論文の概要: Racing the Clock: Teaching VLNs Budget-Conditioned Object Search
- arxiv url: http://arxiv.org/abs/2611.17442v1
- Date: Thu, 12 Nov 2026 19:13:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-16 18:43:16.245769
- Title: Racing the Clock: Teaching VLNs Budget-Conditioned Object Search
- Title(参考訳): Racing the Clock: VLNsの予算設定オブジェクト検索を教える
- Abstract要約: ビジョンナビゲーションモデルは通常、ポリシーが決して観察しない固定されたエピソード制限の下で評価される。
対象のカテゴリと明示的なアクション予算が与えられた場合、エージェントは予算が終了する前に可能な限り多くの異なるターゲットインスタンスを見つけなければならない。
我々は、フルマップと真のターゲット位置を用いて、最適に近い経路を計画する特権有能なTSP専門家と、部分可観測性の下で期待されるリターンを最大化する部屋レベルのベルマン専門家とを比較した。
- 参考スコア(独自算出の注目度): 32.19324933813605
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A rescue robot entering a building with thirty seconds on the clock should sprint toward the single most promising room; given ten minutes, it should instead explore a broader tour. Yet vision-language-navigation (VLN) models are typically evaluated under a fixed episode limit that the policy never observes, even though time-critical missions require behavior to adapt to the available budget. We study budget-conditioned object search: given a target category and an explicit action budget, an agent must find as many distinct target instances as possible before the budget expires. We investigate how to supervise VLNs for this task by comparing a privileged TSP expert, which plans near-optimal routes using the full map and true target locations, with a room-level Bellman expert that maximizes expected return under partial observability using high-level cross-scene semantic priors. Despite the TSP expert achieving substantially higher expert performance, its demonstrations are less effective for learning exploration: on held-out HM3D scenes, the Bellman-supervised VLN consistently outperforms the TSP-supervised VLN, with the advantage becoming more pronounced at longer budgets. At 2000 steps (500m), the Bellman-supervised VLN finds 71.4% of reachable target instances, compared with 65.5% for the TSP-supervised VLN and 44.8% for the pretrained VLN. These results highlight a distinction between optimal routing and optimal exploration: effective exploration supervision should optimize decisions under partial observability rather than imitate routes that are optimal only once the environment is fully known.
- Abstract(参考訳): 救助ロボットが30秒の時間で建物に入ると、最も有望な1つの部屋に向かう。
しかし、視覚言語ナビゲーション(VLN)モデルは通常、時間クリティカルなミッションは利用可能な予算に適応するために行動を必要とするにもかかわらず、ポリシーが決して観察しない固定されたエピソード制限の下で評価される。
対象のカテゴリと明示的なアクション予算が与えられた場合、エージェントは予算が終了する前に可能な限り多くの異なるターゲットインスタンスを見つけなければならない。
本稿では,フルマップと真のターゲット位置を用いた最適経路を計画する有能なTSP専門家と,高レベルなクロスシーンセマンティックオーディションを用いた部分観測可能性下での期待リターンを最大化する部屋レベルのベルマン専門家とを比較して,この課題に対するVLNの監督方法について検討する。
保持されたHM3Dのシーンでは、ベルマン監督のVLNはTSP監督のVLNよりも一貫して優れており、より長い予算でより顕著になる。
2000歩(500m)で、ベルマン監督VLNは71.4%、TSP監督VLNは65.5%、事前訓練VLNは44.8%である。
これらの結果は、最適経路と最適探索の区別を強調している: 効率的な探索監督は、環境が完全に知られているときだけ最適である経路を模倣するのではなく、部分的な観測可能性の下で決定を最適化すべきである。
関連論文リスト
- CosFly-VLA: A Spatially Aware Vision-Language-Action Model for UAV Tracking [6.465600276213322]
VLA(Vision-Language-Action)ポリシーは、視覚的標的を効果的に追跡することができるが、建物、植生、道路沿いの物体が視線を塞ぐと、その性能は劣化することが多い。
本稿では,空間認識型VLAモデルCosFly-VLAについて述べる。
OpenVLAとは対照的に、CosFly-VLA-0.8Bはオープンループ平均変位誤差(ADE)を外見テストで34.1%、目に見えないテストで35.3%削減する。
論文 参考訳(メタデータ) (2026-07-16T13:52:08Z) - Towards Long-Horizon Vessel Trajectory and Destination Forecasting with Reasoning Large Language Models [23.05328480428193]
本稿では, 推論可能な大言語モデルを用いた長距離船体軌道と目的地予測について検討する。
RLVR(Reinforcement Learning with Verifiable Reward)に基づく海上LLMポストトレーニングフレームワークの開発
実験結果から,RLVR学習LLMはゼロショットLLMと代表的なディープラーニングベースラインよりも大幅に向上していることがわかった。
論文 参考訳(メタデータ) (2026-06-07T13:55:11Z) - Beyond Thinking: Imagining in 360$^\circ$ for Humanoid Visual Search [50.04233606482412]
Humanoid Visual Search (HVS)では、エージェントが没入型360$circ$環境を積極的に探索する必要がある。
Imagining in 360$circ$, a novel framework that decouples the exploration process into a special Imaginator and an Actor。
本研究では,意味空間の先行を明示的にモデル化することで,複雑な環境下での探索効率と成功率を大幅に向上させることを示す。
論文 参考訳(メタデータ) (2026-05-09T20:10:53Z) - Track A*: Fast Visibility-Aware Trajectory Planning for Active Target Tracking [1.8297494098768168]
我々は、視認可能な目標追跡のためのオフライン検索ベースの軌道プランナーであるTrack A star(TA star)を提示する。
TA星は、層状非巡回グラフ(D)探索と、境界体積に対するクロスタイム障害物距離キャッシング、層当たりのビームプルーニング、マルチレイ可視性評価器の3つのエンジニアリング最適化を組み合わせた。
実験の結果、計算コストのごく一部で、頑健で、ほぼベースラインに近い可視性を示す。
論文 参考訳(メタデータ) (2026-05-06T18:09:15Z) - ActiveVLN: Towards Active Exploration via Multi-Turn RL in Vision-and-Language Navigation [57.399685080574756]
既存のMLLMベースのVLNメソッドは模倣学習(IL)に依存しており、ポストトレーニングにDAggerを使用することが多い。
マルチターンRLによるアクティブな探索を可能にするVLNフレームワークであるActiveVLNを提案する。
実験の結果,ActiveVLN は DAgger ベースと RL ベースのポストトレーニング手法と比較して,IL ベースラインよりも最大の性能向上を実現していることがわかった。
論文 参考訳(メタデータ) (2025-09-16T03:31:46Z) - Scaling Vision-and-Language Navigation With Offline RL [35.624579441774685]
本稿では,VLN-ORLの新しい問題設定について紹介する。
本稿では,VLNエージェントを訓練するためのデータセットの最適度を考慮に入れた,単純かつ効果的な報酬条件付きアプローチを提案する。
本実験は,提案手法が性能改善につながることを示すものである。
論文 参考訳(メタデータ) (2024-03-27T11:13:20Z) - NavCoT: Boosting LLM-Based Vision-and-Language Navigation via Learning Disentangled Reasoning [97.88246428240872]
Embodied AIの重要な研究課題であるVision-and-Language Navigation (VLN)は、自然言語の指示に従って複雑な3D環境をナビゲートするために、エンボディエージェントを必要とする。
近年の研究では、ナビゲーションの推論精度と解釈可能性を改善することにより、VLNにおける大きな言語モデル(LLM)の有望な能力を強調している。
本稿では,自己誘導型ナビゲーション決定を実現するために,パラメータ効率の高いドメイン内トレーニングを実現する,Navigational Chain-of-Thought (NavCoT) という新しい戦略を提案する。
論文 参考訳(メタデータ) (2024-03-12T07:27:02Z) - Rethinking the Spatial Route Prior in Vision-and-Language Navigation [29.244758196643307]
VLN(Vision-and-Language Navigation)は、知的エージェントを自然言語による予測位置へナビゲートすることを目的としたトレンドトピックである。
この研究は、VLNのタスクを、これまで無視されていた側面、すなわちナビゲーションシーンの前の空間ルートから解決する。
論文 参考訳(メタデータ) (2021-10-12T03:55:43Z) - Distributed Multi-agent Meta Learning for Trajectory Design in Wireless
Drone Networks [151.27147513363502]
本稿では,動的無線ネットワーク環境で動作するエネルギー制約型ドローン群に対する軌道設計の問題点について検討する。
値ベース強化学習(VDRL)ソリューションとメタトレイン機構を提案する。
論文 参考訳(メタデータ) (2020-12-06T01:30:12Z) - Learning to Plan Optimistically: Uncertainty-Guided Deep Exploration via
Latent Model Ensembles [73.15950858151594]
本稿では,不確実な長期報酬に直面した最適化による深層探査を可能にするLOVE(Latent Optimistic Value Exploration)を提案する。
潜在世界モデルと値関数推定を組み合わせ、無限水平リターンを予測し、アンサンブルにより関連する不確実性を回復する。
連続行動空間における視覚ロボット制御タスクにLOVEを適用し、最先端や他の探査目標と比較して、平均20%以上のサンプル効率の改善を実証する。
論文 参考訳(メタデータ) (2020-10-27T22:06:57Z)
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。