論文の概要: FloorGenT: Generative Vector Graphic Model of Floor Plans for Robotics
- arxiv url: http://arxiv.org/abs/2203.03385v1
- Date: Mon, 7 Mar 2022 13:42:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-08 17:40:56.862652
- Title: FloorGenT: Generative Vector Graphic Model of Floor Plans for Robotics
- Title（参考訳）: FloorGenT:ロボットのためのフロアプランの生成ベクトルグラフモデル
- Authors: Ludvig Ericson, Patric Jensfelt
- Abstract要約: フロアプランを特定の視点から見たラインセグメントのシーケンスとしてモデル化することにより、最近の自己回帰シーケンスモデリングの進歩をフロアプランのモデル化と予測に活用できることが示される。
- 参考スコア（独自算出の注目度）: 5.71097144710995
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Floor plans are the basis of reasoning in and communicating about indoor
environments. In this paper, we show that by modelling floor plans as sequences
of line segments seen from a particular point of view, recent advances in
autoregressive sequence modelling can be leveraged to model and predict floor
plans. The line segments are canonicalized and translated to sequence of tokens
and an attention-based neural network is used to fit a one-step distribution
over next tokens. We fit the network to sequences derived from a set of
large-scale floor plans, and demonstrate the capabilities of the model in four
scenarios: novel floor plan generation, completion of partially observed floor
plans, generation of floor plans from simulated sensor data, and finally, the
applicability of a floor plan model in predicting the shortest distance with
partial knowledge of the environment.
- Abstract（参考訳）: フロアプランは、屋内環境に関する推論とコミュニケーションの基礎である。
本稿では, フロアプランを特定の視点から見たラインセグメントのシーケンスとしてモデル化することにより, 近年の自己回帰シーケンスモデリングの進歩をフロアプランのモデル化と予測に活用できることを示す。
行セグメントは標準化され、トークンのシーケンスに変換され、注目ベースのニューラルネットワークが次のトークン上のワンステップ分布に適合するために使用される。
提案手法は,大規模床計画の集合から得られたシーケンスにネットワークを適合させ,新しい床計画生成,部分的に観測された床計画の完成,模擬センサデータからの床計画の生成,そして,最短距離と環境に関する部分的知識の予測における床計画モデルの適用性という4つのシナリオでモデルの能力を示す。
関連論文リスト
- DStruct2Design: Data and Benchmarks for Data Structure Driven Generative Floor Plan Design [5.567585193148804]
フロアプラン生成のデータ構造定式化のための新しいデータセットを構築した。
部分的あるいは完全な制約が与えられたフロアプラン生成の課題について検討する。
数値制約を考慮したフロアプラン生成問題に対するフロアプランデータ構造LLMの適用可能性を示す。
論文 参考訳（メタデータ） (2024-07-22T15:27:55Z) - Planning as In-Painting: A Diffusion-Based Embodied Task Planning
Framework for Environments under Uncertainty [56.30846158280031]
具体的AIのためのタスクプランニングは、最も難しい問題の1つだ。
In-paintingとしての計画」というタスク非依存の手法を提案する。
提案するフレームワークは,様々な具体的AIタスクにおいて,有望なパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-12-02T10:07:17Z) - Compositional Foundation Models for Hierarchical Planning [52.18904315515153]
本稿では,言語,視覚,行動データを個別に訓練し,長期的課題を解決するための基礎モデルを提案する。
我々は,大規模なビデオ拡散モデルを用いて,環境に根ざした記号的計画を構築するために,大規模言語モデルを用いている。
生成したビデオプランは、生成したビデオからアクションを推論する逆ダイナミクスモデルを通じて、視覚運動制御に基礎を置いている。
論文 参考訳（メタデータ） (2023-09-15T17:44:05Z) - 2D Floor Plan Segmentation Based on Down-sampling [1.4502611532302039]
ダウンサンプリング手法に基づく新しい2次元フロアプランセグメンテーション手法を提案する。
本手法では, フロアプランに連続的なダウンサンプリングを適用し, 構造情報の維持と複雑さの低減を図る。
論文 参考訳（メタデータ） (2023-03-24T04:39:50Z) - End-to-end Graph-constrained Vectorized Floorplan Generation with
Panoptic Refinement [16.103152098205566]
本研究では,1次元ベクトルのシーケンスとしてフロアプランを合成することを目的としている。
最初の段階では,ユーザが入力した部屋接続グラフをGCN(Graphal Network)でエンコードし,自動回帰トランスフォーマネットワークを適用して初期フロアプランを生成する。
初期設計を洗練し、より視覚的に魅力的なフロアプランを生成するために、GCNとトランスフォーマーネットワークからなる新しい汎視補正ネットワーク(PRN)を提案する。
論文 参考訳（メタデータ） (2022-07-27T03:19:20Z) - Visual Learning-based Planning for Continuous High-Dimensional POMDPs [81.16442127503517]
Visual Tree Search (VTS)は、オフラインで学習した生成モデルとオンラインモデルベースのPOMDP計画を組み合わせた学習と計画の手順である。
VTSは、モンテカルロの木探索プランナーにおける画像観測の可能性を予測し評価するために、一連の深部生成観測モデルを利用することで、オフラインモデルトレーニングとオンラインプランニングを橋渡しする。
VTSは、異なる観測ノイズに対して堅牢であり、オンラインのモデルベースプランニングを利用するため、再トレーニングを必要とせずに、異なる報酬構造に適応できることを示す。
論文 参考訳（メタデータ） (2021-12-17T11:53:31Z) - Graph-Based Generative Representation Learning of Semantically and
Behaviorally Augmented Floorplans [12.488287536032747]
本稿では,アトリビュートグラフを用いて幾何学的情報を表現するフロアプラン埋め込み手法と,ノード属性やエッジ属性として住民のセマンティクスや行動特徴をデザインする手法を提案する。
長短期記憶(LSTM)変動オートエンコーダ(VAE)アーキテクチャを提案し,連続空間に属性グラフをベクトルとして埋め込むように訓練した。
入力に対する埋め込み空間から得られた類似のフロアプランの結合度を評価するために,ユーザ調査を行った。
論文 参考訳（メタデータ） (2020-12-08T20:51:56Z) - Long-Horizon Visual Planning with Goal-Conditioned Hierarchical
Predictors [124.30562402952319]
未来に予測し、計画する能力は、世界で行動するエージェントにとって基本である。
視覚的予測と計画のための現在の学習手法は、長期的タスクでは失敗する。
本稿では,これらの制約を克服可能な視覚的予測と計画のためのフレームワークを提案する。
論文 参考訳（メタデータ） (2020-06-23T17:58:56Z) - Divide-and-Conquer Monte Carlo Tree Search For Goal-Directed Planning [78.65083326918351]
暗黙的な逐次計画の仮定に代わるものを検討する。
本稿では,最適計画の近似を行うため,Divide-and-Conquer Monte Carlo Tree Search (DC-MCTS)を提案する。
計画順序に対するこのアルゴリズム的柔軟性は,グリッドワールドにおけるナビゲーションタスクの改善に繋がることを示す。
論文 参考訳（メタデータ） (2020-04-23T18:08:58Z) - Hallucinative Topological Memory for Zero-Shot Visual Planning [86.20780756832502]
視覚計画(VP)では、エージェントは、オフラインで取得した動的システムの観察から目標指向の振る舞いを計画することを学ぶ。
以前のVPに関するほとんどの研究は、学習された潜在空間で計画することでこの問題にアプローチし、結果として品質の低い視覚計画を生み出した。
本稿では,画像空間を直接計画し,競合性能を示すシンプルなVP手法を提案する。
論文 参考訳（メタデータ） (2020-02-27T18:54:42Z)
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。