論文の概要: Extracting Semantic Indoor Maps from Occupancy Grids

• arxiv url: http://arxiv.org/abs/2002.08348v1
• Date: Wed, 19 Feb 2020 18:52:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-30 14:31:12.017846
• Title: Extracting Semantic Indoor Maps from Occupancy Grids
• Title（参考訳）: 作業グリッドからのセマンティック室内マップの抽出
• Authors: Ziyuan Liu, Georg von Wichert
• Abstract要約: 室内環境のセマンティックマッピングに着目した。 ベイジアン推論を用いて,典型的なグリッドマップから抽象フロアプランを抽出する手法を提案する。 実世界のデータを用いたアプローチの有効性を示す。
• 参考スコア（独自算出の注目度）: 2.4214518935746185
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The primary challenge for any autonomous system operating in realistic, rather unconstrained scenarios is to manage the complexity and uncertainty of the real world. While it is unclear how exactly humans and other higher animals master these problems, it seems evident, that abstraction plays an important role. The use of abstract concepts allows to define the system behavior on higher levels. In this paper we focus on the semantic mapping of indoor environments. We propose a method to extract an abstracted floor plan from typical grid maps using Bayesian reasoning. The result of this procedure is a probabilistic generative model of the environment defined over abstract concepts. It is well suited for higher-level reasoning and communication purposes. We demonstrate the effectiveness of the approach using real-world data.
• Abstract（参考訳）: 現実的で制約のないシナリオで運用する自律システムにとっての最大の課題は、現実世界の複雑さと不確実性を管理することである。 人間や他の高等動物がどのようにこれらの問題をマスターしているかは明らかではないが、抽象化が重要な役割を果たすことは明らかである。 抽象概念を使うことで、より高いレベルでシステムの振る舞いを定義することができる。 本稿では,屋内環境のセマンティックマッピングに着目した。 ベイジアン推論を用いて,典型的なグリッドマップから抽象フロアプランを抽出する手法を提案する。 この手順の結果は抽象概念上定義された環境の確率的生成モデルである。 高度な推論とコミュニケーションの目的に適している。 実世界のデータを用いたアプローチの有効性を示す。

関連論文リスト

• Mapping High-level Semantic Regions in Indoor Environments without Object Recognition [50.624970503498226]
  本研究では,屋内環境における埋め込みナビゲーションによる意味領域マッピング手法を提案する。 地域識別を実現するために,視覚言語モデルを用いて地図作成のためのシーン情報を提供する。 グローバルなフレームにエゴセントリックなシーン理解を投影することにより、提案手法は各場所の可能な領域ラベル上の分布としてのセマンティックマップを生成する。
  論文  参考訳（メタデータ） (2024-03-11T18:09:50Z)
• Neural Causal Abstractions [63.21695740637627]
  我々は、変数とそのドメインをクラスタリングすることで、因果抽象化の新しいファミリーを開発する。 本稿では,ニューラルネットワークモデルを用いて,そのような抽象化が現実的に学習可能であることを示す。 本実験は、画像データを含む高次元設定に因果推論をスケールする方法を記述し、その理論を支持する。
  論文  参考訳（メタデータ） (2024-01-05T02:00:27Z)
• Consciousness-Inspired Spatio-Temporal Abstractions for Better Generalization in Reinforcement Learning [83.41487567765871]
  Skipperはモデルベースの強化学習フレームワークである。 これは、与えられたタスクをより小さく、より管理しやすいサブタスクに自動的に一般化する。 環境の関連部分には、スパースな意思決定と集中した抽象化を可能にする。
  論文  参考訳（メタデータ） (2023-09-30T02:25:18Z)
• AI planning in the imagination: High-level planning on learned abstract search spaces [68.75684174531962]
  我々は,エージェントが訓練中に学習する抽象的な検索空間において,エージェントが計画することを可能にする,PiZeroと呼ばれる新しい手法を提案する。 本研究では,旅行セールスマン問題,ソコバン問題,2048年,施設立地問題,パックマン問題など,複数の分野で評価を行った。
  論文  参考訳（メタデータ） (2023-08-16T22:47:16Z)
• ALSO: Automotive Lidar Self-supervision by Occupancy estimation [70.70557577874155]
  本稿では,ポイントクラウド上で動作している深層知覚モデルのバックボーンを事前学習するための自己教師型手法を提案する。 中心となる考え方は、3Dポイントがサンプリングされる表面の再構成であるプリテキストタスクでモデルをトレーニングすることである。 直感的には、もしネットワークがわずかな入力ポイントのみを考慮し、シーン表面を再構築できるなら、おそらく意味情報の断片をキャプチャする。
  論文  参考訳（メタデータ） (2022-12-12T13:10:19Z)
• Abstracting Noisy Robot Programs [17.04153879817609]
  本稿では,確率的および動的システムの抽象化へのアプローチについて述べる。 確率論的信念を持つ状況計算の変種に基づいて、バイシミュレーションの概念を定義する。 我々は、不要な詳細を省略し、実際の実行のために詳細なプログラムに変換できる抽象的なGologプログラムを得る。
  論文  参考訳（メタデータ） (2022-04-07T16:04:19Z)
• CausalCity: Complex Simulations with Agency for Causal Discovery and Reasoning [68.74447489372037]
  本稿では,因果探索と反事実推論のためのアルゴリズムの開発を目的とした,高忠実度シミュレーション環境を提案する。 私たちの作業の中核となるコンポーネントは、複雑なシナリオを定義して作成することが簡単になるような、テキストの緊急性を導入することです。 我々は3つの最先端の手法による実験を行い、ベースラインを作成し、この環境の可利用性を強調する。
  論文  参考訳（メタデータ） (2021-06-25T00:21:41Z)
• Towards a Mathematical Theory of Abstraction [0.0]
  抽象化とは何か、そしておそらくもっと重要なのは、データから直接抽象化がどのように学習できるかを示唆する正確な特徴付けを提供します。 この結果は統計的推論や機械学習に深く影響し,データから直接正確な抽象化を学習するための明示的な手法の開発に利用することができる。
  論文  参考訳（メタデータ） (2021-06-03T13:23:49Z)
• Learning Discrete State Abstractions With Deep Variational Inference [7.273663549650618]
  状態抽象化の一種である近似バイシミュレーションを学習する手法を提案する。 我々はディープ・ニューラルエンコーダを使って状態を連続的な埋め込みにマッピングする。 我々はこれらの埋め込みを、アクション条件付き隠れマルコフモデルを用いて離散表現にマッピングする。
  論文  参考訳（メタデータ） (2020-03-09T17:58:27Z)
• Online Semantic Exploration of Indoor Maps [8.388111003458187]
  ベイジアン推論を用いて,典型的なグリッドマップから抽象フロアプランを抽出する手法を提案する。 その結果は抽象概念上で定義された環境の確率的生成モデルとなる。
  論文  参考訳（メタデータ） (2020-02-21T21:07:28Z)

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。