論文の概要: RSPT: Reconstruct Surroundings and Predict Trajectories for Generalizable Active Object Tracking

• arxiv url: http://arxiv.org/abs/2304.03623v1
• Date: Fri, 7 Apr 2023 12:52:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-10 12:07:21.261187
• Title: RSPT: Reconstruct Surroundings and Predict Trajectories for Generalizable Active Object Tracking
• Title（参考訳）: rspt: 一般化能動物体追跡のための周辺環境の再構築と軌道予測
• Authors: Fangwei Zhong, Xiao Bi, Yudi Zhang, Wei Zhang, Yizhou Wang
• Abstract要約: 本稿では, 周辺を再構成し, 対象軌道の予測を行うことにより, 構造認識の動作表現を形成するフレームワークであるRSPTを提案する。 我々は,RSPTを様々なシミュレーションシナリオで評価し,既存の手法よりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 17.659697426459083
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Active Object Tracking (AOT) aims to maintain a specific relation between the tracker and object(s) by autonomously controlling the motion system of a tracker given observations. AOT has wide-ranging applications, such as in mobile robots and autonomous driving. However, building a generalizable active tracker that works robustly across different scenarios remains a challenge, especially in unstructured environments with cluttered obstacles and diverse layouts. We argue that constructing a state representation capable of modeling the geometry structure of the surroundings and the dynamics of the target is crucial for achieving this goal. To address this challenge, we present RSPT, a framework that forms a structure-aware motion representation by Reconstructing the Surroundings and Predicting the target Trajectory. Additionally, we enhance the generalization of the policy network by training in an asymmetric dueling mechanism. We evaluate RSPT on various simulated scenarios and show that it outperforms existing methods in unseen environments, particularly those with complex obstacles and layouts. We also demonstrate the successful transfer of RSPT to real-world settings. Project Website: https://sites.google.com/view/aot-rspt.
• Abstract（参考訳）: アクティブオブジェクト追跡(AOT)は、トラッカーの運動系を自律的に制御することにより、トラッカーとオブジェクトとの間の特定の関係を維持することを目的としている。 AOTには、モバイルロボットや自動運転など、幅広い応用がある。 しかし、さまざまなシナリオで堅牢に動作する一般化可能なアクティブトラッカーの構築は、特に乱雑な障害と多様なレイアウトを持つ非構造化環境では、依然として課題である。 我々は,環境の幾何学構造や対象の力学をモデル化できる状態表現の構築が,この目標を達成する上で不可欠であると主張する。 この課題に対処するために,周囲を再構築し,目標軌跡を予測して構造認識運動表現を形成するフレームワークrsptを提案する。 さらに,非対称なデュエル機構でトレーニングすることで,政策ネットワークの一般化を図る。 我々は,様々なシミュレーションシナリオでrsptを評価し,未知の環境,特に複雑な障害物やレイアウトにおいて,既存の手法よりも優れていることを示す。 また、実世界の設定へのRSPTの転送に成功したことを示す。 プロジェクトサイト: https://sites.google.com/view/aot-rspt.com

関連論文リスト

• Tracking Transforming Objects: A Benchmark [2.53045657890708]
  本研究では、DTTOと呼ばれる、約9.3Kのフレームを含む100のシーケンスを含む、新しいTracking Transforming Objects専用のデータセットを収集する。 これらのシーケンス内の各フレームに対して手書きのバウンディングボックスを慎重に提供し、DTTOは変換対象を追跡するための先駆的なベンチマークとなる。 我々は,既存の手法の性能の理解とDTTOの今後の研究との比較を目的として,20の最先端トラッカーをベンチマークで徹底的に評価した。
  論文  参考訳（メタデータ） (2024-04-28T11:24:32Z)
• MotionTrack: Learning Motion Predictor for Multiple Object Tracking [68.68339102749358]
  本研究では,学習可能なモーション予測器を中心に,新しいモーショントラッカーであるMotionTrackを紹介する。 実験結果から、MotionTrackはDancetrackやSportsMOTといったデータセット上での最先端のパフォーマンスを示す。
  論文  参考訳（メタデータ） (2023-06-05T04:24:11Z)
• Tracking through Containers and Occluders in the Wild [32.86030395660071]
  重い閉塞と封じ込めによる視覚追跡のための新しいベンチマークとモデルである$textbfTCOW$を紹介した。 我々は、教師付き学習とモデル性能の構造化評価の両方をサポートするために、合成データセットと注釈付き実データセットの混合を作成する。 最近の2つのトランスフォーマーベースビデオモデルを評価し,タスク変動の特定の設定下でターゲットを驚くほど追跡できるが,トラッキングモデルが真のオブジェクト永続性(permanence)の概念を獲得したと主張するまでには,かなりの性能差が残っていることを発見した。
  論文  参考訳（メタデータ） (2023-05-04T17:59:58Z)
• End-to-end Tracking with a Multi-query Transformer [96.13468602635082]
  マルチオブジェクトトラッキング(MOT)は、時間とともにシーン内のオブジェクトの位置、外観、アイデンティティを同時に推論する必要がある課題である。 本研究の目的は、トラッキング・バイ・ディテクト・アプローチを超えて、未知のオブジェクト・クラスに対してもよく機能するクラスに依存しないトラッキングへと移行することである。
  論文  参考訳（メタデータ） (2022-10-26T10:19:37Z)
• Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
  本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。 連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。 我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
  論文  参考訳（メタデータ） (2021-11-15T18:50:04Z)
• Robust Object Detection via Instance-Level Temporal Cycle Confusion [89.1027433760578]
  物体検出器の分布外一般化を改善するための補助的自己監視タスクの有効性を検討する。 最大エントロピーの原理に触発されて,新しい自己監督タスクであるインスタンスレベル時間サイクル混乱(cycconf)を導入する。 それぞれのオブジェクトに対して、タスクは、ビデオ内の隣接するフレームで最も異なるオブジェクトの提案を見つけ、自己スーパービジョンのために自分自身にサイクルバックすることです。
  論文  参考訳（メタデータ） (2021-04-16T21:35:08Z)
• Robot Navigation in Constrained Pedestrian Environments using Reinforcement Learning [32.454250811667904]
  歩行者のまわりをスムーズに移動することは、人間環境に展開する移動ロボットに必要な能力である。 移動歩行者の存在に動的に適応できる政策を学習するための強化学習に基づくアプローチを提案する。 2つの実環境の3D再構成に学習方針の移転を示す。
  論文  参考訳（メタデータ） (2020-10-16T19:40:08Z)
• Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
  本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。 我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。 本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
  論文  参考訳（メタデータ） (2020-07-28T07:34:30Z)
• Latent Space Roadmap for Visual Action Planning of Deformable and Rigid Object Manipulation [74.88956115580388]
  プランニングは、イメージを埋め込んだ低次元の潜在状態空間で行われる。 我々のフレームワークは2つの主要なコンポーネントで構成されており、画像のシーケンスとして視覚的な計画を生成するビジュアル・フォレスト・モジュール(VFM)と、それら間のアクションを予測するアクション・プロポーザル・ネットワーク(APN)である。
  論文  参考訳（メタデータ） (2020-03-19T18:43:26Z)

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。