論文の概要: Laser2Vec: Similarity-based Retrieval for Robotic Perception Data
- arxiv url: http://arxiv.org/abs/2007.15746v1
- Date: Thu, 30 Jul 2020 21:11:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-05 15:01:38.038560
- Title: Laser2Vec: Similarity-based Retrieval for Robotic Perception Data
- Title（参考訳）: Laser2Vec:ロボット知覚データの類似性に基づく検索
- Authors: Samer B. Nashed
- Abstract要約: 本稿では,多くのデプロイメントから2次元LiDARデータを安価に保存するシステムを実装し,完全・部分スキャンのためのトップクェリを効率よく評価する。
我々は畳み込み変分オートエンコーダを用いてレーザスキャンの圧縮表現を生成し、それらをデータベースに格納する。
我々は,ロボットが同じ場所に遭遇した複数のエピソードにまたがって,類似のスキャンを高精度かつ効率的に検出する。
- 参考スコア（独自算出の注目度）: 7.538482310185135
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As mobile robot capabilities improve and deployment times increase, tools to
analyze the growing volume of data are becoming necessary. Current
state-of-the-art logging, playback, and exploration systems are insufficient
for practitioners seeking to discover systemic points of failure in robotic
systems. This paper presents a suite of algorithms for similarity-based queries
of robotic perception data and implements a system for storing 2D LiDAR data
from many deployments cheaply and evaluating top-k queries for complete or
partial scans efficiently. We generate compressed representations of laser
scans via a convolutional variational autoencoder and store them in a database,
where a light-weight dense network for distance function approximation is run
at query time. Our query evaluator leverages the local continuity of the
embedding space to generate evaluation orders that, in expectation, dominate
full linear scans of the database. The accuracy, robustness, scalability, and
efficiency of our system is tested on real-world data gathered from dozens of
deployments and synthetic data generated by corrupting real data. We find our
system accurately and efficiently identifies similar scans across a number of
episodes where the robot encountered the same location, or similar indoor
structures or objects.
- Abstract（参考訳）: モバイルロボットの能力向上と展開時間の増大に伴い、データ量の増大を分析するツールが必要である。
ロボットシステムにおけるシステム障害の発見を目指す実践者にとって、現在の最先端のロギング、再生、探索システムは不十分である。
本稿では,ロボット知覚データの類似性に基づくクエリのためのアルゴリズムスイートを提案し,多くのデプロイメントから2次元LiDARデータを安価に保存し,完全あるいは部分的スキャンのためのトップクェリを効率的に評価するシステムを実装した。
我々は,畳み込み型変分オートエンコーダを用いてレーザースキャンの圧縮表現を生成し,クエリ時に距離関数近似のための軽量密集ネットワークを実行するデータベースに格納する。
クエリ評価器は埋め込み空間の局所連続性を利用して、期待してデータベースの完全な線形スキャンを支配できる評価順序を生成する。
システムの正確性、堅牢性、スケーラビリティ、効率性は、実際のデータを破損して生成された数十のデプロイメントと合成データから収集された実世界のデータでテストされます。
我々は,ロボットが同じ場所,あるいは同様の屋内構造や物体に遭遇した複数のエピソードの類似したスキャンを精度よく,効率的に同定する。
関連論文リスト
- Why Sample Space Matters: Keyframe Sampling Optimization for LiDAR-based Place Recognition [6.468510459310326]
位置認識におけるサンプル空間の概念を導入し、異なるサンプリング手法がクエリプロセスと全体的なパフォーマンスに与える影響を実証する。
そこで我々は,超次元ディスクリプタ空間における冗長性と情報保存に着目した,LiDARに基づく位置認識のための新しいサンプリング手法を提案する。
論文 参考訳（メタデータ） (2024-10-03T16:29:47Z) - Tiny Robotics Dataset and Benchmark for Continual Object Detection [6.4036245876073234]
本研究は,小型ロボットプラットフォームにおける物体検出システムの連続学習能力を評価するための新しいベンチマークを導入する。
i)TiROD(Tiny Robotics Object Detection)は、小さな移動ロボットを用いて収集された包括的なデータセットで、さまざまなドメインやクラスにわたるオブジェクト検出の適応性をテストするように設計されている。
論文 参考訳（メタデータ） (2024-09-24T16:21:27Z) - MetaGraspNet: A Large-Scale Benchmark Dataset for Vision-driven Robotic
Grasping via Physics-based Metaverse Synthesis [78.26022688167133]
本稿では,物理に基づくメタバース合成による視覚駆動型ロボットグルーピングのための大規模ベンチマークデータセットを提案する。
提案するデータセットには,10万の画像と25種類のオブジェクトが含まれている。
また,オブジェクト検出とセグメンテーション性能を評価するためのデータセットとともに,新しいレイアウト重み付け性能指標を提案する。
論文 参考訳（メタデータ） (2021-12-29T17:23:24Z) - Are we ready for beyond-application high-volume data? The Reeds robot
perception benchmark dataset [3.781421673607643]
本稿ではロボット認識アルゴリズムの研究のためにReedsと呼ばれるデータセットを提案する。
このデータセットは、アプリケーション固有のソリューションをテストする環境を提供するのではなく、アルゴリズムに要求されるベンチマーク機会を提供することを目的としている。
論文 参考訳（メタデータ） (2021-09-16T23:21:42Z) - Kimera-Multi: Robust, Distributed, Dense Metric-Semantic SLAM for
Multi-Robot Systems [92.26462290867963]
Kimera-Multiは、最初のマルチロボットシステムであり、不正なインターループとイントラロボットループの閉鎖を識別し拒否することができる。
我々は、フォトリアリスティックシミュレーション、SLAMベンチマークデータセット、地上ロボットを用いて収集された屋外データセットの挑戦において、Kimera-Multiを実証した。
論文 参考訳（メタデータ） (2021-06-28T03:56:40Z) - Domain and Modality Gaps for LiDAR-based Person Detection on Mobile
Robots [91.01747068273666]
本稿では,移動ロボットのシナリオに着目した既存のLiDAR人物検出装置について検討する。
実験は3Dと2D LiDARのセンサー間のモダリティのギャップだけでなく、運転と移動ロボットのシナリオ間の領域ギャップを回避している。
その結果、LiDARに基づく人物検出の実践的な洞察を与え、関連する移動ロボットの設計と応用に関する情報決定を容易にする。
論文 参考訳（メタデータ） (2021-06-21T16:35:49Z) - Kimera-Multi: a System for Distributed Multi-Robot Metric-Semantic
Simultaneous Localization and Mapping [57.173793973480656]
本稿では,高密度メカニカル・セマンティックSLAMのための完全分散マルチロボットシステムを提案する。
私たちのシステムはKimera-Multiと呼ばれ、視覚慣性センサーを備えたロボットチームによって実装されています。
Kimera-Multiは環境の3Dメッシュモデルをリアルタイムで構築し、メッシュの各面にセマンティックラベルをアノテートする。
論文 参考訳（メタデータ） (2020-11-08T21:38:12Z) - Task-relevant Representation Learning for Networked Robotic Perception [74.0215744125845]
本稿では,事前学習されたロボット知覚モデルの最終的な目的と協調して設計された感覚データのタスク関連表現を学習するアルゴリズムを提案する。
本アルゴリズムは,ロボットの知覚データを競合する手法の最大11倍まで積極的に圧縮する。
論文 参考訳（メタデータ） (2020-11-06T07:39:08Z) - PyODDS: An End-to-end Outlier Detection System with Automated Machine
Learning [55.32009000204512]
PyODDSは、データベースサポート付きアウトレイラ検出のための、エンドツーエンドのPythonシステムである。
具体的には,探索空間を外乱検出パイプラインで定義し,与えられた探索空間内で探索戦略を作成する。
また、データサイエンスや機械学習のバックグラウンドの有無に関わらず、統一されたインターフェイスと視覚化を提供する。
論文 参考訳（メタデータ） (2020-03-12T03:30:30Z) - Piecewise linear regressions for approximating distance metrics [1.1241621778067437]
本稿では,ロボット構成空間にまたがる構成間の距離を要約したデータ構造を提案する。
本稿では,単一ロボットに構築したデータ構造を用いて,ロボットの動作計画問題に挑戦する。
論文 参考訳（メタデータ） (2020-02-27T22:23:58Z)
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。