論文の概要: One Scan is Enough: Demonstration-Free Adaptation for Language-Guided Navigation

• arxiv url: http://arxiv.org/abs/2610.33794v1
• Date: Sat, 24 Oct 2026 16:53:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.446932
• Title: One Scan is Enough: Demonstration-Free Adaptation for Language-Guided Navigation
• Title（参考訳）: 1つのスキャンが十分である: 言語ガイドナビゲーションのためのデモなし適応
• Abstract要約: 人間のデモを1つの簡単なiPhoneスキャンで置き換える。 PRPT-KSは、再建されたシーンから直接読み取るクローズドフォームユーティリティを通じてポリシーを適応する。 私たちの研究は、言語誘導ナビゲーションのためのデモ不要のシーン適応を、願望から実働現実へと変えました。
• 参考スコア（独自算出の注目度）: 13.448544683725572
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deploying a language-guided navigation policy in a new building usually means watching it fail. Public-benchmark VLAs degrade scene by scene as layout, appearance, and language drift, and the standard fix of teleoperating fresh trajectories on site does not scale. We replace human demonstration with a single brief iPhone scan. Scan2Instruction compiles that scan into a complete training environment, automatically synthesizing executable navigation episodes with grounded instructions. PRPT-KS then adapts the policy through a closed-form Pareto utility read directly off the reconstructed scene, with no learned critic and no human labels. Across five real environments, the two designs together drive our RealNav to an 85% real-robot success rate, compared with 49% for a RealNav baseline post-trained on human demonstrations, and still achieve 82% in unscanned regions of the same buildings, compared with 41% for the same baseline. Our work turns demonstration-free scene adaptation for language-guided navigation from an aspiration into a working reality.
• Abstract（参考訳）: 新しい建物に言語誘導ナビゲーションポリシーを配置することは、通常失敗を見ることを意味します。 公共のベンチマークVLAは、レイアウト、外観、言語ドリフトなどのシーンによってシーンを劣化させ、サイトで新鮮な軌跡を遠隔操作する標準的な修正はスケールしない。 人間のデモを1つの簡単なiPhoneスキャンで置き換える。 Scan2Instructionはスキャンを完全なトレーニング環境にコンパイルし、グラウンドド命令で実行可能なナビゲーションエピソードを自動的に合成する。 PRPT-KSは、再建現場から直接読み取ったクローズドフォームのParetoユーティリティを通じてポリシーを適応し、学識のある批評家も人間ラベルも含まない。 実際の5つの環境では、RealNavを85%、RealNavは49%、RealNavは49%で、同じ建物の非スキャンエリアでは82%、同じベースラインでは41%という結果になりました。 私たちの研究は、言語誘導ナビゲーションのためのデモ不要のシーン適応を、願望から実働現実へと変えました。

関連論文リスト

• ScaleNav: Scalable Internet Video Pretraining for Language-Conditioned Local Navigation [48.37915728575205]
  エンド・ツー・エンドのナビゲーションポリシーは、シーンをまたいで一般化するために多様なトレーニングデータを必要とする。 インターネットのエゴセントリックなビデオは、現実世界のナビゲーション体験のスケーラブルなソースを提供する。 3段階のトレーニングを備えた統合ワールドアクションフレームワークであるScaleNavを提案する。
  論文  参考訳（メタデータ） (2026-10-19T02:37:24Z)
• Learning Social Navigation from Internet Videos in the Policy State Space [9.969326938397872]
  堅牢なソーシャルナビゲーションポリシーのトレーニングには、様々なシーンレイアウト、地形、人間の動きを持つシミュレータが必要である。 本研究では,通常の単眼歩行映像を直接クローズドループソーシャルナビゲーション訓練環境に変換する効率的なパイプラインを提案する。
  論文  参考訳（メタデータ） (2026-09-26T07:16:56Z)
• 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)
• NaVILA: Legged Robot Vision-Language-Action Model for Navigation [60.00462044102051]
  人間の言語命令を低レベルの脚関節動作に翻訳するのは簡単ではない。 そこで我々は,VLA(Vision-Language-Action Model)とロコモーションスキルを一体化した2レベルフレームワークであるNaVILAを提案する。 NaVILAは既存のベンチマークのアプローチを大幅に改善している。
  論文  参考訳（メタデータ） (2024-12-05T18:58:17Z)
• CANVAS: Commonsense-Aware Navigation System for Intuitive Human-Robot Interaction [19.997935470257794]
  本稿では,コモンセンス認識ナビゲーションのための視覚的および言語的指示を組み合わせたフレームワークであるCANVASを提案する。 その成功は模倣学習によって引き起こされ、ロボットは人間のナビゲーション行動から学ぶことができる。 実験の結果,CANVASはすべての環境において,強力なルールベースシステムであるROS NavStackよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2024-10-02T06:34:45Z)
• LangNav: Language as a Perceptual Representation for Navigation [63.90602960822604]
  視覚・言語ナビゲーション(VLN)における知覚表現としての言語の利用について検討する。 提案手法では,画像キャプションや物体検出に市販の視覚システムを用いて,エージェントのエゴセントリックなパノラマビューを各ステップで自然言語記述に変換する。
  論文  参考訳（メタデータ） (2023-10-11T20:52:30Z)
• Sim-to-Real Transfer for Vision-and-Language Navigation [70.86250473583354]
  本研究では,従来は目に見えなかった環境下でロボットを解放し,制約のない自然言語ナビゲーション指示に従うという課題について検討する。 VLN(Vision-and-Language Navigation)の課題に関する最近の研究は、シミュレーションにおいて大きな進歩を遂げている。 ロボット工学における本研究の意義を評価するため,シミュレーションで訓練されたVLNエージェントを物理ロボットに転送する。
  論文  参考訳（メタデータ） (2020-11-07T16:49:04Z)

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。