論文の概要: WayTrace: A Map-to-Language-to-Trace Hierarchy for Embodied Urban Navigation

• arxiv url: http://arxiv.org/abs/2611.05129v1
• Date: Tue, 03 Nov 2026 16:13:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-07 14:13:02.849523
• Title: WayTrace: A Map-to-Language-to-Trace Hierarchy for Embodied Urban Navigation
• Title（参考訳）: WayTrace: 都市ナビゲーションのためのマップ・ツー・ランゲージ・ツー・トラック階層
• Abstract要約: WayTraceは、Webマップの方向とロボットの動きを言語で結びつける階層システムだ。 市販の視覚言語モデルは、ターンバイターン方向、衛星地図、最近のカメラ画像を読み、一度に1つの原子言語コマンドを発行する。 道路レベルの画像から自動的に100万以上のラベル付けされたサンプルに基づいてトレーニングされたオンボードトレース予測器は、このコマンドを画像に描画する。
• 参考スコア（独自算出の注目度）: 9.996569165365186
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Web services provide walking directions for nearly every city, but following them reliably over long routes remains challenging for autonomous robots. Point-goal navigation policies rely heavily on accurate GNSS, while most vision-language navigation models struggle to execute even short instructions outdoors. We present WayTrace, a hierarchical system that connects web-map directions to robot motion through language. An off-the-shelf orchestrator vision-language model reads the turn-by-turn directions, a satellite map and recent camera images, and issues one atomic language command at a time, such as "cross the road to the left". An onboard trace predictor, trained on over one million automatically labelled samples from street-level images, draws the path for this command in the image, and a reinforcement learning policy tracks it. In long-range simulated missions, WayTrace remains robust to GNSS noise and rarely leaves crosswalks or sidewalks, while point-goal baselines degrade sharply with about ten times more violations. Deployed on a wheeled-legged robot, WayTrace completes real-world missions of up to 1.37 km at about 1.1 m/s through a busy city centre, rural trails and a university campus, handling crosswalks, staircases and construction sites. Project page: https://way-trace.github.io
• Abstract（参考訳）: ウェブサービスは、ほぼすべての都市に歩行案内を提供するが、自律ロボットにとっては長い道のりを確実に追うことは難しい。 ポイントゴールナビゲーションポリシーは正確なGNSSに大きく依存しているが、ほとんどの視覚言語ナビゲーションモデルは屋外で短い指示を実行するのに苦労している。 本稿では,Webマップの方向とロボットの動きを言語を介して接続する階層システムであるWayTraceを紹介する。 市販のオーケストレータビジョン言語モデルでは、ターンバイターンの方向、衛星マップ、最近のカメライメージが読み込まれ、「左への道路を横切る」など、一度に1つの原子言語コマンドが発行される。 道路レベルの画像から100万以上のサンプルを自動的にラベル付けしてトレーニングされた、オンボードのトレース予測器は、画像中のこのコマンドの経路を描画し、強化学習ポリシーが追跡する。 長距離のシミュレーションミッションでは、WayTraceはGNSSノイズに頑丈であり、横断歩道や歩道はめったにない。 車輪付き脚ロボットに配備されたWayTraceは、繁華街の中心部、田舎の小道、大学キャンパスを通り、横断歩道、階段、建設現場を扱い、約1.1m/sで1.37kmの現実世界のミッションを完了している。 プロジェクトページ: https://way-trace.github.io

関連論文リスト

• LightNav-0: Eliciting VLM Spatial Intelligence for Generalist Embodied Navigation [52.91080323083409]
  エージェントは異質な目標や視覚的な観察をタスク、環境、ロボットの体現物に翻訳する必要がある。 ここでは,タスク固有の予測ヘッドを使わずに,予め訓練されたVLMの空間的知性を取り入れた,コンパクトな一般化型ナビゲーションモデルLightNav-0を提案する。
  論文  参考訳（メタデータ） (2026-08-31T15:08:53Z)
• Learning Traversability-Aware Global Planners for Long Horizon Off-Road Navigation [4.184845027588593]
  オーバヘッドデータから連続的トラバーサビリティマップを学習する効率的な定式化を提案する。 1244,mathrmkm2$の多様な地形と130,mathrmkm2$の人間の運転を合わせた299のシーンの公開データセットを公開しました。 クリアパス・ワーソーグ(Clearpath Warthog)のフィールドトライアルでは、2つの場所で7つのルートを横断し、3.66%の人道長の軌道を達成し、ローカルプランナーと比較してオペレーターの介入を$sim!85%減らす。
  論文  参考訳（メタデータ） (2026-07-26T16:36:35Z)
• G-DRAGON: Geospatial Reasoning and Dynamic Planning for Retrieval-Augmented Outdoor Navigation [8.375852792481576]
  G-DRAGONは、屋外のオープンワールドナビゲーションのための検索拡張フレームワークである。 軽量LLMに基づく生成検索により、自然言語コマンドをバージョン管理されたローカルOSMエンティティにマッピングする。 高レベルの計画モジュールは、SLAMシステムでグローバルなトポロジカルなルートをブリッジし、地理空間的な経路をロボットのナビゲート可能なフレームに投影する。
  論文  参考訳（メタデータ） (2026-05-25T09:52:58Z)
• RoboTracer: Mastering Spatial Trace with Reasoning in Vision-Language Models for Robotics [53.053660003572965]
  本稿では,3次元空間参照と計測の両方を初めて実現した3D対応VLMであるRoboTracerを提案する。 RoboTracerは、強化微調整により、多段階のメートル法推論を進める。 本稿では,空間的トレーシングを評価する上で困難なベンチマークであるTraceSpatial-Benchを提案する。
  論文  参考訳（メタデータ） (2025-12-15T18:52:43Z)
• YOPO-Nav: Visual Navigation using 3DGS Graphs from One-Pass Videos [5.7772802828964664]
  本稿では,環境を3次元ガウススプラッティング(3DGS)モデルと相互接続した空間表現に符号化するYOPO-Navを提案する。 ナビゲーション中、このフレームワークはロボットの現在の視覚的観察をこの表現と整列させ、それを実証された軌道に戻す行動を予測する。 本稿では,Clearpath Jackal ロボットを用いた YOPO-Campus のトラジェクトリに対する最近の視覚ナビゲーション手法のベンチマークを行った。
  論文  参考訳（メタデータ） (2025-12-10T18:32:38Z)
• RoadRunner M&M -- Learning Multi-range Multi-resolution Traversability Maps for Autonomous Off-road Navigation [12.835198004089385]
  RoadRunner (M&M) はエンドツーエンドの学習ベースのフレームワークで、さまざまな範囲のトレーバービリティと標高マップを直接予測する。 RoadRunner M&Mは、標高マッピングで最大50%の大幅な改善と、RoadRunner上でのトラバーサビリティ推定で30%の大幅な改善を実現している。
  論文  参考訳（メタデータ） (2024-09-17T07:21:03Z)
• Vehicle Perception from Satellite [54.07157185000604]
  データセットは、GTA-Vから記録された12の衛星ビデオと14の合成ビデオに基づいて構築されている。 小さなオブジェクトの検出、カウント、密度推定など、いくつかのタスクをサポートする。 128,801両は完全に注釈付けされており、各画像の車両数は0から101まで様々である。
  論文  参考訳（メタデータ） (2024-02-01T15:59:16Z)
• LM-Nav: Robotic Navigation with Large Pre-Trained Models of Language, Vision, and Action [76.71101507291473]
  本稿では,無注釈の大規模軌跡データに対するトレーニングの恩恵を享受するロボットナビゲーションシステムLM-Navを提案する。 本研究では,ナビゲーション(ViNG),画像言語アソシエーション(CLIP),言語モデリング(GPT-3)の事前学習モデルから構築可能なシステムについて述べる。
  論文  参考訳（メタデータ） (2022-07-10T10:41:50Z)
• ViKiNG: Vision-Based Kilometer-Scale Navigation with Geographic Hints [94.60414567852536]
  長距離航法には、計画と局所的な移動可能性の推論の両方が必要である。 学習と計画を統合する学習に基づくアプローチを提案する。 ViKiNGは、画像ベースの学習コントローラを利用できる。
  論文  参考訳（メタデータ） (2022-02-23T02:14:23Z)

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。