論文の概要: Semantic Linking Maps for Active Visual Object Search
- arxiv url: http://arxiv.org/abs/2006.10807v1
- Date: Thu, 18 Jun 2020 18:59:44 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-19 14:08:15.246001
- Title: Semantic Linking Maps for Active Visual Object Search
- Title（参考訳）: アクティブビジュアルオブジェクト検索のためのセマンティックリンクマップ
- Authors: Zhen Zeng, Adrian R\"ofer, Odest Chadwicke Jenkins
- Abstract要約: 我々はランドマークと対象物の間の共通空間関係に関する背景知識を利用する。
本稿では,セマンティックリンクマップ(SLiM)モデルの導入により,アクティブなビジュアルオブジェクト探索戦略を提案する。
SLiMに基づいて、ターゲットオブジェクトを探索する次の最適なポーズを選択するハイブリッド検索戦略について述べる。
- 参考スコア（独自算出の注目度）: 14.573513188682183
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We aim for mobile robots to function in a variety of common human
environments. Such robots need to be able to reason about the locations of
previously unseen target objects. Landmark objects can help this reasoning by
narrowing down the search space significantly. More specifically, we can
exploit background knowledge about common spatial relations between landmark
and target objects. For example, seeing a table and knowing that cups can often
be found on tables aids the discovery of a cup. Such correlations can be
expressed as distributions over possible pairing relationships of objects. In
this paper, we propose an active visual object search strategy method through
our introduction of the Semantic Linking Maps (SLiM) model. SLiM simultaneously
maintains the belief over a target object's location as well as landmark
objects' locations, while accounting for probabilistic inter-object spatial
relations. Based on SLiM, we describe a hybrid search strategy that selects the
next best view pose for searching for the target object based on the maintained
belief. We demonstrate the efficiency of our SLiM-based search strategy through
comparative experiments in simulated environments. We further demonstrate the
real-world applicability of SLiM-based search in scenarios with a Fetch mobile
manipulation robot.
- Abstract（参考訳）: 我々は,移動ロボットが様々な人間環境で機能することを目指している。
このようなロボットは、これまで見つからなかった対象物の位置を判断できる必要がある。
ランドマークオブジェクトは、検索スペースを大幅に狭めることで、この推論に役立つ。
具体的には,ランドマークと対象物との共通空間関係に関する背景知識を活用できる。
例えば、テーブルを見て、しばしばテーブルでカップが見つかることを知ることは、カップの発見に役立つ。
このような相関は、オブジェクトのペアリング関係の可能な分布として表現することができる。
本稿では,セマンティックリンクマップ(SLiM)モデルの導入により,アクティブなビジュアルオブジェクト探索戦略を提案する。
slimは、ターゲットオブジェクトの場所とランドマークオブジェクトの場所に対する信念を同時に維持すると同時に、確率的オブジェクト間空間関係も考慮する。
slimに基づいて,維持された信念に基づいて,対象オブジェクトを検索するための次の最善の視点を選択するハイブリッド検索戦略について述べる。
シミュレーション環境における比較実験を通じて,スリム検索戦略の効率性を示す。
さらに,Fetchモバイル操作ロボットを用いたシナリオにおいて,SLiMに基づく検索の現実的な適用性を示す。
関連論文リスト
- EarthVQA: Towards Queryable Earth via Relational Reasoning-Based Remote
Sensing Visual Question Answering [11.37120215795946]
本研究では,多モードマルチタスクVQAデータセット(EarthVQA)を開発した。
EarthVQAデータセットには6000の画像、対応するセマンティックマスク、都市と農村のガバナンス要件を組み込んだ208,593のQAペアが含まれている。
本稿では,オブジェクト中心の方法でVQAを進めるためのセマンティックオブジェクト認識フレームワーク(SOBA)を提案する。
論文 参考訳（メタデータ） (2023-12-19T15:11:32Z) - Object Goal Navigation with Recursive Implicit Maps [92.6347010295396]
対象目標ナビゲーションのための暗黙的な空間マップを提案する。
提案手法は, 挑戦的なMP3Dデータセット上での技量を著しく上回る。
我々は、実際のロボットにモデルをデプロイし、実際のシーンでオブジェクトゴールナビゲーションの結果を奨励する。
論文 参考訳（メタデータ） (2023-08-10T14:21:33Z) - An Object SLAM Framework for Association, Mapping, and High-Level Tasks [12.62957558651032]
本稿では,オブジェクト指向認識とオブジェクト指向ロボットタスクに焦点を当てた包括的オブジェクトSLAMフレームワークを提案する。
提案したオブジェクトSLAMフレームワークを効率よく評価するために,さまざまな公開データセットと実世界の結果が使用されている。
論文 参考訳（メタデータ） (2023-05-12T08:10:14Z) - Learning-based Relational Object Matching Across Views [63.63338392484501]
本稿では,RGB画像間のオブジェクト検出をマッチングするための,局所キーポイントと新たなオブジェクトレベルの特徴を組み合わせた学習ベースアプローチを提案する。
我々は、連想グラフニューラルネットワークにおいて、オブジェクト間の外観とフレーム間およびフレーム間空間関係に基づいて、オブジェクトレベルのマッチング機能を訓練する。
論文 参考訳（メタデータ） (2023-05-03T19:36:51Z) - Fusing Local Similarities for Retrieval-based 3D Orientation Estimation
of Unseen Objects [70.49392581592089]
我々は,モノクロ画像から未確認物体の3次元配向を推定する作業に取り組む。
我々は検索ベースの戦略に従い、ネットワークがオブジェクト固有の特徴を学習するのを防ぐ。
また,LineMOD,LineMOD-Occluded,T-LESSのデータセットを用いた実験により,本手法が従来の手法よりもはるかに優れた一般化をもたらすことが示された。
論文 参考訳（メタデータ） (2022-03-16T08:53:00Z) - Towards Optimal Correlational Object Search [25.355936023640506]
相関オブジェクト探索POMDPは相関情報を用いた探索戦略を作成することができる。
我々は,家庭環境の現実的なシミュレータであるAI2-THORと,広く使用されている物体検出器であるYOLOv5を用いて実験を行った。
論文 参考訳（メタデータ） (2021-10-19T14:03:43Z) - 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) - Semantic and Geometric Modeling with Neural Message Passing in 3D Scene
Graphs for Hierarchical Mechanical Search [48.655167907740136]
この問題の階層的,意味的,幾何学的側面を捉えるために,3次元シーングラフ表現を用いる。
自然言語記述で指定された対象物を見つけるためのエージェントの動作を誘導する手法である階層機械探索(HMS)を紹介する。
HMSは、セマンティック関連オブジェクトを格納場所に密配置した500の3Dシーングラフのデータセットで評価されている。
論文 参考訳（メタデータ） (2020-12-07T21:04:34Z) - Occlusion-Aware Search for Object Retrieval in Clutter [4.693170687870612]
乱雑な棚から対象物を回収する操作タスクに対処する。
対象物が隠された場合、ロボットはそれを回収するために溝を探索しなければならない。
クローズドループにおけるオクルージョン認識動作を生成するためのデータ駆動型ハイブリッドプランナを提案する。
論文 参考訳（メタデータ） (2020-11-06T13:15:27Z) - Object Goal Navigation using Goal-Oriented Semantic Exploration [98.14078233526476]
本研究は,未確認環境における対象カテゴリーのインスタンスにナビゲートするオブジェクトゴールナビゲーションの問題を研究する。
本稿では,表層的なセマンティックマップを構築し,効率的に環境を探索する「ゴール指向セマンティック探索」というモジュールシステムを提案する。
論文 参考訳（メタデータ） (2020-07-01T17:52:32Z) - Learning hierarchical relationships for object-goal navigation [7.074818959144171]
室内におけるナビゲーションのためのメモリ利用共同階層型物体学習(MJOLNIR)を提案する。
MJOLNIRはターゲット駆動ナビゲーションアルゴリズムであり、ターゲットオブジェクトと周囲に存在するより健全なコンテキストオブジェクトの間に固有の関係を考察する。
我々のモデルは、よく知られた過適合問題に悩まされることなく、他のアルゴリズムよりもはるかに早く収束することを学ぶ。
論文 参考訳（メタデータ） (2020-03-15T04:01:09Z)
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。