論文の概要: VP-EVT: Active Visibility Preservation for Embodied Visual Tracking

• arxiv url: http://arxiv.org/abs/2610.21999v1
• Date: Thu, 15 Oct 2026 14:42:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 06:09:33.133735
• Title: VP-EVT: Active Visibility Preservation for Embodied Visual Tracking
• Title（参考訳）: VP-EVT: 身体視追跡のためのアクティブ可視性保存
• Abstract要約: Embodied Visual Tracking (EVT)は、人間とロボットのコラボレーションにおいて、インテリジェントロボットにとって不可欠な機能である。 本稿では,目標視認性を運動制御の明確な目的として扱うフレームワークであるVP-EVTを提案する。 リスク分割では、VP-EVTは、競争基準に対して、成功率を121.4%改善する。
• 参考スコア（独自算出の注目度）: 2.9521757117513823
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Embodied Visual Tracking (EVT) is an essential capability for intelligent robots in human-robot collaboration, requiring an agent to follow a designated target person in dynamic environments relying solely on egocentric visual perception. However, persistent pedestrian occlusions in dynamic scenes pose critical challenges to existing EVT methods. Lacking proactive visibility preservation, reactive tracking methods frequently experience prolonged target loss under severe occlusions. Therefore, we propose VP-EVT, a framework that treats target visibility as an explicit objective of motion control rather than a by-product of following. Acting on this objective requires understanding both what obstructs the target and how robot motion can change that obstruction. VP-EVT therefore uses language-guided perception to extract separate target and pedestrian observations. When occlusion makes current observations incomplete, VP-EVT combines visual history with ego-motion to maintain estimates of their relative positions and motion. Using these estimates and the current following waypoints, VP-EVT predicts whether continued following will sustain the obstruction. When the predicted risk is low, the original following motion is retained; otherwise, a recurrent controller combines updated estimates with maneuver context from preceding decisions to coordinate viewpoint adjustment and the return to stable following. Moreover, we introduce OccEVT-Bench for closed-loop evaluation of persistent occlusion and collect expert demonstrations for training. On its Risk split, VP-EVT improves success rate by 121.4% relative to a competitive baseline and reduces visibility deficit and longest target-loss duration by 78.8% and 74.4%, respectively.
• Abstract（参考訳）: Embodied Visual Tracking (EVT)は、人間とロボットのコラボレーションにおいて、知的ロボットにとって不可欠な能力であり、エージェントは、自我中心の視覚知覚のみに依存する動的環境において、指定された目標人物に従う必要がある。 しかし、ダイナミックシーンにおける歩行者の永続的閉塞は、既存のEVT手法に重大な課題をもたらす。 プロアクティブな視認性保持が欠如しているため、反応追跡法は重度の閉塞下での長期的目標損失をしばしば経験する。 そこで本稿では,対象視認性を扱うフレームワークであるVP-EVTを提案する。 この目的を達成するためには、目標を妨げているものや、ロボットの動きが障害をどう変えるかを理解する必要がある。 そのため、VP-EVTは言語誘導の知覚を用いて、異なる目標と歩行者の観察を抽出する。 閉塞が現在の観察を不完全にするとき、VP-EVTは視覚履歴とエゴモーションを組み合わせて相対的な位置と動きの推定を維持する。 これらの推定値と現在の次の経路を用いて、VP-EVTは継続したフォローが障害を持続するかどうかを予測する。 予測されるリスクが低い場合には、元の追従動作が保持される。そうでなければ、リカレントコントローラは、更新された見積と事前決定からの操作コンテキストを組み合わせて、視点調整と安定な追従への復帰を調整する。 さらに,閉鎖ループ評価のためのOccEVT-Benchを導入し,訓練のための専門家によるデモンストレーションを収集する。 リスク分割では、VP-EVTは、競争ベースラインと比較して121.4%の成功率を向上し、可視性障害と最長目標損失期間をそれぞれ78.8%、74.4%削減する。

関連論文リスト

• CST-WM: A Causally Structured World Model for Embodied Visual Tracking [9.902564083063973]
  身体的な視覚的追跡には、移動対象の将来の証拠を保存または回収する行動を選択するロボットが必要である。 CST-WMは潜伏状態を標的証拠、ロボット、観察枝に分解する。 1つの計画フレームワークで、安定したフォローと一時的なターゲット再獲得の両方をサポートする。
  論文  参考訳（メタデータ） (2026-09-05T23:24:32Z)
• CosFly-VLA: A Spatially Aware Vision-Language-Action Model for UAV Tracking [6.465600276213322]
  VLA(Vision-Language-Action)ポリシーは、視覚的標的を効果的に追跡することができるが、建物、植生、道路沿いの物体が視線を塞ぐと、その性能は劣化することが多い。 本稿では,空間認識型VLAモデルCosFly-VLAについて述べる。 OpenVLAとは対照的に、CosFly-VLA-0.8Bはオープンループ平均変位誤差(ADE)を外見テストで34.1%、目に見えないテストで35.3%削減する。
  論文  参考訳（メタデータ） (2026-07-16T13:52:08Z)
• LatentPilot: Scene-Aware Vision-and-Language Navigation by Dreaming Ahead with Latent Visual Reasoning [51.969318585152116]
  LatentPilotは、トレーニング中の将来の観察を貴重なデータソースとして利用して、アクション条件付きビジュアルダイナミクスを学習する。 そこで本稿では,フライホイール方式のトレーニング機構を提案する。これは,道路上の軌道を反復的に収集し,エージェントの行動分布に適合するようにモデルを再訓練する。 R2R-CE、RxR-CE、R2R-PEベンチマークの実験では新たなSOTA結果が得られた。
  論文  参考訳（メタデータ） (2026-03-31T02:21:59Z)
• RESBev: Making BEV Perception More Robust [19.055695534533065]
  センサーの配置や敵攻撃による現実の課題は、深刻な異常を引き起こし、自律運転システムの安全性を損なう可能性がある。 本稿では,既存のBEV認識手法に容易に適用可能なレジリエントでプラグアンドプレイなBEV認識手法であるRESBevを提案する。 RESBevは、様々な外乱や敵攻撃に対する既存のBEV知覚モデルの堅牢性を大幅に向上することを示す。
  論文  参考訳（メタデータ） (2026-03-10T11:36:52Z)
• Eva-Tracker: ESDF-update-free, Visibility-aware Planning with Target Reacquisition for Robust Aerial Tracking [51.06229328990625]
  Eva-Trackerは、航空追跡のための可視性を考慮した軌道計画フレームワークである。 ESDF更新を排除し、リカバリ可能なパス生成メソッドを組み込んで、ターゲット再取得を行う。 提案手法は,従来の最先端手法よりも計算労力の少ないロバストな追跡結果を提供する。
  論文  参考訳（メタデータ） (2026-02-13T02:56:34Z)
• ReViP: Reducing False Completion in Vision-Language-Action Models with Vision-Proprioception Rebalance [50.05984919728878]
  本稿では、視覚的接地と摂動下での堅牢性を高めるために、視覚-受容器リバランスを備えた新しいVLAフレームワークReViPを提案する。 具体的には、タスクステージオブザーバとして外部VLMを使用して、視覚的な観察からリアルタイムなタスク中心の視覚的手がかりを抽出する。 本稿では,オブジェクトドロップのような制御された設定を持つLIBERO上に構築された最初のFalse-Completion Benchmark Suiteを提案する。
  論文  参考訳（メタデータ） (2026-01-23T11:31:07Z)
• Counterfactual VLA: Self-Reflective Vision-Language-Action Model with Adaptive Reasoning [71.19675094463834]
  この作業では、モデルが実行前に計画されたアクションを推論し、修正することを可能にする、自己修正型のVLAフレームワークである、Counterfactual VLAを導入している。 CF-VLAはまず、駆動意図を要約した時間分割メタアクションを生成し、その後、メタアクションと視覚コンテキストの両方で条件付けられた反実的推論を実行する。 大規模運転データセットの実験では、CF-VLAは軌道精度を最大17.6%向上し、安全基準を20.5%向上し、適応的思考を示す。
  論文  参考訳（メタデータ） (2025-12-30T19:04:17Z)
• TrackVLA++: Unleashing Reasoning and Memory Capabilities in VLA Models for Embodied Visual Tracking [30.955088934475928]
  本稿では,空間的推論機構と時間的同定メモリ(TIM)という2つの重要なモジュールによる視覚追跡を具体化する新しいモデルであるTrackVLA++を提案する。 TrackVLA++は、エゴセントリックな設定とマルチカメラ設定の両方で、公開ベンチマークで最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-10-08T15:29:17Z)
• NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
  我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。 グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。 我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
  論文  参考訳（メタデータ） (2025-06-23T14:28:30Z)

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。