論文の概要: Ask to Evolve: A Unified Harness for Lifelong Embodied Navigation with Hybrid Action Space and Persistent Memory

• arxiv url: http://arxiv.org/abs/2610.39446v1
• Date: Thu, 29 Oct 2026 06:19:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 23:44:36.214209
• Title: Ask to Evolve: A Unified Harness for Lifelong Embodied Navigation with Hybrid Action Space and Persistent Memory
• Title（参考訳）: Ask to Evolve:ハイブリッドアクション空間と永続記憶を備えた生涯体操ナビゲーションのための統一されたハーネス
• Abstract要約: EvoLifeは、マルチモーダルエンボディエージェントが移動方法を選択することを可能にする統合ナビゲーションハーネスである。 ハイブリッドアクションスペースは、ウェイポイントナビゲーション、局所的な離散調整、ピクセルベースのナビゲーション、オブジェクト指向ナビゲーションをサポートする。 視覚言語ナビゲーション,オブジェクトナビゲーション,対話型インスタンスナビゲーション,連続マルチタスクナビゲーションの4つのタスクファミリーを対象とした8つのベンチマークを評価した。
• 参考スコア（独自算出の注目度）: 30.623060272547036
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Giving embodied agents the freedom to act autonomously, initiate interactions, and understand their surroundings through experience is a step toward bringing them to life in the physical world. Realizing this vision requires action, interaction, and memory to work together, so that each encounter can inform current decisions and contribute experience for future tasks. We present EvoLife, a unified navigation harness that enables a multimodal embodied agent to choose how to move, when to ask, and what experience to carry forward. Its hybrid action space supports waypoint navigation, local discrete adjustments, pixel-based navigation, and object-directed navigation. Active interaction allows the agent to seek clarification or assistance when it encounters ambiguity or difficulty, while persistent spatial memory binds observations and dialogue to places, retaining useful experience to guide subsequent visits. We evaluate eight benchmarks across four task families: vision-language navigation, object navigation, interactive instance navigation, and continuous multi-task navigation. With an average of only 1.87 active interactions per episode, our method achieves a first-visit success rate (SR) of 100% across four 100-episode sets spanning vision-language navigation and object navigation. Complete-sequence SR reaches 98% on 50 LHPR-VLN sequences and 94% on 50 GOAT-Bench sequences. In the R2R revisit setting, success weighted by path length (SPL) increases from 82.23% to 93.31% with retained experience. Multi-day physical navigation further demonstrates exploration, proactive help-seeking, and revisiting remembered places. Together, these results advance the vision of bringing embodied agents to life through autonomous action, proactive interaction, and the accumulation and reuse of experience.
• Abstract（参考訳）: インボディードエージェントに、自律的に行動し、相互作用を開始し、経験を通して周囲を理解する自由を与えることは、物理的な世界でそれらが生きていくためのステップである。 このビジョンを実現するには、一緒に働くためにはアクション、インタラクション、メモリが必要です。 EvoLifeは、マルチモーダルなエンボディエージェントが、どのように移動し、いつ、どの体験を前進させるかを選択することができる統一ナビゲーションハーネスである。 ハイブリッドアクションスペースは、ウェイポイントナビゲーション、局所的な離散調整、ピクセルベースのナビゲーション、オブジェクト指向ナビゲーションをサポートする。 アクティブな相互作用により、エージェントはあいまいさや難易度に遭遇した際の明確化や援助を求めることができ、一方、持続的な空間記憶は観察と対話を場所と結び付け、その後の訪問を案内するのに有用な経験を保持する。 視覚言語ナビゲーション,オブジェクトナビゲーション,対話型インスタンスナビゲーション,連続マルチタスクナビゲーションの4つのタスクファミリーを対象とした8つのベンチマークを評価した。 本手法は,1話あたり平均1.87のアクティブなインタラクションしか行わず,視覚言語ナビゲーションとオブジェクトナビゲーションにまたがる4つの100エピソードセットに対して,最初のビジット成功率(SR)を100%達成する。 完全系列SRは50LHPR-VLN配列で98%、50GOAT-Bench配列で94%に達する。 R2Rの再検討では、パス長(SPL)で重み付けされた成功率は82.23%から93.31%に増加し、継続した経験を持つ。 複数日間の物理的なナビゲーションは、探索、積極的に助けを求めること、記憶されている場所を再考することをさらに示している。 これらの結果は、自律的な行動、積極的相互作用、経験の蓄積と再利用を通じて、エンボディエージェントを生命にもたらすというビジョンを前進させる。

関連論文リスト

• EBV-CAN: Vision--Language Grounding for Contact-Aided Endoscope Navigation [8.922881193315478]
  外部の鳥の目視接触支援ナビゲーション(EBV-CAN) 本稿では,外野鳥の目視接触支援ナビゲーション(EBV-CAN)について紹介する。
  論文  参考訳（メタデータ） (2026-10-22T06:05:30Z)
• SuperNav: An Agentic Navigation System for Any Task in Any Scene [87.46227831610359]
  汎用サービスロボットは、不慣れな環境で多様な人間の要求を処理できるナビゲーションシステムを必要とする。 SuperNavは、MLLMのナビゲーション固有の微調整なしで、特別なエージェントハーネスを備えた事前訓練されたMLLMを装備する。 SuperNavは、インスタンスレベル、マルチオブジェクト、要求駆動タスクで評価されたベースラインを4つ上回っている。
  論文  参考訳（メタデータ） (2026-10-08T15:19:40Z)
• 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)
• GPT-6-Astra Lights Up Embodied Navigation: Evaluation in Zero-Shot Vision-and-Language Navigation in Continuous Environments [43.03393333823919]
  我々は,汎用基盤モデルであるGPT-6-Astraが,自覚,推論,意思決定能力を用いて,慣れていない環境をナビゲートできるかどうかを検討する。 単分子RGBを用いて、GPT-6-Astraはいつ観測し、どのように移動し、いつ停止するかを決定する。 R2R-CE-100では、GPT-6-Astraが81.3%の成功率を記録し、最強のゼロショットと、列車による成功率も15.3ポイント、9.2ポイントを超えた。
  論文  参考訳（メタデータ） (2026-09-24T14:21:26Z)
• Towards Versatile Embodied Navigation [120.73460380993305]
  ウィーンは多機能なエンボディナビゲーションエージェントであり、同時に4つのナビゲーションタスクを1つのモデルで実行することを学ぶ。 視覚的なナビゲーションタスクを個別に学習するのに対し、エージェントは複雑さを減らして同等またはそれ以上の性能を達成することを実証的に実証した。
  論文  参考訳（メタデータ） (2022-10-30T11:53:49Z)
• Explore before Moving: A Feasible Path Estimation and Memory Recalling Framework for Embodied Navigation [117.26891277593205]
  ナビゲーションに焦点をあて,経験や常識に欠ける既存のナビゲーションアルゴリズムの問題を解決する。 移動前に2回思考する能力に触発されて、不慣れな場面で目標を追求する実現可能な経路を考案し、パス推定とメモリリコールフレームワークと呼ばれる経路計画手法を提案する。 EmbodiedQAナビゲーションタスクにおけるPEMRの強力な実験結果を示す。
  論文  参考訳（メタデータ） (2021-10-16T13:30:55Z)
• Pushing it out of the Way: Interactive Visual Navigation [62.296686176988125]
  エージェントが目標に合わせてより効率的にナビゲートするために環境を変更することを学ぶインタラクティブナビゲーションの問題を研究します。 エージェントの行動によって引き起こされる環境の変化を明示的に予測するために,neural interaction engine(nie)を導入する。 計画中の変更をモデル化することで、エージェントがナビゲーション能力を大幅に改善できることが分かりました。
  論文  参考訳（メタデータ） (2021-04-28T22:46:41Z)
• Active Visual Information Gathering for Vision-Language Navigation [115.40768457718325]
  視覚言語ナビゲーション(VLN)は、エージェントがフォトリアリスティックな環境の中でナビゲーションの指示を行うためのタスクである。 VLNの重要な課題の1つは、曖昧な指示による不確実性を緩和し、環境の観察を不十分にすることで、堅牢なナビゲーションを行う方法である。 この研究は、人間のナビゲーション行動からインスピレーションを得て、よりインテリジェントなVLNポリシーのためのアクティブな情報収集能力を持つエージェントを提供する。
  論文  参考訳（メタデータ） (2020-07-15T23:54:20Z)

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。