左脳から右脳へ：視覚と言語によるナビゲーションのための適応的テキストドリーマー

- Vision-and-Language Navigation (VLN) において、視覚ではなく言語形式で将来の環境意味を適応的に想像する Adaptive Text Dreamer (ATD) を提案する研究。 - LLM を基盤とした dual-branch self-guided imagination policy で、左脳（論理統合）と右脳（想像予測）からなる人間の左右脳アーキテクチャを模す。 - 想像出力を navigation expert module に注入し、LLM の推論能力とナビゲーションモデルの専門性を併用する。

- 先行手法は将来シーンを vision-based synthesis で想像するため計算コストが高く冗長な詳細が多い。 - 本手法は key environmental semantics を language 形式で適応的に想像し、より信頼性が高く効率的な戦略を実現。 - R2R benchmark で fewer parameters ながら state-of-the-art 性能を達成したと主張。

- LLM 上の dual-branch self-guided imagination policy を採用し、左脳が logical integration、右脳が future scenes の imaginative prediction を担う。 - 両脳内の Q-former のみを fine-tune し、LLM のドメイン固有知識を効率的に活性化、ナビゲーション中の論理推論と想像を動的更新。 - cross-interaction mechanism で想像出力を正則化し navigation expert module に注入、LLM の reasoning とナビゲーションモデルの expertise を jointly 活用。

- R2R benchmark で extensive experiments を実施。 - ATD が fewer parameters で state-of-the-art performance を達成したと報告。 - 具体的な比較手法や指標の詳細は要旨からは不明。

- 視覚ベース想像の高計算コストと冗長性を言語形式の想像で回避する点を議論。 - 左右脳アーキテクチャや cross-interaction mechanism の設計妥当性に関する詳細な議論は要旨からは不明。 - 限界や失敗ケースについての記述は要旨からは不明。

- 要旨で参照/比較されている vision-based synthesis による将来シーン想像手法（具体名は要旨からは不明）。 - LLM ベースの VLN 手法および navigation expert module 関連研究（具体名は要旨からは不明）。 - 同分野の定番として R2R benchmark を用いる VLN 研究全般。