論文の概要: ReInsVLN: Revisiting Historical Evidence for Training-Free Vision-and-Language Navigation
- arxiv url: http://arxiv.org/abs/2610.26545v1
- Date: Mon, 19 Oct 2026 15:08:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-23 02:43:24.321849
- Title: ReInsVLN: Revisiting Historical Evidence for Training-Free Vision-and-Language Navigation
- Title（参考訳）: ReInsVLN: フリービジョン・ランゲージナビゲーションのための歴史的証拠の再考
- Abstract要約: ヴィジュアル・アンド・ランゲージ・ナビゲーション(VLN)は、関連する観測の保持と使用に依存している。
ReInsBenchは、制御された継続試験による履歴利用を検査する診断ベンチマークである。
本研究では,凍結ナビゲータにおけるメモリ構築と利用を支援するトレーニングフリーフレームワークReInsVLNを提案する。
- 参考スコア（独自算出の注目度）: 16.69583683074733
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Vision-and-language navigation (VLN) relies on retaining and using relevant observations. Yet growing histories introduce redundancy, and retained information may remain underused. We introduce ReInsBench, a diagnostic benchmark that examines history utilization through controlled continuation trials. Its results show that history-review reinstruction can recover navigation failures using the existing task context. Motivated by this finding, we propose ReInsVLN, a training-free framework supporting memory construction and utilization in frozen navigators. Coverage- and Instruction-Aware Compression constructs compact visual context through temporal redundancy reduction, coverage-aware protection, and instruction-guided token selection. Forgetting-Inspired History Reminders guide navigators to revisit retained observations according to a predefined schedule, without additional model calls. On R2R Val-Unseen, ReInsVLN improves success rates by 8.48 and 3.37 percentage points over the native StreamVLN and InternVLA-N1, reaching 64.27% and 64.44%, respectively. Visual compression largely preserves navigation performance while reducing prefill latency and KV cache memory by up to 21.77% and 32.25%, respectively, on matched observation workloads. Real-world trials on humanoid and quadruped robots further support the applicability of ReInsVLN to sequential instruction following and ordinal navigation.
- Abstract（参考訳）: ヴィジュアル・アンド・ランゲージ・ナビゲーション(VLN)は、関連する観測の保持と使用に依存している。
しかし、成長する歴史は冗長性をもたらし、保持されている情報は未使用のままである。
ReInsBenchは、制御された継続試験による履歴利用を検査する診断ベンチマークである。
その結果,履歴レビューの再構築によって,既存のタスクコンテキストを用いてナビゲーション障害を回復できることが示唆された。
そこで本研究では,凍結ナビゲータのメモリ構築と利用を支援するトレーニングフリーフレームワークReInsVLNを提案する。
Coverage- and Instruction-Aware Compressionは、時間的冗長性低減、カバレッジ・アウェア保護、命令誘導トークン選択を通じて、コンパクトな視覚コンテキストを構築する。
fortting-Inspired History Remindersは、ナビゲータに対して、事前定義されたスケジュールに従って、追加のモデルコールなしで観察を再開するよう誘導する。
R2R Val-Unseenでは、ReInsVLNは、ネイティブのStreamVLNとInternVLA-N1の8.48ポイントと3.37ポイントの改善を行い、それぞれ64.27%、64.44%に達した。
ビジュアル圧縮は、それぞれ一致した観測ワークロードにおいて、プリフィルレイテンシとKVキャッシュメモリを21.77%、32.25%削減しながら、ナビゲーション性能を保っている。
ヒューマノイドと四足歩行ロボットの現実世界での試行は、ReInsVLNのシーケンシャルインストラクションおよびオーディナルナビゲーションへの適用性をさらに支援している。
関連論文リスト
- FireNav: Decision-Oriented Reconstruction Evidence Routing for Vision-Language Navigation in Indoor Fire Environments [56.955773028854985]
視覚言語ナビゲーション(VLN)における視覚修復とナビゲーションユーティリティを整合させる,意思決定指向の再構築エビデンスルーティングフレームワークFireNavを提案する。
実験によると、FireNavは、ナビゲーションの成功と評価設定間のパス効率の両方において、最先端のベースラインを一貫して上回っている。
論文 参考訳（メタデータ） (2026-10-11T13:20:04Z) - LightVLN: Efficient Aerial Vision-and-Language Navigation with Compact Memory and History-Guided Local Aggregation [9.960300365587482]
本稿では,軽量な履歴認識型空中VLNフレームワークであるLightVLNを提案する。
LightVLNは、ポリシーによって既に計算されている視覚的特徴を使用して、各歴史的フレームを単一のトークンに圧縮する。
パブリックなOpenFlyデータセットでは、LightVLNは50.93%のテストシーエンと36.14%のテストアンシーの成功率を達成した。
論文 参考訳（メタデータ） (2026-10-04T07:37:44Z) - AVERT-VLN: Abstention-aware Visual Error Recovery and Training for Vision-and-Language Navigation [24.22152066641951]
視覚・言語ナビゲーション(AVERT-VLN)のための視覚的エラー回復とトレーニングを提案する。
AVERT-VLNはクローズドループフレームワークで、オンラインのヒューマンアシストリカバリとオフラインの優先学習にプラグインビジョン言語モニターを使用する。
人間による評価の下では、完全なAVERT-VLNシステムは、R2R-CEとRxR-CEのヴァルアンシー分割において76.2%と66.3%の成功率を達成する。
論文 参考訳（メタデータ） (2026-09-30T12:10:53Z) - Beyond the Remembered World: Predictive 4D Belief for Persistent Navigation in Evolving Worlds [64.48226068885388]
本研究では、エージェントが間欠的な観測からターゲット位置を推定する進化世界ナビゲーションについて検討する。
タイムスタンプ付き3Dオブジェクト履歴からタイムインデクシングされた信念を構築するEvolvingNavを提案する。
論文 参考訳（メタデータ） (2026-09-30T07:26:36Z) - NavHarness: Towards Lifelong Embodied Navigation [45.3032048213264]
NavHarnessは、生涯ナビゲーションのためのトレーニング不要なエンボディハーネスである。
ナビゲーションの間、マルチラウンドのエージェントセッションは、地図、タスクレコード、ハウスナレッジに基づく。
NavHarnessは、新しいタスクやリカバリの試みのために、新しい会話を通じてこの体験を保存する。
論文 参考訳（メタデータ） (2026-09-28T04:24:47Z) - HarnessVLN: Unifying Training-Free Embodied Navigation through an Agent Harness [30.61739879302674]
身体的ナビゲーションでは、エージェントは空間観測において指示や目標を下ろす必要がある。
本稿では,ゼロショットでトレーニング不要なフレームワークであるHarnessVLNを紹介した。
論文 参考訳（メタデータ） (2026-09-14T08:15:56Z) - VTM-Nav: Hierarchical Visual-Topological Memory for Cross-Episode Object-Goal Navigation [55.45263611374435]
エージェントが同じシーンで繰り返し操作し、自己獲得経験のみを保持し、モデルパラメータを固定するクロスエポソードオブジェクトゴールナビゲーションを提案する。
経験の再利用を支援するために,永続的階層型ビジュアルトポロジカルメモリ(VTM)を用いたトレーニング不要なVLMナビゲーションフレームワークを提案する。
提案手法は,3つのベンチマークすべてで最高のパフォーマンスを実現し,データセット間の構造化視覚トポロジカルエクスペリエンスの再利用の有効性と堅牢性を示す。
論文 参考訳（メタデータ） (2026-07-16T03:11:37Z) - DART-VLN: Test-Time Memory Decay and Anti-Loop Regularization for Discrete Vision-Language Navigation [5.338577780384309]
2つの一般的な障害モードは、メモリリードアウトにおける古い履歴証拠と、アクションセレクション中の非効率なローカルバックトラックである。
本稿では、離散VLNのためのトレーニング不要なテスト時間制御フレームワークDART-VLNを提案する。
論文 参考訳（メタデータ） (2026-07-01T15:07:07Z) - VisualThink-VLA: Visual Intermediate Reasoning for Effective and Low-Latency Vision-Language-Action Policies [58.65913948991329]
正確な低レイテンシVLAポリシーのためのビジュアル中間推論フレームワークであるVISUALTHINK-VLAを提案する。
私たちのブートストラップ哲学は、効果的な視覚的思考でアクションを導くことです。
これは、デコードオーバーヘッドを回避しながら空間的精度を保った、コンパクトなビジュアル・エビデンスインターフェースを通じてアクション予測をブートストラップする。
論文 参考訳（メタデータ） (2026-05-28T14:36:53Z)
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。