論文の概要: RREx-BoT: Remote Referring Expressions with a Bag of Tricks
- arxiv url: http://arxiv.org/abs/2301.12614v1
- Date: Mon, 30 Jan 2023 02:19:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-31 16:04:18.002229
- Title: RREx-BoT: Remote Referring Expressions with a Bag of Tricks
- Title(参考訳): RREx-BoT: トリックの袋を使ったリモート参照式
- Authors: Gunnar A. Sigurdsson, Jesse Thomason, Gaurav S. Sukhatme, Robinson
Piramuthu
- Abstract要約: 本研究では,未観測環境における物体の探索に視覚言語スコアリングモデルを用いる方法を示す。
私たちは、我々のモデルを現実世界のTurtleBotプラットフォーム上でデモし、このアプローチの単純さと有用性を強調します。
本分析では,3次元座標と文脈の利用から,視覚言語モデルから大規模3次元検索空間への一般化に至るまで,この課題を達成する上で不可欠な「トリックの袋」を概説する。
- 参考スコア(独自算出の注目度): 19.036557405184656
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Household robots operate in the same space for years. Such robots
incrementally build dynamic maps that can be used for tasks requiring remote
object localization. However, benchmarks in robot learning often test
generalization through inference on tasks in unobserved environments. In an
observed environment, locating an object is reduced to choosing from among all
object proposals in the environment, which may number in the 100,000s. Armed
with this intuition, using only a generic vision-language scoring model with
minor modifications for 3d encoding and operating in an embodied environment,
we demonstrate an absolute performance gain of 9.84% on remote object grounding
above state of the art models for REVERIE and of 5.04% on FAO. When allowed to
pre-explore an environment, we also exceed the previous state of the art
pre-exploration method on REVERIE. Additionally, we demonstrate our model on a
real-world TurtleBot platform, highlighting the simplicity and usefulness of
the approach. Our analysis outlines a "bag of tricks" essential for
accomplishing this task, from utilizing 3d coordinates and context, to
generalizing vision-language models to large 3d search spaces.
- Abstract(参考訳): 家庭用ロボットは何年も同じ空間で動作します。
このようなロボットは、リモートオブジェクトのローカライゼーションを必要とするタスクに使用できるダイナミックマップを段階的に構築する。
しかしながら、ロボット学習のベンチマークは、観測されていない環境におけるタスクの推論を通じて一般化をテストすることが多い。
観察された環境では、オブジェクトの特定は、環境内のすべてのオブジェクト提案の中から選択される。
この直感に則り、3Dエンコーディングと動作の微調整を施した汎用視覚言語スコアリングモデルのみを用いて、REVERIEのアートモデル上におけるリモートオブジェクトの絶対的なパフォーマンス向上率を9.84%、FAOの5.04%と示す。
環境の事前探索が許された場合,REVERIEにおける先行探索手法の先行状態を超越する。
さらに,このアプローチの単純さと有用性を強調した,実世界のturletbotプラットフォーム上でのモデルを示す。
分析では,3次元座標とコンテキストの活用から,視覚言語モデルから大規模3次元探索空間への一般化まで,この課題を実現する上で不可欠な「小技の袋」について概説する。
関連論文リスト
- Open-vocabulary Mobile Manipulation in Unseen Dynamic Environments with 3D Semantic Maps [16.083092305930844]
Open-Vocabulary Mobile Manipulation (OVMM)は、自律ロボットにとって重要な機能である。
ゼロショット検出とグラウンドド認識機能を活用した新しいフレームワークを提案する。
我々は,10-DoFモバイル操作ロボットプラットフォームJSR-1を構築し,実世界のロボット実験で実証した。
論文 参考訳(メタデータ) (2024-06-26T07:06:42Z) - SUGAR: Pre-training 3D Visual Representations for Robotics [85.55534363501131]
ロボット工学のための新しい3D事前学習フレームワークSUGARを紹介した。
SUGARは3次元の点雲を通してオブジェクトの意味的、幾何学的、および余分な特性をキャプチャする。
SuGARの3D表現は最先端の2Dおよび3D表現よりも優れていることを示す。
論文 参考訳(メタデータ) (2024-04-01T21:23:03Z) - Development and evaluation of automated localisation and reconstruction
of all fruits on tomato plants in a greenhouse based on multi-view perception
and 3D multi-object tracking [0.0]
本稿では,閉鎖されたアグロフード環境におけるジェネリック表現構築のための新しいアプローチを提案する。
これは検出対象ごとに部分点雲を生成する検出アルゴリズムに基づいており、次いで3次元多目的追跡アルゴリズムが続く。
表象の精度を実環境において評価し,トマトにおけるトマトの表現と局在を成功させた。
論文 参考訳(メタデータ) (2022-11-04T21:51:53Z) - Lifelong Ensemble Learning based on Multiple Representations for
Few-Shot Object Recognition [6.282068591820947]
本稿では,複数表現に基づく一生涯のアンサンブル学習手法を提案する。
生涯学習を容易にするため、各アプローチは、オブジェクト情報を即座に保存して検索するメモリユニットを備える。
提案手法の有効性を,オフラインおよびオープンエンドシナリオで評価するために,幅広い実験を行った。
論文 参考訳(メタデータ) (2022-05-04T10:29:10Z) - Object Manipulation via Visual Target Localization [64.05939029132394]
オブジェクトを操作するための訓練エージェントは、多くの課題を提起します。
本研究では,対象物体を探索する環境を探索し,位置が特定されると3次元座標を計算し,対象物が見えない場合でも3次元位置を推定する手法を提案する。
評価の結果,同じ感覚スイートにアクセス可能なモデルに比べて,成功率が3倍に向上したことが示された。
論文 参考訳(メタデータ) (2022-03-15T17:59:01Z) - LanguageRefer: Spatial-Language Model for 3D Visual Grounding [72.7618059299306]
3次元視覚的グラウンドリング問題に対する空間言語モデルを構築した。
本稿では,ReferIt3Dが提案する視覚言語データセットに対して,本モデルが競合的に動作することを示す。
論文 参考訳(メタデータ) (2021-07-07T18:55:03Z) - Maintaining a Reliable World Model using Action-aware Perceptual
Anchoring [4.971403153199917]
物体が見えなくなったり見えなくなったりしても、ロボットは周囲のモデルを維持する必要がある。
これは、環境内のオブジェクトを表すシンボルに知覚情報をアンカーする必要がある。
本稿では,ロボットが物体を永続的に追跡できる行動認識型知覚アンカーのモデルを提案する。
論文 参考訳(メタデータ) (2021-07-07T06:35:14Z) - Rapid Exploration for Open-World Navigation with Latent Goal Models [78.45339342966196]
多様なオープンワールド環境における自律的な探索とナビゲーションのためのロボット学習システムについて述べる。
本手法のコアとなるのは、画像の非パラメトリックトポロジカルメモリとともに、距離と行動の学習された潜在変数モデルである。
学習方針を規則化するために情報ボトルネックを使用し、(i)目標のコンパクトな視覚的表現、(ii)一般化能力の向上、(iii)探索のための実行可能な目標をサンプリングするためのメカニズムを提供する。
論文 参考訳(メタデータ) (2021-04-12T23:14:41Z) - Supervised Training of Dense Object Nets using Optimal Descriptors for
Industrial Robotic Applications [57.87136703404356]
Florence、Manuelli、TedrakeによるDense Object Nets(DON)は、ロボットコミュニティのための新しいビジュアルオブジェクト表現として高密度オブジェクト記述子を導入した。
本稿では, 物体の3次元モデルを考えると, 記述子空間画像を生成することができ, DON の教師付きトレーニングが可能であることを示す。
産業用物体の6次元グリップ生成のためのトレーニング手法を比較し,新しい教師付きトレーニング手法により,産業関連タスクのピック・アンド・プレイス性能が向上することを示す。
論文 参考訳(メタデータ) (2021-02-16T11:40:12Z) - Learning to Move with Affordance Maps [57.198806691838364]
物理的な空間を自律的に探索し、ナビゲートする能力は、事実上あらゆる移動型自律エージェントの基本的な要件である。
従来のSLAMベースの探索とナビゲーションのアプローチは、主にシーン幾何学の活用に重点を置いている。
学習可能な余剰マップは探索と航法の両方において従来のアプローチの強化に利用でき、性能が大幅に向上することを示します。
論文 参考訳(メタデータ) (2020-01-08T04:05:11Z)
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。