecture for Orchestrating a Robot Crew with LLMs [6.2312877626161205]
本稿では,スキルグラウンドロボットエージェントオーケストレーションのためのフレームワークであるPhysical Agentic AIを紹介する。
ロボットオーケストレーションレイヤは、スキルライブラリ、ロボット状態、名前付きロケーション、ワークフローコントラクトを非アクチュエータミッションプランナに公開する。
我々は,ガゼボで全条件で全ミッションが実行され,ドローン-UGV検索・ディスパッチミッションを評価する。
論文 参考訳（メタデータ） (2026-08-23T23:35:31Z) - ACE-Brain-0.5: A Unified Embodied Foundational Model for Physical Agentic AI [110.18670135256235]
Embodied AIは、独立した知覚やアクションモジュールから、目標を理解し、計画し、進捗を監視し、経験から改善する物理的なエージェントへと移行している。
ACE-Brain-0.5は,ロボットの知性を5つの結合関数にまとめる統一的な基礎モデルである。
単一の8Bバックボーンは、最初の4つの機能をインスタンス化する: オブジェクトとアベイランスを接地し、3Dとエゴセントリックな空間関係を推論し、命令をサブゴールに分解し、ナビゲーションと操作アクションを生成し、検証と回復の進捗を推定する。
論文 参考訳（メタデータ） (2026-07-05T17:43:06Z) - Uni-LaViRA: Language-Vision-Robot Actions Translation for Unified Embodied Navigation [60.07205156194741]
身体的なナビゲーションでは、エージェントが言語や視覚的な観察を、実際に見たことのない環境を通して実際のロボットを駆動する空間的な行動の流れにマッピングする必要がある。
統合エージェントアーキテクチャであるUni-LaViRAを4つのタスクファミリと4つの異種実ロボットに拡張する。
論文 参考訳（メタデータ） (2026-05-26T18:52:04Z) - OmniRetarget: Interaction-Preserving Data Generation for Humanoid Whole-Body Loco-Manipulation and Scene Interaction [76.44108003274955]
ヒューマノイドロボットの複雑なスキルを教えるための主要なパラダイムは、強化学習ポリシーの運動学的参照として人間の動きを再ターゲットすることである。
インタラクションメッシュに基づくインタラクション保存データ生成エンジンであるOmniRetargetを紹介する。
人間のメッシュとロボットメッシュの間のラプラシアの変形を最小限にすることで、OmniRetargetは運動学的に実現可能な軌道を生成する。
論文 参考訳（メタデータ） (2025-09-30T17:59:02Z) - IG-MCTS: Human-in-the-Loop Cooperative Navigation under Incomplete Information [22.47189812250736]
CoNav-Mazeは、人間のオペレータが不正確な地図に基づいてガイダンスを提供する間、ロボットが局所的な知覚でナビゲートするシミュレーション環境である。
我々は,自律移動と情報通信を協調的に最適化する情報ゲインモンテカルロ木探索(IG-MCTS)を提案する。
IG-MCTSはコミュニケーション要求を著しく減らし、認知負荷の低下を示す視線追跡指標を得る。
論文 参考訳（メタデータ） (2025-02-03T22:08:04Z) - DogSurf: Quadruped Robot Capable of GRU-based Surface Recognition for
Blind Person Navigation [2.201107282249874]
提案手法では,四足歩行ロボットがすべり面を検知し,音と触覚のフィードバックを用いて,停止するタイミングをユーザに知らせる。
四足歩行ロボットのマルチクラス表面分類における平均精度99.925%の最先端GRUベースのニューラルネットワークアーキテクチャが提案された。
論文 参考訳（メタデータ） (2024-02-05T16:24:12Z) - Socially Compliant Navigation Dataset (SCAND): A Large-Scale Dataset of
Demonstrations for Social Navigation [92.66286342108934]
社会ナビゲーションは、ロボットのような自律的なエージェントが、人間のような他の知的エージェントの存在下で、社会的に従順な方法でナビゲートする能力である。
私たちのデータセットには8.7時間、128の軌道、25マイルの社会的に適合した人間の遠隔運転デモが含まれています。
論文 参考訳（メタデータ） (2022-03-28T19:09:11Z)
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。