論文の概要: VLAN: Vision-Language Accessible Navigation
- arxiv url: http://arxiv.org/abs/2611.18346v1
- Date: Fri, 13 Nov 2026 15:54:23 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-16 19:22:15.51678
- Title: VLAN: Vision-Language Accessible Navigation
- Title(参考訳): VLAN:視覚言語アクセシブルナビゲーション
- Abstract要約: 我々は、1000のシーン、20Kのナビゲーショントラジェクトリ、160Kのジオメトリを含むVLAN(Vision-Language Accessible Navigation)を紹介する。
それぞれの軌道に対して、VLANは、脚と車輪の付いたエージェントに対して、エンボディメント固有の作用とアクセシビリティ機能を提供する。
最新のビジョン言語モデルをベンチマークし、ユーザプロファイル全体にわたる障害関連性、経路選択、安全性基準を一貫して適用できないことがよくあります。
- 参考スコア(独自算出の注目度): 11.273785568767176
- License:
- Abstract: Accessible mobility is user-conditioned rather than scene-intrinsic, as walkable paths for one embodiment are inaccessible to another. Yet, existing benchmarks evaluate traversability under a fixed and limited embodiment. We present Vision-Language Accessible Navigation (VLAN), containing 1,000 scenes, 20K navigation trajectories, and 160K keyframes across diverse lighting, environmental conditions, scene semantics, and path geometries. For each trajectory, VLAN provides embodiment-specific actions and accessibility features for legged and wheeled agents, including humanoid and quadruped robots and people with visual or mobility impairments, while everyday obstacles and accessibility labels are categorized as Passable, Bypass, HighRisk, and Blocked. Unlike goal-only evaluation, our benchmark measures physical safety and alignment with user-specific constraints via goal-reaching, collision-aware, and accessibility-aligned metrics. We benchmark modern vision-language models and find they often fail to consistently adapt obstacle relevance, path selection, and safety criteria across user profiles, suggesting accessibility-aware navigation requires dedicated datasets, tasks, and metrics beyond conventional embodied navigation evaluation. All data and code open-source at https://github.com/InSAI-Lab/VLAN.
- Abstract(参考訳): アクセシブル・モビリティは、ある実施形態のための歩行可能なパスが他の実施形態に到達できないため、シーン固有のものではなく、ユーザコンディショニングされている。
しかし、既存のベンチマークでは、固定された限られた実施条件下でのトラバーサビリティを評価している。
我々は,1000のシーン,20Kのナビゲーショントラジェクトリ,160Kのキーフレームを多種多様な照明,環境条件,シーンセマンティクス,パスジオメトリを含む視覚言語アクセシブルナビゲーション(VLAN)を提案する。
それぞれの軌道に対して、VLANは、ヒューマノイドや四足ロボット、視覚障害や移動障害を持つ人々を含む、脚と車輪のついたエージェントに対して、具体的アクションとアクセシビリティ機能を提供し、日常的な障害物やアクセシビリティラベルは、Passable、Bypass、HighRisk、Blockedに分類される。
目標のみの評価とは異なり、我々のベンチマークは、目標達成、衝突認識、アクセシビリティ対応メトリクスを通じて、ユーザー固有の制約と物理的安全性と整合性を測定する。
我々は、現代の視覚言語モデルをベンチマークし、ユーザプロファイル全体にわたる障害関連性、経路選択、安全性基準を一貫して適用できないことが少なく、アクセシビリティを意識したナビゲーションには、従来の実施したナビゲーション評価以上の専用のデータセット、タスク、メトリクスが必要であることを示唆している。
すべてのデータとコードはhttps://github.com/InSAI-Lab/VLANで公開されている。
関連論文リスト
- Towards Path-Creative Navigation: Robot Navigation through Embodied Interaction [4.02036210009936]
本稿では,ロボットが移動と身体的相互作用を協調して自由空間を回復するナビゲーションパラダイムであるPath-Creative Navigation(PCN)を定式化する。
vision-LiDAR-odometry frameworkは、統一ナビゲーションシステムを通じて、局所的な観測、障害物形状、ロボット状態の推定を統合する。
このトラバーサビリティ対応判定方法は、視覚的およびLiDAR距離情報を用いて、ブロックが動作可能か、安全にバイパス可能かを判定する。
論文 参考訳(メタデータ) (2026-10-08T01:30:53Z) - 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) - VoLN: Vision-Only Long-Horizon Navigation---Paradigm, Benchmark, and Method [14.658802504108833]
VLN(Vision-and-Language Navigation)は、エンボディエージェントが自然言語の指示に従うことを可能にする。
経路関連情報を外部から供給された指示やグローバルガイダンスからローカルで観測可能なインシーン・キューへシフトするビジョンオンリーロングホライゾンナビゲーション(VoLN)を提案する。
VoLN-UAVは、長距離目標指向飛行、連続3Dモーション、大きな視点変化、コンテキスト依存ビーコン選択を組み合わせた7,210エピソードのベンチマークである。
論文 参考訳(メタデータ) (2026-07-23T15:02:01Z) - Beyond Waypoints: A Trajectory-Centric Waypointing Paradigm for Vision-Language Navigation [79.12557132788139]
VLN-CE(Vision-Language Navigation in Continuous Environments)では、エージェントが現実世界のような環境でナビゲートしながら自然言語の指示に従う必要がある。
ほとんどのVLN-CEアプローチでは、ウェイポイント予測器がウェイポイントを提案し、ナビゲータが最良のウェイポイントを選択する。
提案手法は,各候補の経路点を実行可能な軌道に配置する,トラジェクトリ・ウェイポイントという新しいパラダイムを導入する。
論文 参考訳(メタデータ) (2026-06-05T13:11:39Z) - CATNAV: Cached Vision-Language Traversability for Efficient Zero-Shot Robot Navigation [7.247976293510842]
CATNAVはコスト対応のトラバーサビリティナビゲーションフレームワークである。
シーンの新規性を検知し、セマンティックに類似したフレームに対する事前リスクアセスメントを再利用するビジュセマンティックキャッシング機構を導入する。
室内および屋外の非構造環境における四足歩行ロボットのCATNAVの評価を行った。
論文 参考訳(メタデータ) (2026-03-24T04:47:33Z) - 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) - GOAT-Bench: A Benchmark for Multi-Modal Lifelong Navigation [65.71524410114797]
GOAT-BenchはユニバーサルナビゲーションタスクGO to AnyThing(GOAT)のベンチマークである。
GOATでは、エージェントはカテゴリ名、言語記述、イメージによって指定されたターゲットのシーケンスにナビゲートするように指示される。
我々はGOATタスク上でモノリシックなRLおよびモジュラーメソッドをベンチマークし、その性能をモダリティにわたって分析する。
論文 参考訳(メタデータ) (2024-04-09T20:40:00Z) - Polyline Based Generative Navigable Space Segmentation for Autonomous
Visual Navigation [57.3062528453841]
ロボットが教師なしの方法で移動可能な空間分割を学習できるようにするための表現学習ベースのフレームワークを提案する。
提案するPSV-Netは,単一のラベルを使わずとも,高精度で視覚ナビゲーション可能な空間を学習可能であることを示す。
論文 参考訳(メタデータ) (2021-10-29T19:50:48Z)
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。