論文の概要: Active Implicit Object Reconstruction using Uncertainty-guided
Next-Best-View Optimziation
- arxiv url: http://arxiv.org/abs/2303.16739v1
- Date: Wed, 29 Mar 2023 14:42:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-30 14:33:29.319243
- Title: Active Implicit Object Reconstruction using Uncertainty-guided
Next-Best-View Optimziation
- Title（参考訳）: 不確実性誘導型Next-Best-View最適化を用いたアクティブインシシットオブジェクト再構成
- Authors: Dongyu Yan, Jianheng Liu, Fengyu Quan, Haoyao Chen and Mengmeng Fu
- Abstract要約: 自律移動ロボットには,物体再構成時のセンサビューのアクティブな計画が不可欠である。
出現する暗黙の表現をオブジェクトモデルとして捉え、それをアクティブな再構築タスクとシームレスに組み合わせます。
本手法は,アクティブリコンストラクションタスクのリコンストラクション精度とビュープランニング効率を効果的に向上させる。
- 参考スコア（独自算出の注目度）: 1.0079626733116611
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Actively planning sensor views during object reconstruction is essential to
autonomous mobile robots. This task is usually performed by evaluating
information gain from an explicit uncertainty map. Existing algorithms compare
options among a set of preset candidate views and select the next-best-view
from them. In contrast to these, we take the emerging implicit representation
as the object model and seamlessly combine it with the active reconstruction
task. To fully integrate observation information into the model, we propose a
supervision method specifically for object-level reconstruction that considers
both valid and free space. Additionally, to directly evaluate view information
from the implicit object model, we introduce a sample-based uncertainty
evaluation method. It samples points on rays directly from the object model and
uses variations of implicit function inferences as the uncertainty metrics,
with no need for voxel traversal or an additional information map. Leveraging
the differentiability of our metrics, it is possible to optimize the
next-best-view by maximizing the uncertainty continuously. This does away with
the traditionally-used candidate views setting, which may provide sub-optimal
results. Experiments in simulations and real-world scenes show that our method
effectively improves the reconstruction accuracy and the view-planning
efficiency of active reconstruction tasks. The proposed system is going to open
source at https://github.com/HITSZ-NRSL/ActiveImplicitRecon.git.
- Abstract（参考訳）: 自律移動ロボットには,物体再構成時のセンサビューのアクティブな計画が不可欠である。
このタスクは通常、明示的な不確実性マップからの情報ゲインを評価することで実行される。
既存のアルゴリズムは、プリセット候補ビューのセットでオプションを比較し、それらから次のベストビューを選択する。
これとは対照的に、オブジェクトモデルとして暗黙の表現が出現し、アクティブな再構築タスクとシームレスに結合する。
観測情報をモデルに完全に統合するために,有効かつ自由な空間を考慮したオブジェクトレベルの再構築のための監視手法を提案する。
さらに,暗黙的オブジェクトモデルからの視点情報を直接評価するために,サンプルベース不確実性評価手法を提案する。
オブジェクトモデルから直接線上の点をサンプリングし、不確かさのメトリクスとして暗黙の関数推論のバリエーションを使用し、ボクセルトラバーサルや追加の情報マップは不要である。
メトリクスの微分可能性を活用することで、不確実性を継続的に最大化することで、次のベストビューを最適化することが可能になります。
これは、従来使用されていた候補ビュー設定を廃止する。
シミュレーションおよび実世界のシーンにおける実験により,本手法はアクティブな再構成作業の再現精度とビュープランニング効率を効果的に向上することを示した。
提案されたシステムはhttps://github.com/HITSZ-NRSL/ActiveImplicitRecon.gitでオープンソース化される。
関連論文リスト
- Effort: Efficient Orthogonal Modeling for Generalizable AI-Generated Image Detection [66.16595174895802]
既存のAI生成画像(AIGI)検出手法は、しばしば限定的な一般化性能に悩まされる。
本稿では、AIGI検出において、これまで見過ごされてきた重要な非対称性現象を同定する。
論文 参考訳（メタデータ） (2024-11-23T19:10:32Z) - ActiveSplat: High-Fidelity Scene Reconstruction through Active Gaussian Splatting [12.628559736243536]
ガウススプラッティングを利用した自律型高忠実度再構築システムであるActiveSplatを提案する。
このシステムは、オンラインマッピング、視点選択、経路計画のための統合されたフレームワークを確立する。
提案手法の有効性を, 再現精度, データカバレッジ, 探索効率の観点から検証した。
論文 参考訳（メタデータ） (2024-10-29T11:18:04Z) - STAIR: Semantic-Targeted Active Implicit Reconstruction [23.884933841874908]
特定の意味を持つオブジェクト、すなわち特定の意味を持つオブジェクトを活発に再構築することは、ロボットが下流のタスクを実行するのに重要である。
提案手法は,RGB-Dの測定値と2次元意味ラベルを入力として用いたセマンティックターゲット型アクティブリコンストラクションのための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2024-03-17T14:42:05Z) - Model Checking for Closed-Loop Robot Reactive Planning [0.0]
モデル検査を用いて、ディファレンシャルドライブホイールロボットの多段階計画を作成することにより、即時危険を回避できることを示す。
簡単な生物エージェントのエゴセントリックな反応を反映した,小型で汎用的なモデル検査アルゴリズムを用いて,リアルタイムで計画を生成する。
論文 参考訳（メタデータ） (2023-11-16T11:02:29Z) - Consensus-Adaptive RANSAC [104.87576373187426]
本稿では,パラメータ空間の探索を学習する新しいRANSACフレームワークを提案する。
注意機構は、ポイント・ツー・モデル残差のバッチで動作し、軽量のワンステップ・トランスフォーマーで見いだされたコンセンサスを考慮するために、ポイント・ツー・モデル推定状態を更新する。
論文 参考訳（メタデータ） (2023-07-26T08:25:46Z) - CPPF++: Uncertainty-Aware Sim2Real Object Pose Estimation by Vote Aggregation [67.12857074801731]
そこで本研究では,シミュレートからリアルなポーズ推定のための新しい手法であるCPPF++を提案する。
投票衝突による課題に対処するため,投票の不確実性をモデル化する新たなアプローチを提案する。
ノイズの多いペアフィルタリング、オンラインアライメント最適化、機能アンサンブルなど、いくつかの革新的なモジュールを組み込んでいます。
論文 参考訳（メタデータ） (2022-11-24T03:27:00Z) - Information-Theoretic Odometry Learning [83.36195426897768]
生体計測推定を目的とした学習動機付け手法のための統合情報理論フレームワークを提案する。
提案フレームワークは情報理論言語の性能評価と理解のためのエレガントなツールを提供する。
論文 参考訳（メタデータ） (2022-03-11T02:37:35Z) - Don't Lie to Me! Robust and Efficient Explainability with Verified
Perturbation Analysis [6.15738282053772]
摂動空間を徹底的に探索することを保証する最初の説明可能性法であるEVAを紹介する。
モデル決定を駆動する可能性が最も高い入力変数を効率よく特徴付けるために、検証された摂動解析の有益性を利用する。
論文 参考訳（メタデータ） (2022-02-15T21:13:55Z) - Dynamic Iterative Refinement for Efficient 3D Hand Pose Estimation [87.54604263202941]
本稿では,従来の推定値の修正に部分的レイヤを反復的に活用する,小さなディープニューラルネットワークを提案する。
学習したゲーティング基準を用いて、ウェイトシェアリングループから抜け出すかどうかを判断し、モデルにサンプルごとの適応を可能にする。
提案手法は,広く使用されているベンチマークの精度と効率の両面から,最先端の2D/3Dハンドポーズ推定手法より一貫して優れている。
論文 参考訳（メタデータ） (2021-11-11T23:31:34Z) - Robust Value Iteration for Continuous Control Tasks [99.00362538261972]
シミュレーションから物理システムへ制御ポリシを転送する場合、そのポリシは、動作の変動に対して堅牢でなければならない。
本稿では、動的プログラミングを用いて、コンパクトな状態領域上での最適値関数を計算するRobust Fitted Value Iterationを提案する。
より深い強化学習アルゴリズムや非ロバストなアルゴリズムと比較して、ロバストな値の方が頑健であることを示す。
論文 参考訳（メタデータ） (2021-05-25T19:48:35Z)
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。