論文の概要: Active Implicit Object Reconstruction using Uncertainty-guided Next-Best-View Optimziation

• arxiv url: http://arxiv.org/abs/2303.16739v2
• Date: Tue, 11 Jul 2023 06:59:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-12 18:40:15.893449
• 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: オブジェクト再構築時のセンサビューのアクティブな計画は、自律移動ロボットにとって不可欠である。 本稿では,暗黙の表現を能動的再構築タスクとシームレスに統合することを提案する。 本手法は,アクティブ・リコンストラクション作業におけるビュープランニングの精度と効率を効果的に向上する。
• 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 crucial for autonomous mobile robots. An effective method should be able to strike a balance between accuracy and efficiency. In this paper, we propose a seamless integration of the emerging implicit representation with the active reconstruction task. We build an implicit occupancy field as our geometry proxy. While training, the prior object bounding box is utilized as auxiliary information to generate clean and detailed reconstructions. To evaluate view uncertainty, we employ a sampling-based approach that directly extracts entropy from the reconstructed occupancy probability field as our measure of view information gain. This eliminates the need for additional uncertainty maps or learning. Unlike previous methods that compare view uncertainty within a finite set of candidates, we aim to find the next-best-view (NBV) on a continuous manifold. Leveraging the differentiability of the implicit representation, the NBV can be optimized directly by maximizing the view uncertainty using gradient descent. It significantly enhances the method's adaptability to different scenarios. Simulation and real-world experiments demonstrate that our approach effectively improves reconstruction accuracy and efficiency of view planning in active reconstruction tasks. The proposed system will open source at https://github.com/HITSZ-NRSL/ActiveImplicitRecon.git.
• Abstract（参考訳）: オブジェクト再構築時のセンサビューのアクティブな計画は、自律移動ロボットにとって不可欠である。 有効な方法は、正確性と効率のバランスをとることができるべきである。 本稿では,新たな暗黙表現とアクティブ再構築タスクをシームレスに統合することを提案する。 私たちは幾何学的プロキシとして暗黙の占有領域を構築します。 トレーニング中、事前のオブジェクトバウンディングボックスを補助情報として活用し、クリーンで詳細な再構築を生成する。 視点の不確実性を評価するために,再構成された占有確率場から直接エントロピーを抽出するサンプリングベースアプローチを,視点情報獲得の尺度として採用する。 これにより、さらなる不確実性マップや学習の必要性がなくなる。 有限個の候補集合内のビューの不確実性を比較する従来の方法とは異なり、連続多様体上の次のベストビュー(NBV)を求める。 暗黙的表現の微分可能性を活用することで、NBVは勾配降下を用いたビューの不確実性を最大化することで直接最適化することができる。 異なるシナリオに対するメソッドの適応性を大幅に向上させる。 シミュレーションおよび実世界の実験により,本手法はアクティブな再構築作業におけるビュープランニングの精度と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。