論文の概要: EchoNav: Evidential BEV Completion from Historical Observations for Visual Navigation
- arxiv url: http://arxiv.org/abs/2610.27616v1
- Date: Tue, 20 Oct 2026 04:31:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-21 21:58:47.633812
- Title: EchoNav: Evidential BEV Completion from Historical Observations for Visual Navigation
- Title（参考訳）: EchoNav: 視覚ナビゲーションのための歴史的観測から得られた証拠的BEV補完
- Abstract要約: 乱雑な環境での視覚的なナビゲーションでは、ロボットは事前に観察された構造を回復し、障害物や障害物を推論し、閉鎖されたままの自由空間を保たなければならない。
本稿では,短いRGB配列から予測される明らかな鳥眼ビュー(BEV)表現において,時間的集約と占有完了を組み合わせた枠組みを提案する。
シミュレーションされた2ゴールナビゲーションでは,89.6%の成功を達成し,最も評価の高いベースラインを32.5ポイント上回った。
- 参考スコア（独自算出の注目度）: 11.085027109271776
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Visual navigation in cluttered environments requires robots to recover previously observed structure and infer obstacles and free space that remain occluded. We present a framework that combines temporal aggregation and occupancy completion in an evidential bird's-eye-view (BEV) representation predicted from short RGB sequences. A decoder adapts frozen VGGT-Omega features and combines historical residual proposals using cellwise weights and a learned no-update option. The BEV predictor produces a local map in the latest ego frame without depth or camera-pose inputs or explicit geometric warping. The evidential model treats observed free space separately and predicts occupancy with associated confidence across the remaining supported region. We train the predictor on simulated RGB sequences paired with complete and visibility-masked occupancy annotations. Our experiments evaluate navigation in simulation and on a wheeled robot, with additional demonstrations on quadruped and humanoid robots. In simulated sequential two-goal navigation, our system achieves 89.6% success, outperforming the strongest evaluated baseline by 32.5 percentage points. Across 60 wheeled-robot trials in 20 scenes, it achieves 73.3% success, compared with 33.3% for the strongest evaluated baseline.
- Abstract（参考訳）: 乱雑な環境での視覚的なナビゲーションでは、ロボットは事前に観察された構造を回復し、障害物や障害物を推論し、閉鎖されたままの自由空間を保たなければならない。
本稿では,短いRGB配列から予測される明らかな鳥眼ビュー(BEV)表現において,時間的集約と占有完了を組み合わせた枠組みを提案する。
デコーダは凍結したVGGT-Omegaの機能を適応し、セルワイズウェイトと学習済みの更新オプションを使って過去の残余提案を組み合わせる。
BEV予測器は、深度やカメラの入力や明示的な幾何学的ワープなしで、最新のエゴフレームのローカルマップを生成する。
明らかなモデルでは、観測された自由空間を別々に扱い、残りの支持領域全体での信頼を伴って占有を予測する。
我々は、完全かつ可視的な占有アノテーションと組み合わせたシミュレーションRGBシーケンスで予測器を訓練する。
本実験は,四足歩行ロボットとヒューマノイドロボットを併用し,シミュレーションおよび車輪付きロボットのナビゲーションを評価した。
シミュレーションされた2ゴールナビゲーションでは,89.6%の成功を達成し,最も評価の高いベースラインを32.5ポイント上回った。
20シーンで60回以上の車輪付きロボット試験が行われ、73.3%が成功し、最も評価の高いベースラインでは33.3%が成功している。
関連論文リスト
- Robota-Embed: Unified VLA Embeddings for Robot In-Context Learning and Evolution [90.448613284096]
ロボット・エンベッド(Robota-Embed)を導入し、現在のクエリと記録された将来の継続の両方において、3つのモダリティを共同で符号化する最初の視覚言語アクション埋め込みモデルについて紹介する。
我々は,1,695,684個のトレーニングアンカーを複数ソースで構築し,4000のクエリと8000のギャラリーの共有を備えたRobota-Embed-Benchを紹介した。
Robota-Embedは47.33%のクリップレベルと81.77%のエピソードレベルのR@1を達成した。
論文 参考訳（メタデータ） (2026-10-14T03:15:23Z) - LynxScenes: A Large-Scale Real-World Benchmark for Outdoor Wheel-Legged Robot Perception, Navigation, Imagination and Reconstruction [10.657795300831546]
我々はLynxScenesを紹介した。LynxScenesは大規模な実世界のデータセットであり、LYNX M20車輪脚ロボットで収集されたベンチマークである。
833.6 hと3,294.7 kmにまたがる約100Kの30秒のナビゲーションクリップと3.0Mの注釈付きフレームを含んでいる。
LynxScenesは、命令条件付き軌道予測、BEVに基づく3Dオブジェクトと道路構造の認識、将来のシーン予測、マルチビューシーン再構築の4つの補完的なタスクをサポートしている。
論文 参考訳（メタデータ） (2026-10-13T10:12:55Z) - SpaceCast-Bench: Evaluating Predictive Spatial Reasoning in Vision-Language Models [55.56557714314683]
空間推論を直接的かつ診断的に評価する最初のベンチマークであるSpaceCastBenchを紹介する。
182の現実世界シーンからの質問は、静的認識、局所予測、グローバル予測という3つのレベルで16のタスクタイプにまたがる。
制御された解析により、ブリッジビューは分散観測の統合に重要であることが明らかになった。
論文 参考訳（メタデータ） (2026-10-08T17:44:17Z) - GeoBridge-VLA: Geometry-Aware Residual Adaptation for Vision-Language-Action Models [1.6537468371816468]
視覚-言語-アクション(VLA)モデルは、視覚-言語事前学習から意味情報を符号化するが、操作には正確な空間的推論も必要である。
予め学習したVLAの凍結した視覚エンコーダから幾何学的特徴を学習するための2段階のGeoBridge-VLAを提案する。
論文 参考訳（メタデータ） (2026-10-04T07:42:19Z) - Experience-Driven Continual Learning of Terrain Traversability for Quadruped Robots [3.728185330463772]
本稿では,ロコモーション体験を用いて,事前接触画像から対話結果の学習を行う連続学習パイプラインを提案する。
ROS2の実装は、シミュレーションとハードウェアにおけるUnitree Go2の評価をサポートし、各ドメインで個別にトレーニングされている。
論文 参考訳（メタデータ） (2026-09-30T13:52:21Z) - Asset Harvester: Extracting 3D Assets from Autonomous Driving Logs for Simulation [63.01022057888141]
Asset Harvesterはイメージ・ツー・3Dモデルとエンドツーエンドのパイプラインで、実際の運転ログからスパース・イン・ザ・ワン・オブジェクトの観察を完全なシミュレーション可能なアセットに変換する。
SparseViewDiTは、限定角度ビューやその他の実世界のデータ課題に対処するように明示的に設計されている。
論文 参考訳（メタデータ） (2026-04-20T16:20:57Z) - HUGSIM: A Real-Time, Photo-Realistic and Closed-Loop Simulator for Autonomous Driving [48.84595398410479]
HUGSIMは、自律運転アルゴリズムを評価するためのクローズドループ、フォトリアリスティック、リアルタイムシミュレータである。
我々は、視点外挿や360度車両レンダリングを含む閉ループシナリオにおける新しいビュー合成の課題に取り組む。
HUGSIMは、KITTI-360、nuScenes、PandaSetから70以上のシーケンスにまたがる包括的なベンチマークと400以上のさまざまなシナリオを提供する。
論文 参考訳（メタデータ） (2024-12-02T17:07:59Z) - BEV-MAE: Bird's Eye View Masked Autoencoders for Point Cloud
Pre-training in Autonomous Driving Scenarios [51.285561119993105]
自律運転におけるLiDARに基づく3Dオブジェクト検出のための,効率的なマスク付きオートエンコーダ事前学習フレームワークであるBEV-MAEを提案する。
具体的には、3Dエンコーダ学習特徴表現を導くために,鳥の目視(BEV)誘導マスキング戦略を提案する。
学習可能なポイントトークンを導入し、3Dエンコーダの一貫性のある受容的フィールドサイズを維持する。
論文 参考訳（メタデータ） (2022-12-12T08:15:03Z) - Transferable Active Grasping and Real Embodied Dataset [48.887567134129306]
ハンドマウント型RGB-Dカメラを用いて把握可能な視点を探索する方法を示す。
現実的な3段階の移動可能な能動把握パイプラインを開発し、未確認のクラッタシーンに適応する。
本研究のパイプラインでは,カテゴリ非関連行動の把握と確保において,スパース報酬問題を克服するために,新しいマスク誘導報酬を提案する。
論文 参考訳（メタデータ） (2020-04-28T08:15:35Z)
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。