論文の概要: Decide Before You Move: Diffusion-Generated Search Reference for Zero-Shot Open-Vocabulary Object Navigation in Semi-Static Environments
- arxiv url: http://arxiv.org/abs/2611.15093v1
- Date: Wed, 11 Nov 2026 06:09:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.062187
- Title: Decide Before You Move: Diffusion-Generated Search Reference for Zero-Shot Open-Vocabulary Object Navigation in Semi-Static Environments
- Title(参考訳): 移動前の決定:半静的環境におけるゼロショットオープン語彙オブジェクトナビゲーションのための拡散生成検索基準
- Abstract要約: オープンワールドナビゲーションでは,ユーザが指定したターゲットを,オープン語彙クエリの下で屋内シーンに配置する必要がある。
半静的環境上でのObjectNavフレームワークであるPreNavを紹介する。
- 参考スコア(独自算出の注目度): 9.072497362279579
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Open-world navigation requires a robot to locate a user-specified target in an indoor scene under open-vocabulary queries. Realistic indoor environments are semi-static: walls and furniture largely persist while smaller objects move, relocate, or vanish between visits. Prior-map systems answer queries from object poses recorded at reconstruction time, which expire as soon as objects move, whereas online methods re-derive where to look from current observations every few steps, often through expensive calls to a vision--language model. Assuming that walls and large furniture do not move, we keep their map to plan paths, but use a target--furniture co-occurrence prior to decide where to search. We present PreNav, an ObjectNav framework on semi-static environments. Rather than invoking a vision-language model at each step, PreNav generates a single global search reference before the robot moves: an LLM converts target--furniture co-occurrence into a spatial prior, a conditional diffusion model turns that prior and the persistent structure into an ordered centerline with a band around it, and the robot approaches the target once it is detected online. Experiments on a Gibson ObjectNav benchmark show that PreNav outperforms a strong online baseline under matched structural priors, using a generator trained only on room-level ScanNet++ scenes and applied to floor-level Gibson without fine-tuning. Real-world experiments under object relocation and open-vocabulary queries further validate the approach.
- Abstract(参考訳): オープンワールドナビゲーションでは,ユーザが指定したターゲットを,オープン語彙クエリの下で屋内シーンに配置する必要がある。
リアルな屋内環境は半静的で、壁と家具は大部分が持続するが、小さな物体は訪問の間を移動、移動、または消滅する。
事前マップシステムは、復元時に記録されたオブジェクトのクェリに応答するが、オブジェクトが移動するとすぐに終了する。一方、オンラインメソッドは、しばしば視覚言語モデルへの高価な呼び出しを通じて、現在の観察から見るべき場所を再導する。壁や大きな家具が動かない場合、マップを計画通りに維持するが、検索の場所を決定する前にターゲットファーニチュール共起を使用する。
半静的環境上でのObjectNavフレームワークであるPreNavを紹介する。
各ステップで視覚言語モデルを呼び出すのではなく、PreNavはロボットが動く前に単一のグローバルな検索基準を生成する: LLMは目標-ファーニチャー共起を空間的事前に変換し、条件拡散モデルは、前と継続構造を周囲のバンドで順序づけられた中心線に変換し、ロボットがオンラインで検出されるとターゲットに接近する。
Gibson ObjectNavベンチマークの実験によると、PreNavは、ルームレベルのScanNet++シーンのみをトレーニングしたジェネレータを使用して、微調整なしでフロアレベルのGibsonに適用することで、構造的な事前設定の下で、強力なオンラインベースラインを上回っている。
オブジェクトの移動とオープンボキャブラリクエリによる実世界の実験は、このアプローチをさらに検証する。
関連論文リスト
- Lifelong small-object navigation in changing object layouts: a benchmark and method [60.642096348895876]
家庭内のロボットは、同じ環境のさまざまな物体に継続的に行き来する必要がある。
本稿では,この課題をLiSoNav-COL (LiSoNav-COL) における生涯小物体ナビゲーションとして定式化する。
エージェントは、信頼できる観察のために適切な視点を求め、シーン知識を蓄積し再利用し、オブジェクトの移動後に古いメモリを更新する必要がある。
論文 参考訳(メタデータ) (2026-10-07T14:07:34Z) - To Move or Not to Move: Constraint-based Planning Enables Zero-Shot Generalization for Interactive Navigation [14.745622942938532]
家庭環境や倉庫のような現実のシナリオでは、クラッタはすべてのルートをブロックすることができる。
本稿では,移動ロボットが乱雑に移動して自身の進路を鍛える,Lifelong Interactive Navigation問題を紹介する。
アクティブな認識を伴うLLM駆動制約に基づく計画フレームワークを提案する。
論文 参考訳(メタデータ) (2026-02-23T17:10:00Z) - DIV-Nav: Open-Vocabulary Spatial Relationships for Multi-Object Navigation [2.610405478993863]
DIV-Navは、空間的関係を持つ複雑な自由テキストクエリを効率的に処理するリアルタイムナビゲーションシステムである。
我々は,Boston Dynamics Spotロボット上でのMultiONベンチマークと実世界展開に関する広範な実験を通じて,システムを検証する。
論文 参考訳(メタデータ) (2025-10-18T14:22:32Z) - Sight Over Site: Perception-Aware Reinforcement Learning for Efficient Robotic Inspection [57.37596278863949]
本研究では,認識・認識の観点からの検査を再考する。
本稿では,目標視認性を主目的とするエンドツーエンド強化学習フレームワークを提案する。
提案手法は,既存の古典的および学習的ナビゲーション手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2025-09-22T15:14:02Z) - One Map to Find Them All: Real-time Open-Vocabulary Mapping for Zero-shot Multi-Object Navigation [2.022249798290507]
ゼロショットマルチオブジェクトナビゲーションのための新しいベンチマークを導入する。
リアルタイムオブジェクト検索に適した,再利用可能なオープン語彙機能マップを構築した。
単一目的と多目的のナビゲーションタスクにおいて,既存の最先端のアプローチよりも優れていることを示す。
論文 参考訳(メタデータ) (2024-09-18T07:44:08Z) - TAS: A Transit-Aware Strategy for Embodied Navigation with Non-Stationary Targets [55.09248760290918]
非定常目標を持つ動的シナリオにおけるナビゲーションのための新しいアルゴリズムを提案する。
我々の新しいTAS(Transit-Aware Strategy)は、具体化されたナビゲーションポリシーをオブジェクトパス情報で強化する。
TASは、ターゲットルートとルートを同期させるエージェントを報酬することで、非定常環境での性能を改善する。
論文 参考訳(メタデータ) (2024-03-14T22:33:22Z) - Object Goal Navigation with Recursive Implicit Maps [92.6347010295396]
対象目標ナビゲーションのための暗黙的な空間マップを提案する。
提案手法は, 挑戦的なMP3Dデータセット上での技量を著しく上回る。
我々は、実際のロボットにモデルをデプロイし、実際のシーンでオブジェクトゴールナビゲーションの結果を奨励する。
論文 参考訳(メタデータ) (2023-08-10T14:21:33Z) - How To Not Train Your Dragon: Training-free Embodied Object Goal
Navigation with Semantic Frontiers [94.46825166907831]
Embodied AIにおけるオブジェクトゴールナビゲーション問題に対処するためのトレーニング不要のソリューションを提案する。
本手法は,古典的な視覚的同時ローカライゼーションとマッピング(V-SLAM)フレームワークに基づく,構造化されたシーン表現を構築する。
本手法は,言語先行情報とシーン統計に基づいてシーングラフのセマンティクスを伝搬し,幾何学的フロンティアに意味知識を導入する。
論文 参考訳(メタデータ) (2023-05-26T13:38:33Z) - Self-Supervised Object Goal Navigation with In-Situ Finetuning [110.6053241629366]
この研究は、探検を通じて世界の自己監督モデルを構築するエージェントを構築する。
ObjectNavエージェントのすべてのコンポーネントをトレーニングできる強力なセルフスーパービジョンのソースを特定します。
我々は,エージェントが実世界で競争力を発揮し,シミュレーションを行うことを示す。
論文 参考訳(メタデータ) (2022-12-09T03:41:40Z) - TIDEE: Tidying Up Novel Rooms using Visuo-Semantic Commonsense Priors [29.255373211228548]
TIDEEは、学習されたコモンセンスオブジェクト配置と部屋配置に基づいて、混乱したシーンをタイディーアップする。
TIDEEは、ホーム環境を探索し、自然の場所から外れたオブジェクトを検出し、それらに対して妥当なオブジェクトコンテキストを推測し、現在のシーンでそのようなコンテキストをローカライズし、オブジェクトを再配置する。
我々は,AI2THORシミュレーション環境における非編成シーンのタイピングについてTIDEEを検証した。
論文 参考訳(メタデータ) (2022-07-21T21:19:18Z)
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。