論文の概要: EMS-Nav: Embodied Multi-Scale Navigation
- arxiv url: http://arxiv.org/abs/2611.15589v1
- Date: Wed, 11 Nov 2026 15:09:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.17826
- Title: EMS-Nav: Embodied Multi-Scale Navigation
- Title(参考訳): EMS-Nav:Embodied Multi-Scale Navigation
- Abstract要約: EMS-Navは生物学的にインスパイアされたオンラインオンデバイス操作のためのマルチスケールナビゲーションフレームワークである。
その中心となるイノベーションは、知覚、空間的理解、地域周辺のナビゲーションを組織することである。
EMS-Navは、オブジェクト、部屋、リージョン、特定のインスタンスの4つのカテゴリで最高の成功率を達成する。
- 参考スコア(独自算出の注目度): 15.036091992918394
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Industrial inspection robots must reach work areas and specific equipment. These destinations span spatial scales from regions to objects, so robots must relate each target to its surroundings to interpret the task and determine where to go. Existing methods support multi-scale navigation through rich environment representations, but at substantial computational and storage cost. These costs limit deployment where wireless coverage is incomplete and robots must rely on onboard computation to keep navigating. We introduce EMS-Nav, a biologically inspired multi-scale navigation framework for online, on-device operation. Its core innovation is to organize perception, spatial understanding, and navigation around regions, making local spaces the basic units of both environmental understanding and computation. EMS-Nav groups objects and their relationships into functionally meaningful spaces and builds a hierarchy from local areas to the broader environment. This organization supports efficient map construction alongside the interpretation and execution of language goals at different scales. In multi-scale navigation experiments, EMS-Nav achieves the highest success rates across all four target categories: objects, rooms, regions, and specific instances. It outperforms state-of-the-art open-vocabulary mapping and navigation methods, improving overall first-attempt success by 9.39 percentage points over the strongest baseline while reducing mapping overhead and language-model input size. Local deployment in real indoor environments further demonstrates its applicability to on-device embodied navigation. By establishing regions as the organizing basis for perception, spatial understanding, and language-guided action, EMS-Nav provides a system that combines multi-scale understanding with computational efficiency to support diverse language goals on resource-constrained robots.
- Abstract(参考訳): 産業用検査ロボットは作業場や特定機器に到達しなければならない。
これらの目的地は、領域からオブジェクトまで空間スケールにまたがっているため、ロボットはタスクを解釈し、どこに行くべきかを決定するために、それぞれのターゲットと周囲を関連付ける必要がある。
既存の方法は、リッチな環境表現によるマルチスケールナビゲーションをサポートするが、相当な計算とストレージコストがかかる。
これらのコストは、ワイヤレスのカバレッジが不完全であり、ロボットは移動を続けるためにオンボード計算に頼らなければならないデプロイメントを制限する。
EMS-Navは生物学的にインスパイアされたオンラインオンデバイス操作のためのマルチスケールナビゲーションフレームワークである。
その中心となる革新は、認識、空間的理解、地域周辺のナビゲーションを組織化し、地域空間を環境理解と計算の双方の基本単位とすることである。
EMS-Navはオブジェクトとそれらの関係を機能的に意味のある空間に分類し、局所的な領域からより広い環境へ階層を構築する。
この組織は、異なるスケールでの言語目標の解釈と実行と共に、効率的なマップ構築をサポートする。
マルチスケールナビゲーション実験では、EMS-Navは対象とする4つのカテゴリ(オブジェクト、部屋、リージョン、特定のインスタンス)で最高の成功率を達成した。
最先端のオープンボキャブラリマッピングやナビゲーション手法よりも優れており、マッピングオーバーヘッドと言語モデル入力サイズを減らしながら、最強のベースラインを9.39ポイント越えて、全体的な初回成功率を9.39ポイント向上している。
実際の屋内環境におけるローカルな配置は、デバイス上で具体化されたナビゲーションに適用可能であることをさらに示している。
EMS-Navは、知覚、空間的理解、言語誘導行動の組織的基盤として地域を確立することで、マルチスケールな理解と計算効率を組み合わせたシステムを提供し、資源制約されたロボットにおける多様な言語目標をサポートする。
関連論文リスト
- SuperNav: An Agentic Navigation System for Any Task in Any Scene [87.46227831610359]
汎用サービスロボットは、不慣れな環境で多様な人間の要求を処理できるナビゲーションシステムを必要とする。
SuperNavは、MLLMのナビゲーション固有の微調整なしで、特別なエージェントハーネスを備えた事前訓練されたMLLMを装備する。
SuperNavは、インスタンスレベル、マルチオブジェクト、要求駆動タスクで評価されたベースラインを4つ上回っている。
論文 参考訳(メタデータ) (2026-10-08T15:19:40Z) - SpaceVLN: A Zero-Shot Vision-and-Language Navigation Agent with Online Spatial Cognitive Memory and Reasoning [59.64305326980364]
SpaceVLNは、空間認知記憶とタスク誘導空間推論を中心に構築されたナビゲーションエージェントである。
このメモリ上に構築されたSpatial-CoTは、タスクプログレス推論と空間知覚、分析、予測を統合する。
R2R-CE、RxR-CE、GN-Bench、HM3D-OVONの他、SpaceVLNは最先端のゼロショット性能を実現している。
論文 参考訳(メタデータ) (2026-06-08T03:42:08Z) - 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) - GIST: Multimodal Knowledge Extraction and Spatial Grounding via Intelligent Semantic Topology [2.049702429898688]
複雑で密集した環境は、人間や具体化されたAIにとって大きな空間的基盤となる。
GISTは、コンシューマグレードの移動点クラウドを意味的に注釈付けされたナビゲーショントポロジに変換するマルチモーダルな知識抽出パイプラインである。
本アーキテクチャでは,シーンを2次元占有マップに抽出し,そのトポロジ的レイアウトを抽出し,知的かつセマンティックな選択を通じて軽量なセマンティック層をオーバーレイする。
論文 参考訳(メタデータ) (2026-04-16T19:59:52Z) - SPAN-Nav: Generalized Spatial Awareness for Versatile Vision-Language Navigation [26.52802135982273]
SPAN-Navは、エンボディナビゲーションを普遍的な3次元空間認識に注入するエンド・ツー・エンドの基礎モデルである。
SPAN-Navは、占有予測タスクを通じて、多様なシーンにまたがる空間的先行情報を抽出する。
屋内および屋外の両方の場面をカバーする420万の占有アノテーションの大規模なデータセットを提示する。
論文 参考訳(メタデータ) (2026-03-10T03:59:34Z) - 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) - FOM-Nav: Frontier-Object Maps for Object Goal Navigation [65.76906445210112]
FOM-Navはフロンティアオブジェクトマップと視覚言語モデルによる探索効率を高めるフレームワークである。
FOM-Navをトレーニングするために,実環境から大規模ナビゲーションデータセットを自動構築する。
FOM-NavはMP3DとHM3Dのベンチマーク、特にナビゲーション効率の指標SPLで最先端のパフォーマンスを達成する。
論文 参考訳(メタデータ) (2025-11-30T18:16:09Z) - From reactive to cognitive: brain-inspired spatial intelligence for embodied agents [50.99942960312313]
Brain-inspired Space Cognition for Navigation (BSC-Nav) は、エンボディエージェントにおける構造化空間メモリの構築と活用のための統合されたフレームワークである。
BSC-Navは、エゴセントリックな軌跡と文脈的手がかりからアロセントリックな認知マップを構築し、意味的目標に沿った空間的知識を動的に回収する。
論文 参考訳(メタデータ) (2025-08-24T03:20:48Z) - SayNav: Grounding Large Language Models for Dynamic Planning to Navigation in New Environments [14.179677726976056]
SayNavは、Large Language Models(LLM)からの人間の知識を活用して、複雑なナビゲーションタスクを効率的に一般化する新しいアプローチである。
SayNavは最先端の結果を達成し、成功率の点で強烈な地道的な仮定でオラクルベースのベースラインを8%以上上回ります。
論文 参考訳(メタデータ) (2023-09-08T02:24:37Z) - Structured Scene Memory for Vision-Language Navigation [155.63025602722712]
視覚言語ナビゲーション(VLN)のための重要なアーキテクチャを提案する。
ナビゲーション中に知覚を正確に記憶できるほど区画化されている。
また、環境内の視覚的および幾何学的な手がかりを捉え、取り除く、構造化されたシーン表現としても機能する。
論文 参考訳(メタデータ) (2021-03-05T03:41:00Z) - Learning Synthetic to Real Transfer for Localization and Navigational
Tasks [7.019683407682642]
ナビゲーションは、コンピュータビジョン、ロボット工学、制御の概念を組み合わせて、複数の分野のクロスロードにある。
この研究は、実世界への移動をできる限り少ない努力で行うことができるナビゲーションパイプラインをシミュレーションで作成することを目的としていた。
ナビゲーションパイプラインを設計するには、環境、ローカライゼーション、ナビゲーション、計画の4つの大きな課題が発生する。
論文 参考訳(メタデータ) (2020-11-20T08:37:03Z)
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。