履歴証拠を再活用する学習不要の視覚言語ナビゲーション

- VLN (Vision-and-Language Navigation) における履歴の保持・活用を改善する研究。 - 履歴の冗長性と、保持情報が十分使われない問題に着目。 - ReInsBench という履歴活用を診断するベンチマークを導入。 - 履歴レビューの再指示 (history-review reinstruction) で既存タスク文脈を用いた失敗回復が可能と示す。 - これを動機に、frozen navigator 向けの training-free フレームワーク ReInsVLN を提案。

- 従来 VLN は履歴の保持・利用に依存するが、履歴増大による冗長性と保持情報の未活用が課題。 - ReInsBench により履歴活用を制御された継続試行で診断する点が新しい。 - 履歴レビュー再指示が既存文脈で失敗回復できることを示した点が特徴。 - ReInsVLN は training-free で frozen navigator に適用可能。 - R2R Val-Unseen で native StreamVLN 比 +8.48pt、InternVLA-N1 比 +3.37pt の成功率改善。

- ReInsVLN は training-free で memory construction と utilization を支援。 - Coverage- and Instruction-Aware Compression: 時間的冗長性削減、coverage-aware protection、instruction-guided token selection で compact な視覚文脈を構築。 - Forgetting-Inspired History Reminders: 事前定義スケジュールに従い保持観測の再訪を誘導。 - 追加の model calls を必要としない。 - frozen navigator を変更せずに履歴活用を促す設計。

- ReInsBench の controlled continuation trials で履歴活用を診断。 - R2R Val-Unseen で評価。 - StreamVLN を 8.48pt 改善し 64.27%、InternVLA-N1 を 3.37pt 改善し 64.44%。 - 視覚圧縮は matched observation workloads で prefill latency を最大 21.77%、KV cache memory を最大 32.25% 削減しつつ性能を概ね維持。 - humanoid と quadruped ロボットの実世界試行で sequential instruction following と ordinal navigation への適用性を支持。

- 履歴の冗長性と保持情報の未活用という VLN の課題を ReInsBench で診断。 - 履歴レビュー再指示が失敗回復に有効という知見。 - 視覚圧縮による効率化と性能維持のトレードオフを議論可能。 - 実ロボット試行は限定的な適用性支持であり、詳細な議論は要旨からは不明。 - 事前定義スケジュールの一般性や他 navigator への拡張性は要旨からは不明。

- StreamVLN - InternVLA-N1 - ReInsBench に関連する VLN 履歴活用研究 - training-free な VLN 手法 - KV cache 圧縮・visual token compression 関連研究 - R2R ベンチマーク関連研究