論文の概要: Caging Vision-Language Navigation for Legged Robots via Barrier-Certified Safety Architecture
- arxiv url: http://arxiv.org/abs/2611.04972v1
- Date: Tue, 03 Nov 2026 14:29:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-07 22:46:15.94148
- Title: Caging Vision-Language Navigation for Legged Robots via Barrier-Certified Safety Architecture
- Title(参考訳): バリア認証安全アーキテクチャによる脚ロボットのキャージングビジョンランゲージナビゲーション
- Abstract要約: 本稿では,物理的な接地とナビゲーションの安全性を確保する安全アーキテクチャを通じて,Legged-Vision-Language Navigation (VLN) をケージすることを目的とする。
提案システムは、ヒューマノイドと四足歩行ロボットの広範囲な実環境実験により検証された。
- 参考スコア(独自算出の注目度): 7.275795867096286
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: By harnessing the inherent commonsense capabilities of pretrained Large Language Models (LLMs) and Vision-Language Models (VLMs), current Vision-Language Action(VLA) models for legged robots excel at interpreting language-based navigation commands but lack the physical grounding and explicit safety assurance required for real-world operation. Therefore, this paper aims to cage Legged-Vision-Language Navigation (VLN) through a safety architecture that provides physical grounding and ensures navigation safety. The key idea is not to abandon the powerful capabilities of end-to-end VLA planning, but rather to augment and cage them. In particular, we integrate a high-level VLA planner with a low-level physical-grounding layer that leverages efficient state estimation, in-situ 3D spatial perception, and an Signed Distance Field (SDF) representation to generate executable trajectories. We provide a navigation planner with provable collision-avoidance guarantees under the stated assumptions by combining a low-dimensional Bezier-parameterized MPPI planner with Discrete Exponential Barrier Function (dEBF) constraints. The proposed Legged-VLN system is modular, making it compatible with various VLM/VLA models and agnostic to the robot platform. The proposed system is validated with extensive real-world experiments on humanoid and quadrupedal robots, demonstrating versatile, efficient, and safe vision-language driven navigation capabilities.
- Abstract(参考訳): 事前訓練されたLarge Language Models (LLMs) とVision-Language Models (VLMs) の固有のコモンセンス機能を活用することで、言語ベースのナビゲーションコマンドの解釈に長けながら、現実世界の操作に必要な物理的根拠と明示的な安全保証を欠いている脚付きロボットの現在のビジョン・ランゲージ・アクション(VLA)モデルを利用する。
そこで本稿は,物理的な接地とナビゲーションの安全性を確保する安全アーキテクチャを通じて,Legged-Vision-Language Navigation (VLN) をケージすることを目的とする。
鍵となるアイデアは、エンドツーエンドのVLA計画の強力な能力を捨てるのではなく、拡張してケージすることです。
特に,高レベルなVLAプランナと低レベルな物理接地層を統合し,効率的な状態推定,3次元空間認識,および符号付き距離場(Signed Distance Field, SDF)表現を利用して,実行可能な軌道を生成する。
本稿では,低次元ベジエパラメータMPPIプランナと離散指数障壁関数(dEBF)の制約を組み合わせることで,所定条件下での衝突回避保証を実現するナビゲーションプランナを提案する。
提案されたLegged-VLNシステムはモジュール式であり、様々なVLM/VLAモデルと互換性があり、ロボットプラットフォームに非依存である。
提案システムは、ヒューマノイドと四足歩行ロボットの広範囲な実環境実験で検証され、多目的で効率的で安全な視覚言語駆動ナビゲーション機能を示す。
関連論文リスト
- "Dear LLaVA, Please Drive": A Depth-Aware Vision-Language Agent for Closed-Loop Robotic Control [0.2905751301655124]
視覚言語モデル(VLM)は推論駆動のモバイルナビゲーションのための魅力的な基盤を提供する。
本稿では,Imperative Learning パラダイムを用いて,自律ナビゲーションのための事前学習VLMを微調整するパラメータ効率の手法を提案する。
本稿では,自然言語駆動型ロボット制御のためのエンドツーエンドナビゲーションパイプラインについて紹介する。
論文 参考訳(メタデータ) (2026-09-19T10:12:55Z) - FSUNav: A Cerebrum-Cerebellum Architecture for Fast, Safe, and Universal Zero-Shot Goal-Oriented Navigation [8.950226217725994]
本稿では,高速で安全で汎用的なゼロショット目標指向ナビゲーションのためのセルブラム・セレベラムアーキテクチャFSUNavを提案する。
提案アーキテクチャは、視覚言語モデル(VLM)と提案アーキテクチャを統合する。
FSUNavは、オブジェクト、インスタンスイメージ、タスクナビゲーションにおける最先端のパフォーマンスを達成し、既存のメソッドを大幅に上回っている。
論文 参考訳(メタデータ) (2026-04-03T16:01:58Z) - DIAL: Decoupling Intent and Action via Latent World Modeling for End-to-End VLA [72.9197085473598]
DIALはハイレベルな意思決定と低レベルなモーター実行を、差別化可能な潜在意図ボトルネックを通じてブリッジするフレームワークである。
VLMベースのSystem-2は、VLMのネイティブな特徴空間内で、潜伏した視覚的フォレストによって潜伏世界モデリングを行う。
軽量のSystem-1ポリシーでは、この予測された意図と現在の観測結果を正確にロボットの動作にデコードする。
論文 参考訳(メタデータ) (2026-03-31T15:02:27Z) - HUGE-Bench: A Benchmark for High-Level UAV Vision-Language-Action Tasks [73.62053624331227]
Huge-Benchは高レベルUAVビジョンランゲージ・アクションのベンチマークである。
4つの現実世界のデジタルツインシーン、8つのハイレベルタスク、2.56mの軌跡からなる。
プロセスの忠実度、終端精度、安全性を評価するために、プロセス指向および衝突認識メトリクスを導入する。
論文 参考訳(メタデータ) (2026-03-20T10:08:42Z) - AgentVLN: Towards Agentic Vision-and-Language Navigation [78.739525400071]
VLN (Vision-and-Language Navigation) は、複雑な自然言語命令を、見えない環境での長距離ナビゲーションに接地するために、エンボディエージェントを必要とする。
本稿では,エッジコンピューティングプラットフォーム上に展開可能な,新規かつ効率的なナビゲーションフレームワークであるAgentVLNを提案する。
論文 参考訳(メタデータ) (2026-03-18T12:43:47Z) - OpenFrontier: General Navigation with Visual-Language Grounded Frontiers [54.661157616245966]
オープンワールドナビゲーションでは、複雑な日常環境においてロボットが意思決定を行う必要がある。
近年の視覚-言語ナビゲーション(VLN)と視覚-言語-アクション(VLA)モデルは、自然言語で条件付けられたエンドツーエンドのポリシーを実現する。
多様な視覚をシームレスに統合するトレーニングフリーナビゲーションフレームワークであるOpenFrontierを提案する。
論文 参考訳(メタデータ) (2026-03-05T17:02:22Z) - AutoFly: Vision-Language-Action Model for UAV Autonomous Navigation in the Wild [62.47761809929869]
視覚言語ナビゲーション(VLN)は、視覚的観察とともに言語指示を解釈することで、知的エージェントが環境をナビゲートする必要がある。
無人航空機(UAV)の現在のVLN研究は、所定のルートに沿ってUAVを誘導するための詳細な指示に依存している。
本稿では,自律型UAVナビゲーションのためのエンド・ツー・エンドのビジョン・ランゲージ・アクションモデルであるAutoFlyを提案する。
論文 参考訳(メタデータ) (2026-02-10T11:08:07Z) - VLN-Pilot: Large Vision-Language Model as an Autonomous Indoor Drone Operator [1.4878644292213625]
VLN-Pilot(VLN-Pilot)は、大型のビジョン・アンド・ランゲージ・モデル(Vision-and-Language Model)が屋内ドローンナビゲーションにおいて人間のパイロットの役割を担っているフレームワークである。
我々のフレームワークは、言語による意味理解と視覚的知覚を統合し、文脈認識、高レベルの飛行行動を可能にする。
論文 参考訳(メタデータ) (2026-02-05T11:23:11Z) - VAMOS: A Hierarchical Vision-Language-Action Model for Capability-Modulated and Steerable Navigation [16.279434375658457]
VAMOSは階層的なVLAで、セマンティックプランニングを実施基盤から切り離す。
室内および複雑な屋外ナビゲーションにおいて,VAMOSは高い成功率を達成することを示す。
このモデルはシングルロボットの信頼性を著しく向上させ、物理的に不可能な計画を拒否して3倍の成功率を達成する。
論文 参考訳(メタデータ) (2025-10-23T17:59:45Z) - OmniVLA: An Omni-Modal Vision-Language-Action Model for Robot Navigation [49.66156306240961]
視覚に基づくナビゲーションのためのオムニモーダル目標条件付けを可能にするロボット基礎モデルのトレーニングフレームワークを提案する。
提案手法は,高容量な視覚-言語-アクションバックボーンと,3つの主要目標モードを持つトレーニングを利用する。
我々は、OmniVLAが、モダリティにまたがるスペシャリストのベースラインを上回り、新しいモダリティやタスクに微調整するための柔軟な基盤を提供することを示した。
論文 参考訳(メタデータ) (2025-09-23T18:40:29Z) - Grounded Vision-Language Navigation for UAVs with Open-Vocabulary Goal Understanding [1.280979348722635]
ビジョン・アンド・ランゲージナビゲーション(VLN)は、自律ロボット工学における長年にわたる課題であり、複雑な環境をナビゲートしながら、エージェントに人間の指示に従う能力を与えることを目的としている。
本研究では,無人航空機(UAV)に適した言語誘導飛行を行うフレームワークであるビジョン・ランゲージ・フライ(VLFly)を提案する。
論文 参考訳(メタデータ) (2025-06-12T14:40:50Z)
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。