論文の概要: Bayesian Surprise in Indoor Environments
- arxiv url: http://arxiv.org/abs/2004.05381v1
- Date: Sat, 11 Apr 2020 12:09:51 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-14 09:59:17.664101
- Title: Bayesian Surprise in Indoor Environments
- Title(参考訳): 屋内環境におけるベイズサプライズ
- Authors: Sebastian Feld (1), Andreas Sedlmeier (1), Markus Friedrich (1), Jan
Franz (1), Lenz Belzner (2) ((1) Mobile and Distributed Systems Group LMU
Munich, (2) MaibornWolff Munich)
- Abstract要約: 人の期待は空間の知覚の重要な側面である。
我々はベイズ・サプライズの理論を利用して、期待をしっかりとモデル化する。
本研究では,屋内位置情報サービスにおける「サプライズ」をコンテキストの新たな次元として活用することを提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper proposes a novel method to identify unexpected structures in 2D
floor plans using the concept of Bayesian Surprise. Taking into account that a
person's expectation is an important aspect of the perception of space, we
exploit the theory of Bayesian Surprise to robustly model expectation and thus
surprise in the context of building structures. We use Isovist Analysis, which
is a popular space syntax technique, to turn qualitative object attributes into
quantitative environmental information. Since isovists are location-specific
patterns of visibility, a sequence of isovists describes the spatial perception
during a movement along multiple points in space. We then use Bayesian Surprise
in a feature space consisting of these isovist readings. To demonstrate the
suitability of our approach, we take "snapshots" of an agent's local
environment to provide a short list of images that characterize a traversed
trajectory through a 2D indoor environment. Those fingerprints represent
surprising regions of a tour, characterize the traversed map and enable indoor
LBS to focus more on important regions. Given this idea, we propose to use
"surprise" as a new dimension of context in indoor location-based services
(LBS). Agents of LBS, such as mobile robots or non-player characters in
computer games, may use the context surprise to focus more on important regions
of a map for a better use or understanding of the floor plan.
- Abstract(参考訳): 本稿では,ベイズ・サプライズの概念を用いた2次元床計画における予期せぬ構造物の同定手法を提案する。
人の期待が空間の知覚の重要な側面であることを考慮すると、ベイズ・サプライズの理論を利用して期待を強固にモデル化し、構造構築の文脈で驚きを与える。
定性的対象属性を定量的な環境情報に変換するために,人気のある宇宙構文手法であるイゾビスト分析を用いた。
アイソビストは位置特異的な可視性パターンであるため、アイソビストの列は空間内の複数の点に沿った運動中の空間的知覚を記述する。
次に、これらのアイソビスト読解からなる特徴空間でベイズサプライズを用いる。
提案手法の適合性を実証するために,エージェントのローカル環境のスナップショットを用いて,2次元屋内環境における走行軌跡を特徴付ける画像の短いリストを提供する。
これらの指紋はツアーの驚くべき地域を表し、横断する地図を特徴づけ、屋内のLBSが重要な地域に集中できるようにする。
この考えを踏まえ、屋内位置情報サービス(LBS)における「サプライズ」を新たな文脈の次元として用いることを提案する。
モバイルロボットやコンピュータゲームにおける非プレイヤーキャラクタといったlbsエージェントは、コンテキストサプライズを使用して、より適切な使用やフロアプランの理解のために、マップの重要な領域に集中することができる。
関連論文リスト
- SliceOcc: Indoor 3D Semantic Occupancy Prediction with Vertical Slice Representation [50.420711084672966]
室内3Dセマンティック占有予測に適したRGBカメラベースモデルであるSliceOccを提案する。
EmbodiedScanデータセットの実験結果は、SliceOccが81の屋内カテゴリで15.45%のmIoUを達成したことを示している。
論文 参考訳(メタデータ) (2025-01-28T03:41:24Z) - Map Prediction and Generative Entropy for Multi-Agent Exploration [37.938606877112]
我々は,探索ミッション中に,未知空間を多エージェント2次元占有マップに描画する地図予測器を開発した。
予測において高い不確実性を示す領域を同定し, 生成エントロピーの概念を定式化する。
提案手法により,従来の情報誘導手法よりもはるかに高速に正確なシーンを予測できることを示す。
論文 参考訳(メタデータ) (2025-01-22T19:40:04Z) - Map2Text: New Content Generation from Low-Dimensional Visualizations [60.02149343347818]
低次元の可視化における空間座標を新しい、一貫性のある、正確に整列されたテキストコンテンツに変換する新しいタスクであるMap2Textを紹介する。
これによってユーザは、これらの空間的レイアウトに埋め込まれた未発見情報を対話的に、直感的に探索し、ナビゲートすることができる。
論文 参考訳(メタデータ) (2024-12-24T20:16:13Z) - EmbodiedOcc: Embodied 3D Occupancy Prediction for Vision-based Online Scene Understanding [63.99937807085461]
3D占有予測は周囲のシーンを包括的に記述する。
既存のほとんどのメソッドは、1つか数つのビューからのオフラインの認識に焦点を当てている。
具体化された3次元占有予測タスクを定式化し,ガウスをベースとしたEmbodiedOccフレームワークを提案する。
論文 参考訳(メタデータ) (2024-12-05T17:57:09Z) - 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) - LoCUS: Learning Multiscale 3D-consistent Features from Posed Images [18.648772607057175]
我々は、監督なしに多目的な神経表現を訓練する。
検索セットを慎重に構築することで、検索と再利用のバランスをとることができる。
スパース,マルチスケール,セマンティック空間マップの作成結果を示す。
論文 参考訳(メタデータ) (2023-10-02T11:11:23Z) - OpenOccupancy: A Large Scale Benchmark for Surrounding Semantic
Occupancy Perception [73.05425657479704]
我々は,最初のセマンティック占有感評価ベンチマークであるOpenOccupancyを提案する。
大規模なnuScenesデータセットを拡張した。
周囲の占有感の複雑さを考慮し、粗い予測を洗練させるためにカスケード占領ネットワーク(CONET)を提案する。
論文 参考訳(メタデータ) (2023-03-07T15:43:39Z) - Efficient Placard Discovery for Semantic Mapping During Frontier
Exploration [0.0]
この研究は、Interruptable Frontier Explorationアルゴリズムを導入し、ロボットが自身の環境を探索してSLAMマップを構築すると同時に、このプロセス中に観察されたプラカードを検査することを可能にする。
これにより、ロボットは人間の介入なしに部屋のプラカードを自律的に発見できる。
論文 参考訳(メタデータ) (2021-10-27T20:00:07Z) - SOON: Scenario Oriented Object Navigation with Graph-based Exploration [102.74649829684617]
人間のように3Dエンボディ環境のどこからでも言語ガイドされたターゲットに向かって移動する能力は、インテリジェントロボットの「聖杯」目標の1つです。
ほとんどのビジュアルナビゲーションベンチマークは、ステップバイステップの詳細な命令セットに導かれ、固定された出発点から目標に向かって移動することに焦点を当てている。
このアプローチは、人間だけが物体とその周囲がどのように見えるかを説明する現実世界の問題から逸脱し、ロボットにどこからでも航行を依頼する。
論文 参考訳(メタデータ) (2021-03-31T15:01:04Z)
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。