論文の概要: OASIS: Online Anchor-centric Scene Inference System for Open-Vocabulary Retrieval and Navigation in Dynamic Environments
- arxiv url: http://arxiv.org/abs/2610.30589v1
- Date: Thu, 22 Oct 2026 01:44:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-24 02:08:44.183008
- Title: OASIS: Online Anchor-centric Scene Inference System for Open-Vocabulary Retrieval and Navigation in Dynamic Environments
- Title（参考訳）: OASIS:動的環境におけるオープン語彙検索とナビゲーションのためのオンラインアンカー中心のシーン推論システム
- Abstract要約: オンラインアンカー中心のシーン推論システム(Online Anchor-centric Scene Inference System, OASIS)は、動的環境におけるオンラインマッピング、複雑なオープン語彙検索、ナビゲーションのための統合システムである。
本システムは複雑なオープン語彙検索とナビゲーションを可能とし,シーン変更後の移動物体の移動も可能とした。
- 参考スコア（独自算出の注目度）: 11.413769162319612
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reliable robotic mapping in dynamic real-world environments is essential for embodied intelligence and long-term autonomy. However, existing methods often involve a trade-off: lightweight online mapping is efficient but captures limited semantic context, while dense mapping provides richer semantics at higher computational cost and is more vulnerable to distractors. They also struggle to relocalize objects after scene changes. To address these challenges, we propose the Online Anchor-centric Scene Inference System (OASIS), a unified system for online mapping, complex open-vocabulary retrieval, and navigation in dynamic environments. Motivated by the observation that indoor scenes are organized around stable semantic anchors, OASIS represents the environment using a sparse set of anchor nodes, each maintaining a unified multimodal representation that integrates semantic descriptions, visual features, and geometric states for reasoning, verification, and navigation. Its compact anchor-centric memory supports on-demand evidence extraction and hierarchical retrieval, reducing redundant storage while improving retrieval reliability. To handle scene dynamics, OASIS further reuses transient observations collected during navigation to relocalize moved objects. Experiments in both simulation and real-world environments, including standard retrieval benchmarks and navigation tasks under both static and dynamic settings, demonstrate that our system can perform complex open-vocabulary retrieval and navigation, while also enabling relocation of displaced objects after scene changes.
- Abstract（参考訳）: 動的現実世界環境における信頼性の高いロボットマッピングは、インテリジェンスと長期的な自律性に不可欠である。
軽量なオンラインマッピングは効率的だが、限定的なセマンティックコンテキストをキャプチャする一方、密集したマッピングはより計算コストの高いリッチなセマンティックスを提供する。
彼らはまた、シーンの変更後にオブジェクトを再ローカライズするのに苦労しています。
これらの課題に対処するために、オンラインマッピング、複雑なオープン語彙検索、動的環境におけるナビゲーションのための統合システムであるOnline Anchor-centric Scene Inference System (OASIS)を提案する。
室内のシーンが安定なセマンティックアンカーを中心に構成されているという観察に触発されたOASISは、アンカーノードのスパースセットを使用して環境を表現し、それぞれがセマンティック記述、視覚的特徴、幾何学的状態を統合して推論、検証、ナビゲーションを行う、統一されたマルチモーダル表現を維持している。
コンパクトなアンカー中心メモリは、オンデマンドエビデンス抽出と階層的検索をサポートし、冗長なストレージを削減し、検索信頼性を向上させる。
シーンダイナミクスを扱うため、OASISはナビゲーション中に収集された過渡的な観測を再利用し、移動したオブジェクトを再ローカライズする。
静的・動的両方の条件下での標準的な検索ベンチマークやナビゲーションタスクを含むシミュレーションおよび実世界の環境における実験により,本システムは複雑なオープン語彙検索とナビゲーションを行うとともに,シーン変更後の移動物体の移動を可能にする。
関連論文リスト
- Lifelong small-object navigation in changing object layouts: a benchmark and method [60.642096348895876]
家庭内のロボットは、同じ環境のさまざまな物体に継続的に行き来する必要がある。
本稿では,この課題をLiSoNav-COL (LiSoNav-COL) における生涯小物体ナビゲーションとして定式化する。
エージェントは、信頼できる観察のために適切な視点を求め、シーン知識を蓄積し再利用し、オブジェクトの移動後に古いメモリを更新する必要がある。
論文 参考訳（メタデータ） (2026-10-07T14:07:34Z) - HitMem: Hierarchical Temporal 3D Memory with Multi-Modal Context-Aware Retrieval for Dynamic Environments [5.55387168911911]
HitMemは階層的な時間的3Dメモリフレームワークで、マルチモーダルなコンテキスト認識検索機構を備えている。
HitMemはオブジェクトの移動精度を大幅に向上し、探索コストを低減し、動的環境におけるタスク実行性能を向上させる。
論文 参考訳（メタデータ） (2026-09-01T09:09:21Z) - HyperDCM: Dynamic Cluster Memory Replay in Hyperbolic Space for Continual Robotic Navigation Across Scenes [32.325022961379155]
視覚ナビゲーションにおける継続的な学習は、破滅的な忘れ物のため、依然として困難である。
本稿では,ハイパーボリック・ダイナミック・クラスタ・メモリ(HyperDCM)を提案する。
多言語および屋内の屋外データセットの実験は、HyperDCMが過去のナビゲーション能力の優れた保持を実現することを示す。
論文 参考訳（メタデータ） (2026-07-04T01:21:12Z) - SignNav: Leveraging Signage for Semantic Visual Navigation in Large-Scale Indoor Environments [57.79171900005793]
人間は、大規模屋内環境内の目的地に向かうために、手話によって提供される意味的ヒントを日常的に活用する。
本稿では,手話からの意味的ヒントを解釈し,現在の観察に基づくその後の行動の推論を行うための,新しい具体的ナビゲーションタスクSignNavを紹介する。
空間認識モジュールは物理的世界へのサインの意味的ヒントを基盤として,時間認識モジュールは歴史的状態と現在の観測との長距離依存性を捉えている。
論文 参考訳（メタデータ） (2026-03-17T06:36:26Z) - See and Remember: A Multimodal Agent for Web Traversal [19.326814654711296]
V-GEMSは、Webナビゲーションのための堅牢なマルチモーダルエージェントアーキテクチャである。
エージェントは視覚的グラウンド処理を統合し、あいまいな対話的要素を解決し、状態追跡を伴う明示的なメモリスタックを導入する。
実験の結果、V-GEMSはWebWalkerベースラインを著しく上回り、28.7%のパフォーマンス向上を達成した。
論文 参考訳（メタデータ） (2026-03-03T05:55:05Z) - CausalNav: A Long-term Embodied Navigation System for Autonomous Mobile Robots in Dynamic Outdoor Scenarios [20.83088545971651]
CausalNavは、動的な屋外環境に適したグラフベースのセマンティックナビゲーションフレームワークである。
LLMを用いたマルチレベルセマンティック・シーングラフを構築し、粗粒度マップデータと細粒度オブジェクトエンティティを階層的に統合する。
オフラインマップデータとリアルタイム認識を融合することにより、Embodied Graphはさまざまな空間的粒度にわたる堅牢なナビゲーションをサポートする。
論文 参考訳（メタデータ） (2026-01-05T08:00:34Z) - Online Segment Any 3D Thing as Instance Tracking [60.20416622842975]
オンライン3Dセグメンテーションをインスタンス追跡問題として再認識する(AutoSeg3D)。
視覚基礎モデルに固有の断片化問題を緩和するために,空間整合性学習を導入する。
ScanNet200上でESAMを2.8 AP上回る新しい最先端技術を確立する。
論文 参考訳（メタデータ） (2025-12-08T14:48:51Z) - Nav-$R^2$ Dual-Relation Reasoning for Generalizable Open-Vocabulary Object-Goal Navigation [67.68165784193556]
Nav-$R2$は、ターゲット環境モデリングと環境行動計画という2つのタイプの関係を明示的にモデル化するフレームワークである。
我々のSA-Memは、時間的・意味的両面から最も標的に関連し、現在の観測関連の特徴を保っている。
Nav-R2は、合理化され効率的なパイプラインを通して見えないオブジェクトをローカライズする、最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2025-12-02T04:21:02Z) - Robust Visual Localization via Semantic-Guided Multi-Scale Transformer [3.3106947066548167]
マルチスケール特徴学習とセマンティックシーン理解を組み合わせたフレームワークを提案する。
本手法では, 空間的変化に適応しつつ, 空間的精度を保ちながら, 幾何学的詳細と文脈的手がかりを融合する階層変換器を用いる。
論文 参考訳（メタデータ） (2025-06-10T07:44:53Z) - EgoSplat: Open-Vocabulary Egocentric Scene Understanding with Language Embedded 3D Gaussian Splatting [108.15136508964011]
EgoSplatは、オープン・ボキャブラリ・エゴセントリック・シーン理解のための3Dガウス・スプレイティング・フレームワークである。
EgoSplatは2つのデータセット上のローカライゼーションタスクとセグメンテーションタスクの両方において、最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2025-03-14T12:21:26Z) - Structured Scene Memory for Vision-Language Navigation [155.63025602722712]
視覚言語ナビゲーション(VLN)のための重要なアーキテクチャを提案する。
ナビゲーション中に知覚を正確に記憶できるほど区画化されている。
また、環境内の視覚的および幾何学的な手がかりを捉え、取り除く、構造化されたシーン表現としても機能する。
論文 参考訳（メタデータ） (2021-03-05T03:41:00Z)
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。