論文の概要: An Object SLAM Framework for Association, Mapping, and High-Level Tasks
- arxiv url: http://arxiv.org/abs/2305.07299v1
- Date: Fri, 12 May 2023 08:10:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-15 13:47:13.464587
- Title: An Object SLAM Framework for Association, Mapping, and High-Level Tasks
- Title（参考訳）: 関連付け、マッピング、ハイレベルタスクのためのオブジェクトslamフレームワーク
- Authors: Yanmin Wu, Yunzhou Zhang, Delong Zhu, Zhiqiang Deng, Wenkai Sun, Xin
Chen, Jian Zhang
- Abstract要約: 本稿では,オブジェクト指向認識とオブジェクト指向ロボットタスクに焦点を当てた包括的オブジェクトSLAMフレームワークを提案する。
提案したオブジェクトSLAMフレームワークを効率よく評価するために,さまざまな公開データセットと実世界の結果が使用されている。
- 参考スコア（独自算出の注目度）: 12.62957558651032
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Object SLAM is considered increasingly significant for robot high-level
perception and decision-making. Existing studies fall short in terms of data
association, object representation, and semantic mapping and frequently rely on
additional assumptions, limiting their performance. In this paper, we present a
comprehensive object SLAM framework that focuses on object-based perception and
object-oriented robot tasks. First, we propose an ensemble data association
approach for associating objects in complicated conditions by incorporating
parametric and nonparametric statistic testing. In addition, we suggest an
outlier-robust centroid and scale estimation algorithm for modeling objects
based on the iForest and line alignment. Then a lightweight and object-oriented
map is represented by estimated general object models. Taking into
consideration the semantic invariance of objects, we convert the object map to
a topological map to provide semantic descriptors to enable multi-map matching.
Finally, we suggest an object-driven active exploration strategy to achieve
autonomous mapping in the grasping scenario. A range of public datasets and
real-world results in mapping, augmented reality, scene matching,
relocalization, and robotic manipulation have been used to evaluate the
proposed object SLAM framework for its efficient performance.
- Abstract（参考訳）: オブジェクトSLAMはロボットのハイレベルな認識と意思決定においてますます重要であると考えられている。
既存の研究は、データアソシエーション、オブジェクト表現、セマンティックマッピングの観点では不足しており、しばしば追加の仮定に依存し、パフォーマンスを制限します。
本稿では,オブジェクト指向認識とオブジェクト指向ロボットタスクに焦点をあてた包括的オブジェクトSLAMフレームワークを提案する。
まず,パラメトリックおよび非パラメトリック統計テストを導入することで,複雑な条件下でオブジェクトを関連付けるアンサンブルデータアソシエーション手法を提案する。
さらに,iforest と line のアライメントに基づいて,オブジェクトをモデル化するための外乱遠心・スケール推定アルゴリズムを提案する。
そして、軽量でオブジェクト指向の地図を推定対象モデルで表現する。
オブジェクトの意味的不変性を考慮して、オブジェクトマップをトポロジカルマップに変換し、マルチマップマッチングを可能にするセマンティックディスクリプタを提供する。
最後に,把握シナリオにおいて自律的マッピングを実現するためのオブジェクト駆動能動的探索戦略を提案する。
マッピングや拡張現実,シーンマッチング,再ローカライゼーション,ロボット操作など,さまざまな公開データセットや実世界の成果を用いて,提案したオブジェクトSLAMフレームワークを効率よく評価している。
関連論文リスト
- LOSS-SLAM: Lightweight Open-Set Semantic Simultaneous Localization and Mapping [9.289001828243512]
オブジェクトを識別,ローカライズ,符号化するシステムは,オープンセットのセマンティックな同時ローカライゼーションとマッピングを行う確率的グラフィカルモデルと密結合していることを示す。
提案した軽量オブジェクト符号化は,既存のオープンセット手法よりも高精度なオブジェクトベースSLAMを実現することができることを示す。
論文 参考訳（メタデータ） (2024-04-05T19:42:55Z) - Weakly-supervised Contrastive Learning for Unsupervised Object Discovery [52.696041556640516]
ジェネリックな方法でオブジェクトを発見できるため、教師なしのオブジェクト発見は有望である。
画像から高レベルな意味的特徴を抽出する意味誘導型自己教師学習モデルを設計する。
オブジェクト領域のローカライズのための主成分分析(PCA)を導入する。
論文 参考訳（メタデータ） (2023-07-07T04:03:48Z) - Loop Closure Detection Based on Object-level Spatial Layout and Semantic
Consistency [14.694754836704819]
本稿では3次元シーングラフの空間的レイアウトとセマンティック一貫性に基づくオブジェクトベースのループ閉包検出手法を提案する。
実験により,提案手法によりより正確な3次元意味マップを構築可能であることが示された。
論文 参考訳（メタデータ） (2023-04-11T11:20:51Z) - Complex-Valued Autoencoders for Object Discovery [62.26260974933819]
本稿では,オブジェクト中心表現に対する分散アプローチとして,複合オートエンコーダを提案する。
このシンプルで効率的なアプローチは、単純なマルチオブジェクトデータセット上の等価な実数値オートエンコーダよりも、より良い再構成性能を実現することを示す。
また、2つのデータセット上のSlotAttentionモデルと競合しないオブジェクト発見性能を実現し、SlotAttentionが失敗する第3のデータセットでオブジェクトをアンタングルする。
論文 参考訳（メタデータ） (2022-04-05T09:25:28Z) - Learning Models as Functionals of Signed-Distance Fields for
Manipulation Planning [51.74463056899926]
本研究では,シーン内のオブジェクトを表す符号付き距離場の目的を学習する,最適化に基づく操作計画フレームワークを提案する。
オブジェクトを符号付き距離場として表現することは、ポイントクラウドや占有率の表現よりも高い精度で、様々なモデルの学習と表現を可能にする。
論文 参考訳（メタデータ） (2021-10-02T12:36:58Z) - ELLIPSDF: Joint Object Pose and Shape Optimization with a Bi-level
Ellipsoid and Signed Distance Function Description [9.734266860544663]
本稿では,関節オブジェクトのポーズと形状最適化のための表現的かつコンパクトなモデルを提案する。
多視点RGB-Dカメラ観測からオブジェクトレベルのマップを推論する。
提案手法は,大規模実世界のScanNetデータセットを用いて評価し,最先端の手法と比較する。
論文 参考訳（メタデータ） (2021-08-01T03:07:31Z) - Salient Objects in Clutter [130.63976772770368]
本稿では,既存の正当性オブジェクト検出(SOD)データセットの重大な設計バイアスを特定し,対処する。
この設計バイアスは、既存のデータセットで評価した場合、最先端のSODモデルのパフォーマンスの飽和につながった。
我々は,新しい高品質データセットを提案し,前回のsaliencyベンチマークを更新する。
論文 参考訳（メタデータ） (2021-05-07T03:49:26Z) - Object-Driven Active Mapping for More Accurate Object Pose Estimation
and Robotic Grasping [5.385583891213281]
このフレームワークは、オブジェクトSLAMシステム上に構築され、同時多目的ポーズ推定プロセスと統合される。
マッピングモジュールと探索戦略を組み合わせることにより、ロボットの把握と互換性のある正確なオブジェクトマップを生成することができる。
論文 参考訳（メタデータ） (2020-12-03T09:36:55Z) - Semantic SLAM with Autonomous Object-Level Data Association [31.707650560075976]
セマンティックレベルのSLAMシステムは,高精度なオブジェクトレベルのデータアソシエーションとリアルタイムなセマンティックマッピングを実現する。
オンラインのセマンティックマップ構築とセマンティックレベルのローカライズ機能は、事前の未知環境におけるセマンティックレベルのマッピングとタスク計画を容易にする。
論文 参考訳（メタデータ） (2020-11-20T20:33:39Z) - Object Goal Navigation using Goal-Oriented Semantic Exploration [98.14078233526476]
本研究は,未確認環境における対象カテゴリーのインスタンスにナビゲートするオブジェクトゴールナビゲーションの問題を研究する。
本稿では,表層的なセマンティックマップを構築し,効率的に環境を探索する「ゴール指向セマンティック探索」というモジュールシステムを提案する。
論文 参考訳（メタデータ） (2020-07-01T17:52:32Z) - Look-into-Object: Self-supervised Structure Modeling for Object
Recognition [71.68524003173219]
我々は,自己スーパービジョンを取り入れた「対象」(具体的かつ内在的に対象構造をモデル化する)を提案する。
認識バックボーンは、より堅牢な表現学習のために大幅に拡張可能であることを示す。
提案手法は汎用オブジェクト認識(ImageNet)や細粒度オブジェクト認識タスク(CUB, Cars, Aircraft)など,多数のベンチマークにおいて大きなパフォーマンス向上を実現している。
論文 参考訳（メタデータ） (2020-03-31T12:22:51Z)
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。