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
- Explainability for Vision Foundation Models: A Survey [3.570403495760109]
基礎モデルは説明可能性領域において曖昧な位置を占める。
基礎モデルは、その広範な一般化能力と創発的使用によって特徴づけられる。
基礎モデルにXAIを統合する上での現在の研究で直面する課題について論じる。
論文 参考訳(メタデータ) (2025-01-21T15:18:55Z) - A Survey of World Models for Autonomous Driving [63.33363128964687]
自律運転の最近の進歩は、堅牢な世界モデリングの進歩によって推進されている。
本稿では、自律運転の世界モデルにおける最近の進歩を体系的にレビューする。
論文 参考訳(メタデータ) (2025-01-20T04:00:02Z) - Predictive Pattern Recognition Techniques Towards Spatiotemporal Representation of Plant Growth in Simulated and Controlled Environments: A Comprehensive Review [0.0]
本稿では,最先端の予測パターン認識技術について概説する。
植物形質の確率論的モデリングと動的環境相互作用の統合に着目した。
主なトピックは、予測タスクのための回帰とニューラルネットワークベースの表現モデルだ。
論文 参考訳(メタデータ) (2024-12-13T20:22:35Z) - Large Action Models: From Inception to Implementation [51.81485642442344]
大規模アクションモデル(LAM)は動的環境内でのアクション生成と実行のために設計されている。
LAMは、AIを受動的言語理解からアクティブなタスク完了に変換する可能性を秘めている。
創発から展開まで,LAMを体系的に開発するための総合的なフレームワークを提案する。
論文 参考訳(メタデータ) (2024-12-13T11:19:56Z) - Exploring the Precise Dynamics of Single-Layer GAN Models: Leveraging Multi-Feature Discriminators for High-Dimensional Subspace Learning [0.0]
サブスペース学習の観点から,単層GANモデルのトレーニングダイナミクスについて検討する。
解析をサブスペース学習の領域にブリッジすることで,従来の手法と比較してGAN法の有効性を体系的に比較する。
論文 参考訳(メタデータ) (2024-11-01T10:21:12Z) - Foundation Models for Remote Sensing and Earth Observation: A Survey [101.77425018347557]
本調査は、リモートセンシング基礎モデル(RSFM)の新しい分野を体系的にレビューする。
モチベーションと背景の概要から始まり、続いて基本概念が導入された。
我々はこれらのモデルを公開データセットと比較し、既存の課題について議論し、今後の研究方向性を提案する。
論文 参考訳(メタデータ) (2024-10-22T01:08:21Z) - Coding for Intelligence from the Perspective of Category [66.14012258680992]
符号化の対象はデータの圧縮と再構成、インテリジェンスである。
最近の傾向は、これらの2つの分野の潜在的均一性を示している。
本稿では,カテゴリ理論の観点から,インテリジェンスのためのコーディングの新たな問題を提案する。
論文 参考訳(メタデータ) (2024-07-01T07:05:44Z) - Ontology-Enhanced Decision-Making for Autonomous Agents in Dynamic and Partially Observable Environments [0.0]
この論文では、自律エージェントのためのオントロジー強化意思決定モデル(OntoDeM)を紹介している。
OntoDeMはエージェントのドメイン知識を充実させ、予期せぬイベントを解釈し、目標を生成または適応させ、より良い意思決定を可能にする。
OntoDeMは従来の学習アルゴリズムや高度な学習アルゴリズムと比較して、動的で部分的に観察可能な環境におけるエージェントの観察と意思決定を改善する上で優れた性能を示している。
論文 参考訳(メタデータ) (2024-05-27T22:52:23Z) - Is Sora a World Simulator? A Comprehensive Survey on General World Models and Beyond [101.15395503285804]
一般世界モデルは、人工知能(AGI)の実現への決定的な道のりを表現している
本調査では,世界モデルの最新動向を包括的に調査する。
我々は,世界モデルの課題と限界について検討し,今後の方向性について考察する。
論文 参考訳(メタデータ) (2024-05-06T14:37:07Z) - Advancing Frontiers in SLAM: A Survey of Symbolic Representation and Human-Machine Teaming in Environmental Mapping [0.0]
本稿では,マルチエージェントシステム(MAS)とヒューマンマシンチームにおける研究動向を総合的に分析し,シンボリックおよびサブシンボリックSLAMタスクにおけるそれらの応用を強調した。
この研究は、マッピングタスクにおける人間と機械のコラボレーションの強化に対する需要の増加を認めている。
論文 参考訳(メタデータ) (2024-03-22T00:48:48Z) - 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)
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。