Fugu-MT 論文翻訳(概要): MATCH: Execution-Aware Hierarchical Reinforcement Learning for Vision-and-Language Navigation in Continuous Environment

論文の概要: MATCH: Execution-Aware Hierarchical Reinforcement Learning for Vision-and-Language Navigation in Continuous Environment

arxiv url: http://arxiv.org/abs/2610.38248v1
Date: Wed, 28 Oct 2026 03:56:17 GMT
ステータス: 翻訳完了
システム内更新日: 2026-11-03 18:32:37.149243
Title: MATCH: Execution-Aware Hierarchical Reinforcement Learning for Vision-and-Language Navigation in Continuous Environment
Title（参考訳）: MATCH: 連続環境における視覚・言語ナビゲーションのための実行型階層型強化学習
Abstract要約: MATCHは言語条件のプランナーとプリミティブアクションエグゼキュータを共同で学習するフレームワークである。 R2R-CEベンチマークとRxR-CEベンチマークで最先端のパフォーマンスを達成する。
参考スコア（独自算出の注目度）: 19.099287640143434
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Vision-and-Language Navigation in Continuous Environments (VLN-CE) requires instruction-consistent planning and reliable execution under collision constraints. Yet many hierarchical approaches optimize the planner while keeping execution fixed. We introduce MATCH, a framework that jointly learns a language-conditioned planner and a goal-conditioned primitive-action executor. An execution-aware topological graph represents start-dependent execution options and integrates executor value estimates with realized outcome memory, enabling the planner to select execution requests and refine their targets through bounded continuous offsets. A transition-aware dense macro reward balances ordered progress along the reference route against execution residual, encouraging executable requests without substituting local success for instruction following. A staged curriculum culminates in synchronized on-policy updates, with the executor learning on planner-generated requests and the planner adapting its requests to the executor's current behavior. With 0.5B parameters, MATCH achieves state-of-the-art performance on the R2R-CE and RxR-CE benchmarks. Preliminary real-robot deployments further demonstrate its practical potential.
Abstract（参考訳）: VLN-CE(Vision-and-Language Navigation in Continuous Environments)は、衝突制約下での命令一貫性のある計画と信頼性のある実行を必要とする。しかし、多くの階層的なアプローチは、実行を固定しながらプランナーを最適化します。我々は,言語条件のプランナーと目標条件のプリミティブ・アクション・エグゼキュータを共同で学習するフレームワークであるMATCHを紹介する。実行対応トポロジグラフは、起動依存の実行オプションを表し、実行時値推定と実行結果メモリを統合することで、プランナが実行要求を選択し、境界付けられた連続オフセットを通じてターゲットを洗練することができる。トランジション対応の高密度マクロ報酬は、実行残高に対する参照経路に沿って進捗を順守し、命令に従うためのローカルな成功を代入せずに実行可能な要求を奨励する。段階化されたカリキュラムは、実行担当者がプランナー生成要求を学習し、プランナーがその要求を実行者の現在の行動に適応させることによって、同期されたオン・ポリシーの更新を完了させる。 0.5Bパラメータで、MATCHはR2R-CEとRxR-CEのベンチマークで最先端のパフォーマンスを達成する。予備的な実ロボットの展開は、その実用可能性をさらに示している。

関連論文リスト

From VLM Planners to Robotic Agents: Self-Evolving Harnesses for History-Dependent Manipulation [90.66992093913662]
長距離タスクはマルコフに依存しない。低レベルの実行から高レベルの計画を切り離す階層アーキテクチャを導入します。本稿では,SERA(Self-Evolving Robotic Agent)として,VLAエグゼキュータを固定した手法を提案する。
論文参考訳（メタデータ） (2026-10-21T10:49:49Z)
EmbodiedSkills: A Unified Framework for Orchestrating, Training, and Deploying VLA Agents [56.25120535601186]
視覚言語アクション(VLA)モデルは、視覚観察と言語指示を直接ロボットアクションにマッピングする。本稿では,各スキル決定を実行提案として扱うフレームワークであるEmbodiedSkillsを提案する。共有可能スキルインタフェースは、ハイレベルスキル選択、バウンドローレベルVLA実行、ポストアクション検証を接続する。
論文参考訳（メタデータ） (2026-09-01T14:14:47Z)
TempAct: Advancing Temporal Plausibility in Autoregressive Video Generation via Planner-Executor RL [72.7712729541565]
自己回帰(AR)ビデオ拡散モデルにより、ビデオチャンクをキャッシュされたビジュアルコンテキストでチャンクで合成することで、低レイテンシなストリーミング生成を可能にする。 1つのグローバルプロンプトは、どのサブイベントを各チャンクで実現すべきかを指定しないが、ステップワイズプロンプトにナビゲート的に切り替えると、しばしば遅延反応、ブレンドステップセマンティクス、プロンプト遷移間のエラー伝播につながる。我々は、時間分解とステップ条件付き実行を協調的に最適化し、時間分解可能なARビデオ生成のためのプランナー-実行型強化学習フレームワークであるTempActでこれらの課題に対処する。
論文参考訳（メタデータ） (2026-06-26T12:19:28Z)
PearlVLA: Progressive Embodied Action-Plan Refinement in Latent Space [3.4519796338615225]
本稿では,視覚言語モデル(VLM)の潜在空間に議論を移すフレームワークであるPearlVLAを提案する。 future-guided RefineNetは、粗いセマンティックドラフトを細かな潜在アクションプランに段階的に洗練するために、定期的な更新を適用する。 PearlVLAは、既存のメソッド間で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） (2026-06-16T13:38:03Z)
RePlan-Bot: Multi-Level Replanning for Embodied Instruction Following [39.9780803736704]
EIF(Embodied instruction following)は、対話型3D環境において複雑な自然言語コマンドを理解し実行する必要がある。 RePlan-Botはタスク実行全体を通してマルチレベルかつ連続的な再計画を行う新しいEDFエージェントである。
論文参考訳（メタデータ） (2026-05-25T13:44:18Z)
ProcVLM: Learning Procedure-Grounded Progress Rewards for Robotic Manipulation [25.420455584290465]
ロングホライゾンのロボット操作は、タスクが手続き段階を通してどのように進行するかを反映した密集したフィードバックを必要とする。本稿では,プログレッシブ・アウェア・ビジョン言語モデルであるProcVLMについて述べる。
論文参考訳（メタデータ） (2026-05-09T08:00:59Z)
Bridging Values and Behavior: A Hierarchical Framework for Proactive Embodied Agents [26.613956143957548]
textitValuePlannerは階層的な認知アーキテクチャで、低レベルのアクション実行から高レベルの値スケジューリングを分離する。我々の研究は、内在的価値をブリッジする構造的なアプローチと、自律的エージェントに対する接地行動を提供する。
論文参考訳（メタデータ） (2026-04-30T10:43:55Z)
Long-Horizon Manipulation via Trace-Conditioned VLA Planning [55.80061850746898]
LoHo-Manipは、短い水平VLA実行を専用のタスク管理VLMを介して長い水平命令にスケールするフレームワークである。 LoHo-Manipは、サブタスクシーケンスと明示的な完了+残り分割を軽量言語メモリとして組み合わせた、進捗対応の残計画を予測する。実行器VLAは、レンダリングされたトレースの条件に適合し、長い水平決定を繰り返しローカル制御に変換する。
論文参考訳（メタデータ） (2026-04-23T17:59:04Z)
See, Plan, Rewind: Progress-Aware Vision-Language-Action Models for Robust Robotic Manipulation [59.07792608884117]
本稿では,See, Plan, Rewind (SPR)について紹介する。 SPRは、現在の状態と今後のマイルストーンを見て、次の2Dウェイポイントに向けて軌道を計画し、障害時に回復可能な状態に戻すという、継続的なコアサイクルを通じて運用される。 SPRは、OpenVLA-OFTとUniVLAを上回る最小のパフォーマンス低下で最先端のロバスト性を達成する。
論文参考訳（メタデータ） (2026-03-10T07:22:51Z)
Exploratory Retrieval-Augmented Planning For Continual Embodied Instruction Following [30.757285244293794]
本研究では,動的非定常環境におけるエンボディエージェントのタスクに追従した継続的指導に対処するために,探索的検索型拡張計画(ExRAP)フレームワークを提案する。このフレームワークは、物理環境を効率的に探索し、環境コンテキスト記憶を確立することにより、大規模言語モデルの具体的推論能力を高める。目標達成率と実行効率の両面で、最先端のLCMベースのタスク計画アプローチを一貫して上回ります。
論文参考訳（メタデータ） (2025-09-10T01:39:51Z)

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。