論文の概要: GeoGuesser Bench: Benchmarking Vision-Language Agents on Interactive Geolocation

• arxiv url: http://arxiv.org/abs/2611.02698v1
• Date: Mon, 02 Nov 2026 07:50:57 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:15:26.136572
• Title: GeoGuesser Bench: Benchmarking Vision-Language Agents on Interactive Geolocation
• Title（参考訳）: GeoGuesser Bench: インタラクティブなジオロケーション上でのビジョンランゲージエージェントのベンチマーク
• Abstract要約: オープンワールドで行動する視覚言語モデル(VLM)エージェントには、2つの能力が必要だ。 エージェントが対話型視覚的位置決めによってこの2つを組み合わせる方法について検討する。 GeoGuesser Benchはオフラインのストリートビュー環境に282のタスクが含まれており、エージェントは実際のパノラマを回転、ズーム、移動する。
• 参考スコア（独自算出の注目度）: 26.03705700411885
• License:
• Abstract: Vision-language model (VLM) agents that act in the open world need two abilities: world knowledge to interpret what they see, and exploration to find what they cannot yet see. We study how agents combine the two through interactive visual geolocation. GeoGuesser Bench contains 282 tasks in an offline Street View environment where agents rotate, zoom, and move between real panoramas. Its three task types shift the balance from knowledge to exploration: agents (1) report the coordinates of their starting location, (2) name the enclosing street, city, state, or country, or (3) find, read, and count nearby objects. The coordinate tasks in (1) also include 42 real GeoGuessr World Championship rounds, whose expert guesses provide a human reference. We evaluate 23 VLMs: the best accuracy is 62.5% on place naming and 35.0% on object finding, and the best agent averages 4352.4 GeoGuessr points on the championship rounds, against 4770.3 for the better expert in each round. Beyond these headline numbers, world knowledge and exploration are only weakly correlated across models: agents that localize well do not necessarily explore well. To understand where agents fail, we categorize their errors into vision, navigation, and tool-use failures. Further ablations show that the strongest agents, such as Claude Opus 4.8, still perform well with limited views, while weaker agents degrade; customizing the environment thus adjusts task difficulty. The environment's verifiable rewards and restorable state also support training, and our Planner-Worker-Compressor harness cuts planner tokens by 57-61% by compacting the interaction history. We hope GeoGuesser Bench and its environment serve as a high-quality foundation for simulating real-world exploration at scale.
• Abstract（参考訳）: オープンワールドで行動する視覚言語モデル(VLM)エージェントには、2つの能力が必要だ。 エージェントが対話型視覚的位置決めによってこの2つを組み合わせる方法について検討する。 GeoGuesser Benchはオフラインのストリートビュー環境に282のタスクが含まれており、エージェントは実際のパノラマを回転、ズーム、移動する。 その3つのタスクタイプは、そのバランスを知識から探索へとシフトさせる:(1)エージェントが開始位置の座標を報告し、(2)囲む通り、都市、州、国を名付け、(3)近くの物体を見つけ、読み、数える。 1)の座標タスクには、実際のGeoGuessr World Championshipの42ラウンドも含まれている。 我々は23個のVLMを評価し、最適な精度は場所の命名で62.5%、オブジェクトの発見で35.0%、最高のエージェントは選手権ラウンドで4352.4 GeoGuessrポイント、各ラウンドで4770.3ポイントである。 これらの見出し数以外では、世界知識と探索はモデル間で弱い相関関係にあるだけであり、よく局在するエージェントは必ずしもよく探索するとは限らない。 エージェントがどこで失敗するかを理解するために、それらのエラーを視覚、ナビゲーション、ツール使用障害に分類する。 さらに、クロード・オプス4.8のような最強のエージェントは、限られた視点で依然としてよく機能し、弱いエージェントは分解し、環境をカスタマイズすることでタスクの難易度を調整している。 環境の検証可能な報酬と回復可能な状態もトレーニングをサポートし、Planner-Worker-Compressorは相互作用履歴をコンパクト化することによってプランナートークンを57-61%削減します。 GeoGuesser Benchとその環境が、大規模な現実世界の探査をシミュレートするための高品質な基盤となることを願っている。

関連論文リスト

• Mine Odyssey: Benchmarking Spatial Agentic Intelligence in the Wild [33.47306728285813]
  我々は,実世界の場所のマインクラフト再構成を用いたエージェント空間知能評価のベンチマークであるMine Odysseyを紹介する。 20の国、20の大陸、20の屋外、10の屋内環境を含む5つの大陸にまたがる30の場所をカバーする180のタスクで構成されている。 これらの設定は、ミッドタウン・マンハッタンから田舎のエントロップ、サンタルーカ・ヒル、バッキンガム・パレスまで、様々な空間スケール、レイアウト、地形、接続パターンにまたがっている。
  論文  参考訳（メタデータ） (2026-10-08T06:26:43Z)
• Are Frontier VLM Agents Ready to Be Robot Generalists? An Empirical Study with the Embodied Agent Arena [52.33857619195848]
  本研究では,空洞型エージェントArenaを導入し,幾何学,空間推論,アフォーダンス,タスクプランニング,マニピュレーションにまたがる7つのVLMエージェントを評価する。 精度推定におけるアストラの強みと使用可能な接触局所化は、トレースにおける終端誤差と低い家庭用タスク完了において共存する。
  論文  参考訳（メタデータ） (2026-10-01T00:14:50Z)
• GeoAgent: Evaluating VLM Geolocalization Through Embodied Navigation [1.7370190083648793]
  現代のビジョンランゲージモデル(VLM)は、画像のジオローカライゼーションにおいて、人間のベースラインよりはるかに高い性能を発揮する。 我々は,エージェントがストリートビュー環境をナビゲートする必要があるエージェント環境ベースのベンチマークであるtextbfGeoAgentを紹介する。 我々の分析によると、現代のVLMは、国や大陸レベルでの予測を成功させながら、地域パターンの識別に苦慮している。
  論文  参考訳（メタデータ） (2026-08-30T00:19:49Z)
• GeoR-Bench: Evaluating Geoscience Visual Reasoning [102.4693880357753]
  現在のAIシステムが、真の地球科学の知性を達成するまでの距離は、まだ不明だ。 我々は,インフォメーション・ビジュアル・編集タスクの推論を通じて,アンダーライン評価のためのアンダーラインベンチマークである textbfGeoR-Bench を提案する。
  論文  参考訳（メタデータ） (2026-05-12T05:13:37Z)
• Learning to Wander: Improving the Global Image Geolocation Ability of LMMs via Actionable Reasoning [72.13218601075958]
  textbfWanderBenchは,具体的シナリオにおける行動可能な位置情報推論のための,最初のオープンアクセスグローバルジオロケーションベンチマークである。 我々は,下線Action of UnderlineThoughを用いた下線Geolocationフレームワークである textbfGeoAoT (Action of Thought) を提案する。 19個の大規模マルチモーダルモデルによる実験により、GeoAoTは動的環境におけるより優れた微細な局所化とより強力な一般化を実現することが示された。
  論文  参考訳（メタデータ） (2026-03-11T06:24:10Z)
• Where on Earth? A Vision-Language Benchmark for Probing Model Geolocation Skills Across Scales [61.03549470159347]
  視覚言語モデル (VLM) は急速に進歩しているが, オープンワールド環境における画像位置決め能力は, 網羅的に評価されていない。 我々は、視覚認識、ステップバイステップ推論、エビデンス利用を評価するVLM画像位置情報の総合ベンチマークであるEarthWhereを提示する。
  論文  参考訳（メタデータ） (2025-10-13T01:12:21Z)
• GeoExplorer: Active Geo-localization with Curiosity-Driven Exploration [24.01750902074338]
  アクティブジオローカライゼーション(Active Geo-localization, AGL)は、事前に定義された検索領域内のゴールをローカライズするタスクである。 現在の手法は距離に基づく報酬を伴う目標獲得強化学習問題としてAGLにアプローチしている。 固有報酬による好奇心駆動探索を取り入れたAGLエージェントGeoExplorerを提案する。
  論文  参考訳（メタデータ） (2025-07-31T20:23:25Z)
• Geolocation with Real Human Gameplay Data: A Large-Scale Dataset and Human-Like Reasoning Framework [59.42946541163632]
  3つの重要なコンポーネントを持つ包括的位置決めフレームワークを導入する。 大規模データセットGeoComp、新しい推論手法GeoCoT、評価指標GeoEval。 また,GeoCoTは解釈可能性を高めつつ,位置情報の精度を最大25%向上させることを示した。
  論文  参考訳（メタデータ） (2025-02-19T14:21:25Z)
• GeoLLM-Engine: A Realistic Environment for Building Geospatial Copilots [1.8434042562191815]
  GeoLLM-Engineは、リモートセンシングプラットフォーム上でアナリストが日常的に実行する複雑なタスクを備えた、ツール拡張されたエージェントのための環境である。 我々は100GPT-4-Turboノードにまたがる巨大な並列エンジンを活用し、50万以上の多様なマルチツールタスクと1100万の衛星画像にスケールします。
  論文  参考訳（メタデータ） (2024-04-23T20:23:37Z)

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。