論文の概要: Advances in Inference and Representation for Simultaneous Localization
and Mapping
- arxiv url: http://arxiv.org/abs/2103.05041v1
- Date: Mon, 8 Mar 2021 19:53:29 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-10 14:48:42.038548
- Title: Advances in Inference and Representation for Simultaneous Localization
and Mapping
- Title(参考訳): 同時ローカリゼーションとマッピングのための推論と表現の進歩
- Authors: David M. Rosen, Kevin J. Doherty, Antonio Teran Espinoza, John J.
Leonard
- Abstract要約: 同時ローカライゼーションとマッピング(SLAM)は,移動ロボットの基本機能であり,計画,ナビゲーション,制御といったコア機能をサポートする。
本稿では、SLAMにおける最近の進歩について、SLAMシステムで使用される環境モデルの表現能力の向上(表現)と、これらのモデルをデータ(参照)から推定するアルゴリズムの性能に焦点をあてる。
- 参考スコア(独自算出の注目度): 8.721760004258352
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Simultaneous localization and mapping (SLAM) is the process of constructing a
global model of an environment from local observations of it; this is a
foundational capability for mobile robots, supporting such core functions as
planning, navigation, and control. This article reviews recent progress in
SLAM, focusing on advances in the expressive capacity of the environmental
models used in SLAM systems (representation) and the performance of the
algorithms used to estimate these models from data (inference). A prominent
theme of recent SLAM research is the pursuit of environmental representations
(including learned representations) that go beyond the classical attributes of
geometry and appearance to model properties such as hierarchical organization,
affordance, dynamics, and semantics; these advances equip autonomous agents
with a more comprehensive understanding of the world, enabling more versatile
and intelligent operation. A second major theme is a revitalized interest in
the mathematical properties of the SLAM estimation problem itself (including
its computational and information-theoretic performance limits); this work has
led to the development of novel classes of certifiable and robust inference
methods that dramatically improve the reliability of SLAM systems in real-world
operation. We survey these advances with an emphasis on their ramifications for
achieving robust, long-duration autonomy, and conclude with a discussion of
open challenges and a perspective on future research directions.
- Abstract(参考訳): 同時にローカリゼーションとマッピング(SLAM)は、そのローカルな観察から環境のグローバルモデルを構築するプロセスです。これは、計画、ナビゲーション、制御などのコア機能をサポートする、モバイルロボットの基礎機能です。
本稿では、SLAMシステムで使用される環境モデルの表現能力の向上(表現)と、これらのモデルをデータ(推論)から推定するアルゴリズムの性能に着目し、SLAMの最近の進歩を概観する。
最近のSLAM研究の顕著なテーマは、幾何学や外観の古典的な属性を超えて、階層的組織、余裕、ダイナミクス、意味論などのモデル特性に進む環境表現(学習された表現を含む)の追求です。これらの進歩は、より汎用的でインテリジェントな操作を可能にする、より包括的な理解を持つ自律エージェントを装備しています。
第2のテーマは、SLAM推定問題自体の数学的性質(計算的および情報理論的性能限界を含む)の再活性化であり、この研究は、現実世界でのSLAMシステムの信頼性を劇的に向上させる、証明可能で堅牢な推論手法の新たなクラスの開発につながった。
我々は、これらの進歩を、堅牢で長期の自律性を達成するための分岐点を強調して調査し、オープンチャレンジと今後の研究方向の展望を議論して結論づける。
関連論文リスト
- The Essential Role of Causality in Foundation World Models for Embodied
AI [79.12959738166327]
身体的なAIエージェントは、さまざまな現実世界環境で新しいタスクを実行する能力を必要とします。
現在の基礎モデルは、現実世界との物理的相互作用を正確にモデル化できないため、Embodied AIには不十分である。
因果関係の研究は、可能な相互作用の結果を正確に予測するために不可欠である、バリディカル世界モデルの構築に寄与する。
論文 参考訳(メタデータ) (2024-02-06T17:15:33Z) - Modeling Spatio-temporal Dynamical Systems with Neural Discrete Learning
and Levels-of-Experts [33.335735613579914]
本稿では,ビデオフレームなどの観測結果に基づいて,時間・動的システムの状態変化をモデル化し,推定することの課題に対処する。
本稿では、一般的な物理プロセスの法則をデータ駆動方式で捉えるために、ユニバーサルエキスパートモジュール、すなわち光フロー推定コンポーネントを提案する。
我々は、既存のSOTAベースラインと比較して、提案フレームワークが大きなパフォーマンスマージンを達成することを示すため、広範囲な実験と改善を実施している。
論文 参考訳(メタデータ) (2024-02-06T06:27:07Z) - Segment Anything Model Can Not Segment Anything: Assessing AI Foundation
Model's Generalizability in Permafrost Mapping [19.307294875969827]
本稿では,AI基盤モデルとその定義特性を紹介する。
我々は、大規模AIビジョンモデル、特にMetaのセグメンション・アプライシング・モデル(SAM)の性能を評価する。
結果は、SAMには将来性はあるものの、AIの拡張された地形マッピングをサポートするための改善の余地があることを示している。
論文 参考訳(メタデータ) (2024-01-16T19:10:09Z) - A Novel Neural-symbolic System under Statistical Relational Learning [50.747658038910565]
本稿では,GBPGRと呼ばれる2段階の確率的グラフィカル推論フレームワークを提案する。
GBPGRでは、シンボル推論の結果を用いて、ディープラーニングモデルによる予測を洗練し、修正する。
提案手法は高い性能を示し, 帰納的タスクと帰納的タスクの両方において効果的な一般化を示す。
論文 参考訳(メタデータ) (2023-09-16T09:15:37Z) - A Bayesian Approach to Robust Inverse Reinforcement Learning [57.48221522174114]
我々は、オフラインモデルに基づく逆強化学習(IRL)に対するベイズ的アプローチを考える。
提案フレームワークは,専門家の報酬関数と環境力学の主観的モデルとを同時推定することにより,既存のオフラインモデルベースIRLアプローチとは異なる。
本分析は, 専門家が環境の高精度なモデルを持つと考えられる場合, 評価政策が堅牢な性能を示すという新たな知見を提示する。
論文 参考訳(メタデータ) (2023-09-15T17:37:09Z) - Synergistic Integration of Large Language Models and Cognitive
Architectures for Robust AI: An Exploratory Analysis [12.9222727028798]
本稿では、知的行動を示す人工知能エージェントの開発に使用される2つのAIサブセクタの統合について考察する:大規模言語モデル(LLM)と認知アーキテクチャ(CA)である。
我々は3つの統合的アプローチを提案し、それぞれ理論モデルに基づいて、予備的な経験的証拠によって支持される。
これらのアプローチは、LSMとCAの長所を活用すると同時に、弱点を軽減し、より堅牢なAIシステムの開発を促進することを目的としている。
論文 参考訳(メタデータ) (2023-08-18T21:42:47Z) - Post Hoc Explanations of Language Models Can Improve Language Models [43.2109029463221]
AMPLIFY(Post Hoc Explanations)を用いたインコンテキスト学習の活用によるモデル性能向上のための新しいフレームワークを提案する。
我々は,各入力特徴がモデル予測に与える影響を抽出し,帰属スコア(説明)を出力するポストホック説明手法を活用する。
AMPLIFYは,幅広いタスクに対して約10~25%の精度向上を実現している。
論文 参考訳(メタデータ) (2023-05-19T04:46:04Z) - Predictive Experience Replay for Continual Visual Control and
Forecasting [62.06183102362871]
視覚力学モデリングのための新しい連続学習手法を提案し,その視覚制御と予測における有効性について検討する。
まず,タスク固有のダイナミクスをガウスの混合で学習する混合世界モデルを提案し,その上で,破滅的な忘れを克服するための新たなトレーニング戦略を提案する。
我々のモデルは,DeepMind Control と Meta-World のベンチマークにおいて,既存の連続的学習アルゴリズムと視覚的RLアルゴリズムの単純な組み合わせよりも優れている。
論文 参考訳(メタデータ) (2023-03-12T05:08:03Z) - INFOrmation Prioritization through EmPOWERment in Visual Model-Based RL [90.06845886194235]
モデルベース強化学習(RL)のための修正目的を提案する。
相互情報に基づく状態空間モデルに,変分エンパワーメントにインスパイアされた用語を統合する。
本研究は,視覚に基づくロボット制御作業における自然な映像背景を用いたアプローチの評価である。
論文 参考訳(メタデータ) (2022-04-18T23:09:23Z) - AcME -- Accelerated Model-agnostic Explanations: Fast Whitening of the
Machine-Learning Black Box [1.7534486934148554]
解釈可能性のアプローチは、ユーザが待つことなく、実行可能な洞察を提供するべきです。
本稿では,グローバルレベルとローカルレベルの両方で特徴的重要性のスコアを迅速に提供する解釈可能性アプローチである,アクセレーションモデル非依存説明(AcME)を提案する。
AcMEは機能ランキングを計算しますが、機能値の変化がモデル予測にどのように影響するかを評価するために、What-if分析ツールも提供しています。
論文 参考訳(メタデータ) (2021-12-23T15:18:13Z) - Global Context-Aware Progressive Aggregation Network for Salient Object
Detection [117.943116761278]
我々は,低レベルな外観特徴,高レベルな意味特徴,グローバルな文脈特徴を統合化するための新しいネットワークGCPANetを提案する。
提案手法は, 定量的かつ定性的に, 最先端の手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2020-03-02T04:26:10Z)
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。