Fugu-MT 論文翻訳(概要): Beyond Trial-and-Error: A Geospatial-Guided Active Reasoning Framework for Robust Aerial Vision-and-Language Navigation

論文の概要: Beyond Trial-and-Error: A Geospatial-Guided Active Reasoning Framework for Robust Aerial Vision-and-Language Navigation

arxiv url: http://arxiv.org/abs/2610.41446v1
Date: Fri, 30 Oct 2026 08:50:07 GMT
ステータス: 翻訳完了
システム内更新日: 2026-11-02 22:05:31.66584
Title: Beyond Trial-and-Error: A Geospatial-Guided Active Reasoning Framework for Robust Aerial Vision-and-Language Navigation
Title（参考訳）: 地理空間ガイドによるロバスト航法用アクティブ推論フレームワークの試行錯誤
Abstract要約: VLN(Aerial Vision-and-Language Navigation)は、UAVが大規模都市環境で言語指定の目標を特定することを要求する。我々は,Aerial VLNのパラダイムをリアクティブトライ・アンド・エラーから地理空間誘導型アクティブ推論に移行するフレームワークであるGeoReasonerを提案する。
参考スコア（独自算出の注目度）: 34.53204182588693
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Aerial Vision-and-Language Navigation (VLN) requires UAVs to locate language-specified goals in large-scale urban environments, where objects often appear small and visually ambiguous from high-altitude viewpoints. Existing methods largely follow a reactive paradigm common in indoor VLN, repeatedly updating navigation states from local observations while underutilizing the geospatial structure that remains stable during navigation. As a result, visually similar distractors can cause a reactive goal search to repeatedly reinforce locally plausible goal hypotheses based on passively accumulated evidence, leading to unreliable localization. To address this, we propose GeoReasoner, a robust framework that shifts the paradigm of Aerial VLN from reactive trial-and-error to geospatial-guided active reasoning. Specifically, GeoReasoner first performs pre-search geospatial reasoning to derive region-level priors and constrain the goal hypothesis space. Building on these, it further conducts hypothesis-driven exploration to actively acquire discriminative evidence and refine competing goal hypotheses. Finally, consistency-aware goal verification adversarially assesses complementary evidence sources before stopping, hence reducing premature or erroneous goal confirmations. Experiments on the real-world CityNav benchmark demonstrate that GeoReasoner sets a new SOTA among zero-shot Aerial VLN methods while competing favorably with supervised approaches.
Abstract（参考訳）: VLN(Aerial Vision-and-Language Navigation)は、大規模都市環境において、高高度の視点から、物体が小さく、視覚的に曖昧に見えるように、UAVに言語指定の目標を見つけることを要求する。既存の手法は主に屋内のVLNに共通する反応性パラダイムに従っており、航法中に安定な地理空間構造を利用しながら、局所的な観測から航法状態を繰り返し更新する。その結果、視覚的に類似した障害は、受動的に蓄積された証拠に基づいて局所的に妥当な目標仮説を繰り返し補強し、信頼性の低い局所化をもたらす。そこで本稿では,Aerial VLNのパラダイムをリアクティブトライアル・アンド・エラーからジオ空間誘導型アクティブ推論へシフトする,堅牢なフレームワークであるGeoReasonerを提案する。具体的には、GeoReasonerはまず、地域レベルの事前を導出し、目標仮説空間を制約するための地理空間的推論を行う。これらに基づいて、さらに仮説駆動の探索を行い、差別的証拠を積極的に取得し、競合する目標仮説を洗練させる。最後に、整合性を考慮したゴール検証は停止前に相補的なエビデンスソースを逆向きに評価し、早や誤のゴール確認を減らす。実世界のCityNavベンチマークの実験では、GeoReasonerがゼロショットのAerial VLNメソッドに新しいSOTAをセットし、教師付きアプローチと好意的に競合することを示した。

関連論文リスト

Have You Seen It Clearly? Uncertainty-Guided Belief Refinement for Zero-Shot Object Navigation [19.358744228777873]
RefBeliefMapは、ターゲット位置の信念と空間的および意味的な証拠の不確実性を区別する。 RefBeliefNavは、新しい証拠が検索値を変えるため、歴史的な場所を再考することを可能にする。
論文参考訳（メタデータ） (2026-10-11T05:56:30Z)
GG-Nav: Goal-oriented Grounding Chain-of-Thought Elicits Reasoning in Navigation Foundation Models [19.69254187958623]
GG-Navは、教師付き微調整によって構造化チェーン機構を学習するナビゲーションフレームワークである。 GG-Navは,HM3D ObjectNav, VL-LN, CoINベンチマークにおける成功率において,最先端の手法よりも優れていることを示す。我々はまた、GG-NavをUnitree Go2ロボットにデプロイし、実世界の見えない環境でゼロショット能力を実証した。
論文参考訳（メタデータ） (2026-10-10T03:54:19Z)
VCN-Bench: A Video-Contextualized Navigation Benchmark for Spatial Reasoning over Prior Visual Experience [50.965801006170096]
本稿では,MLLMの視覚経験よりも閉ループ空間推論を探索するためのベンチマークであるVCN-Benchを紹介する。 Matterport3Dをベースとして、VCN-Benchは5つのインストラクションタイプ、100kのトレーニングエピソード、1,250の評価エピソードを含む。実験では、航法性能の制限、実質的な航法解像度と航法距離、正確な航法識別後にも頻繁な航法障害が示される。
論文参考訳（メタデータ） (2026-09-28T09:12:56Z)
Dual-Layer Semantic-Spatial Belief Mapping for Aerial Object Goal Navigation [42.980962327113495]
航空目標航法(Aerial Object Goal Navigation、ObjectNav)は、無人の航空機で、未知の屋外環境において記述された目標を見つける。視覚言語モデル(VLM)は、オープンエンドの目標記述と視覚的観察を解釈できるが、フレームレベルの出力は、しばしばノイズが多く、スパースで、空間的に過渡的である。本稿では,過渡的VLM観測を永続的空間誘導に変換する2層意味空間的信念マッピングフレームワークであるAeroBeliefを提案する。
論文参考訳（メタデータ） (2026-09-08T02:47:49Z)
Map the Possibilities: Spatial Belief Fields for Language-Goal Aerial Navigation [49.03955946482723]
SBFNavは、言語条件付き空間的信念場を中心としたクローズドループナビゲーションフレームワークである。主に観測されたことを記録しているエゴ中心の地図とは異なり、SBFレポジトリ-はタスク条件付き分布を可視な目標位置上で再送する。 SBFNavは、制御のためのメットリックなウェイポイントとして、命令と観察に最も適したゴールを選択する。
論文参考訳（メタデータ） (2026-09-05T03:11:01Z)
DynCur-Geo: Dynamic Curiosity Reward Shaping for Multimodal Active Geo-Localization [13.538716801280769]
アクティブなジオローカライゼーションにより、低高度のUAVは、限られたローカル航空観測から特定の目標を探索することができる。既存の好奇心駆動手法は、探索全体を通して固定された内因性逆戻り重みを割り当てる。そこで我々はDynCur-Geoを提案する。DynCur-Geoは動的好奇心のフレームワークで、予測エラー固有の報酬を目標距離に応じて調整する。
論文参考訳（メタデータ） (2026-08-19T08:24:49Z)
Rethinking Embodied Navigation via Relational Inductive Bias [53.72276435022479]
本稿では,DB-Navを提案する。標的中心の関係を活性化バイアスと抑制バイアスに分類する。成功率(SR)と成功率(SPL)はパス長さ(SPL)が重み付けされているため、既存の方法よりも著しく優れています。
論文参考訳（メタデータ） (2026-06-09T02:57:34Z)
Seeing Where to Deploy: Metric RGB-Based Traversability Analysis for Aerial-to-Ground Hidden Space Inspection [48.120690574682875]
本稿では,RGBを用いた幾何学的意味的再構成と,空中から地上への隠れ空間検査のためのトラベル可能性解析フレームワークを提案する。テザリングされたUAV-UGVプラットフォームでの実験では、隠れた空間シナリオにおける信頼性の高いデプロイメントゾーンの識別が示されている。
論文参考訳（メタデータ） (2026-03-15T22:20:59Z)
GOMAA-Geo: GOal Modality Agnostic Active Geo-localization [49.599465495973654]
エージェントが空中ナビゲーション中に観測された一連の視覚的手がかりを用いて、複数の可能なモダリティによって特定されたターゲットを見つけるという、アクティブなジオローカライゼーション(AGL)の課題を考察する。 GOMAA-Geo は、ゴールモダリティ間のゼロショット一般化のためのゴールモダリティアクティブなジオローカライゼーションエージェントである。
論文参考訳（メタデータ） (2024-06-04T02:59:36Z)

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。