論文の概要: Evidential Active Recognition: Intelligent and Prudent Open-World Embodied Perception

• arxiv url: http://arxiv.org/abs/2311.13793v1
• Date: Thu, 23 Nov 2023 03:51:46 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-28 00:47:20.918842
• Title: Evidential Active Recognition: Intelligent and Prudent Open-World Embodied Perception
• Title（参考訳）: Evidential Active Recognition: Intelligent and Prudent Open World Embodied Perception
• Authors: Lei Fan, Mingfu Liang, Yunxuan Li, Gang Hua and Ying Wu
• Abstract要約: アクティブな認識により、ロボットは新しい観察を探索し、望ましくない視界を回避しながらより多くの情報を得ることができる。 ほとんどの認識モジュールはクローズドワールドの仮定の下で開発されており、現在の観測における対象物体の欠如のような予期せぬ入力を処理できない。 本稿では,有効認識を逐次的エビデンス収集プロセスとして扱うことを提案する。
• 参考スコア（独自算出の注目度）: 21.639429724987902
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Active recognition enables robots to intelligently explore novel observations, thereby acquiring more information while circumventing undesired viewing conditions. Recent approaches favor learning policies from simulated or collected data, wherein appropriate actions are more frequently selected when the recognition is accurate. However, most recognition modules are developed under the closed-world assumption, which makes them ill-equipped to handle unexpected inputs, such as the absence of the target object in the current observation. To address this issue, we propose treating active recognition as a sequential evidence-gathering process, providing by-step uncertainty quantification and reliable prediction under the evidence combination theory. Additionally, the reward function developed in this paper effectively characterizes the merit of actions when operating in open-world environments. To evaluate the performance, we collect a dataset from an indoor simulator, encompassing various recognition challenges such as distance, occlusion levels, and visibility. Through a series of experiments on recognition and robustness analysis, we demonstrate the necessity of introducing uncertainties to active recognition and the superior performance of the proposed method.
• Abstract（参考訳）: アクティブな認識により、ロボットは新しい観察をインテリジェントに探索し、望ましくない視界を回避しながらより多くの情報を得ることができる。 近年のアプローチでは、シミュレーションや収集データからの学習方針が好まれており、認識が正確である場合には適切な行動がより頻繁に選択される。 しかし、ほとんどの認識モジュールはクローズドワールド仮定の下で開発されており、現在の観測における対象物体の欠如のような予期せぬ入力を処理できない。 そこで本研究では, 逐次的エビデンス収集プロセスとしての能動認識の処理を提案し, 証拠組合せ理論に基づく不確実性定量化と信頼性予測を行う。 さらに,本稿で開発された報酬関数は,オープンワールド環境での運用における行動のメリットを効果的に特徴付ける。 性能を評価するため,室内シミュレータからデータセットを収集し,距離,閉塞レベル,可視性などの様々な認識課題を含む。 認識とロバスト性解析に関する一連の実験を通じて,提案手法の能動認識に不確実性を導入する必要性と優れた性能を示す。

関連論文リスト

• Rethinking Top Probability from Multi-view for Distracted Driver Behaviour Localization [6.531367337657802]
  アクションローカライゼーションタスクは、現実世界の運転シナリオでキャプチャされたビデオデータから人間の行動や行動を認識し、理解することを目的としている。 従来の研究では、認識モデルを適用した上で、確率に基づく後処理を行うことで、優れた動作ローカライゼーション性能を示した。 本研究では,自己監督学習に基づく行動認識モデルを用いて,注意をそらした行動を検出し,潜在的な行動確率を与える。
  論文  参考訳（メタデータ） (2024-11-19T14:18:02Z)
• Managing the unknown: a survey on Open Set Recognition and tangential areas [7.345136916791223]
  オープンセット認識モデルは、テストフェーズに到達したサンプルから未知のクラスを検出すると同時に、既知のクラスに属するサンプルの分類において優れたパフォーマンスを維持することができる。 本稿では,オープンセット認識に関する最近の文献を包括的に概観し,この分野と他の機械学習研究領域との共通プラクティス,制限,関連性を明らかにする。 私たちの研究は、オープンな問題も明らかにし、より安全な人工知能手法への将来の取り組みを動機づけ、具体化するいくつかの研究方向を提案する。
  論文  参考訳（メタデータ） (2023-12-14T10:08:12Z)
• Active Open-Vocabulary Recognition: Let Intelligent Moving Mitigate CLIP Limitations [9.444540281544715]
  オープン語彙認識のための新しいエージェントを提案する。 提案手法は,クラス固有の知識に頼ることなく,フレーム間の類似性や概念間の類似性を利用してエージェントの動きをナビゲートし,特徴を融合する。
  論文  参考訳（メタデータ） (2023-11-28T19:24:07Z)
• Unsupervised Self-Driving Attention Prediction via Uncertainty Mining and Knowledge Embedding [51.8579160500354]
  本研究では、不確実性モデリングと知識統合の駆動による自動運転の注意を予測できる教師なし手法を提案する。 結果は、完全に教師された最先端のアプローチと比較して、同等またはさらに印象的なパフォーマンスを示している。
  論文  参考訳（メタデータ） (2023-03-17T00:28:33Z)
• Uncertainty-Aware Lidar Place Recognition in Novel Environments [11.30020653282995]
  本研究では,不確実性を考慮したライダー位置認識の課題について検討する。 各予測された場所は、誤った予測を識別し拒否するために使用できる関連する不確実性を持つ必要がある。 我々は新しい評価プロトコルを導入し、このタスクのための最初の総合的なベンチマークを示す。
  論文  参考訳（メタデータ） (2022-10-04T04:06:44Z)
• A Unified End-to-End Retriever-Reader Framework for Knowledge-based VQA [67.75989848202343]
  本稿では,知識に基づくVQAに向けて,エンド・ツー・エンドのレトリバー・リーダー・フレームワークを提案する。 我々は、視覚言語による事前学習モデルからの多モーダルな暗黙の知識に光を当て、知識推論の可能性を掘り下げた。 提案手法では,知識検索のガイダンスを提供するだけでなく,質問応答に対してエラーが発生しやすいケースも排除できる。
  論文  参考訳（メタデータ） (2022-06-30T02:35:04Z)
• The Familiarity Hypothesis: Explaining the Behavior of Deep Open Set Methods [86.39044549664189]
  特徴ベクトルデータに対する異常検出アルゴリズムは異常を外れ値として識別するが、外れ値検出はディープラーニングではうまく機能しない。 本論文は, 新規性の有無ではなく, 慣れ親しんだ特徴の欠如を検知しているため, これらの手法が成功するというFamiliarity仮説を提案する。 本論文は,親しみやすさの検出が表現学習の必然的な結果であるかどうかを論じる。
  論文  参考訳（メタデータ） (2022-03-04T18:32:58Z)
• Skeleton-Based Mutually Assisted Interacted Object Localization and Human Action Recognition [111.87412719773889]
  本研究では,骨格データに基づく「相互作用対象の局所化」と「人間の行動認識」のための共同学習フレームワークを提案する。 本手法は,人間の行動認識のための最先端の手法を用いて,最高の,あるいは競争的な性能を実現する。
  論文  参考訳（メタデータ） (2021-10-28T10:09:34Z)
• Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
  本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。 IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
  論文  参考訳（メタデータ） (2021-07-26T10:40:59Z)
• Uncertainty-Aware Vehicle Orientation Estimation for Joint Detection-Prediction Models [12.56249869551208]
  オリエンテーションは、自律システムの下流モジュールにとって重要な特性である。 本稿では,既存のモデルを拡張し,共同物体検出と動き予測を行う手法を提案する。 さらに、この手法は予測の不確かさを定量化することができ、推定された向きが反転する確率を出力することができる。
  論文  参考訳（メタデータ） (2020-11-05T21:59:44Z)
• Uncertainty Quantification for Deep Context-Aware Mobile Activity Recognition and Unknown Context Discovery [85.36948722680822]
  我々はα-βネットワークと呼ばれる深層モデルのコンテキスト認識混合を開発する。 高レベルの文脈を識別することで、精度とFスコアを10%向上させる。 トレーニングの安定性を確保するために、公開データセットと社内データセットの両方でクラスタリングベースの事前トレーニングを使用しました。
  論文  参考訳（メタデータ） (2020-03-03T19:35:34Z)

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。