Fugu-MT 論文翻訳(概要): Go-SLAM: Grounded Object Segmentation and Localization with Gaussian Splatting SLAM

論文の概要: Go-SLAM: Grounded Object Segmentation and Localization with Gaussian Splatting SLAM

arxiv url: http://arxiv.org/abs/2409.16944v1
Date: Wed, 25 Sep 2024 13:56:08 GMT
ステータス: 処理完了
システム内更新日: 2024-09-27 03:35:11.263165
Title: Go-SLAM: Grounded Object Segmentation and Localization with Gaussian Splatting SLAM
Title（参考訳）: Go-SLAM:Gaussian Splatting SLAMによる接地対象分割と位置決め
Authors: Phu Pham, Dipam Patel, Damon Conover, Aniket Bera,
Abstract要約: Go-SLAMは動的環境の再構築に3DガウススティングSLAMを利用する新しいフレームワークである。本システムは,自然言語記述によるオブジェクトの検索を容易にする。
参考スコア（独自算出の注目度）: 12.934788858420752
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We introduce Go-SLAM, a novel framework that utilizes 3D Gaussian Splatting SLAM to reconstruct dynamic environments while embedding object-level information within the scene representations. This framework employs advanced object segmentation techniques, assigning a unique identifier to each Gaussian splat that corresponds to the object it represents. Consequently, our system facilitates open-vocabulary querying, allowing users to locate objects using natural language descriptions. Furthermore, the framework features an optimal path generation module that calculates efficient navigation paths for robots toward queried objects, considering obstacles and environmental uncertainties. Comprehensive evaluations in various scene settings demonstrate the effectiveness of our approach in delivering high-fidelity scene reconstructions, precise object segmentation, flexible object querying, and efficient robot path planning. This work represents an additional step forward in bridging the gap between 3D scene reconstruction, semantic object understanding, and real-time environment interactions.
Abstract（参考訳）: シーン表現にオブジェクトレベルの情報を埋め込んで動的環境を再構築するために,3次元ガウス分割SLAMを利用する新しいフレームワークであるGo-SLAMを紹介する。このフレームワークは高度なオブジェクトセグメンテーション技術を採用し、表現するオブジェクトに対応する各ガウススプラットにユニークな識別子を割り当てる。そこで本システムは,自然言語記述によるオブジェクトの検索を容易にする。さらに, このフレームワークは, 障害物や環境不確実性を考慮して, ロボットの待ち行列に対する効率的なナビゲーション経路を計算する最適経路生成モジュールを備えている。様々な場面における総合的な評価は、高忠実度シーン再構築、高精度なオブジェクトセグメンテーション、フレキシブルなオブジェクトクエリ、効率的なロボット経路計画の実現における我々のアプローチの有効性を示す。この研究は、3Dシーン再構成、セマンティックオブジェクト理解、リアルタイム環境相互作用のギャップを埋める上でさらに一歩前進した。

関連論文リスト

DENSER: 3D Gaussians Splatting for Scene Reconstruction of Dynamic Urban Environments [0.0]
動的オブジェクトの表現を大幅に強化するフレームワークであるDENSERを提案する。提案手法は最先端の手法を広いマージンで大幅に上回る。
論文参考訳（メタデータ） (2024-09-16T07:11:58Z)
Object-Oriented Material Classification and 3D Clustering for Improved Semantic Perception and Mapping in Mobile Robots [6.395242048226456]
本稿では,オブジェクト指向パイプライン上に構築されたRGB-D教材分類のための補足型ディープラーニング手法を提案する。本研究では,3次元セマンティックシーンマッピングの最先端手法と比較して,材料分類と3次元クラスタリングの精度が大幅に向上したことを示す。
論文参考訳（メタデータ） (2024-07-08T16:25:01Z)
Cognitive Planning for Object Goal Navigation using Generative AI Models [0.979851640406258]
本稿では,効率的な探索戦略を生成するオブジェクトゴールナビゲーション問題を解決するための新しいフレームワークを提案する。我々のアプローチは,Large Language Models (LLMs) とLarge Vision-Language Models (LVLMs) を活用することで,ロボットが慣れない環境をナビゲートすることを可能にする。
論文参考訳（メタデータ） (2024-03-30T10:54:59Z)
NeuSE: Neural SE(3)-Equivariant Embedding for Consistent Spatial Understanding with Objects [53.111397800478294]
本稿では,ニューラルSE(3)-等価なオブジェクトの埋め込みであるNeuSEを紹介する。 NeuSE は完全なオブジェクトモデルのためのコンパクトな点クラウドサロゲートとして機能する。提案するSLAMパラダイムは,物体形状やポーズ特性にNeuSEを用いて,通常のSLAMシステムと独立に,あるいは連携して動作することができる。
論文参考訳（メタデータ） (2023-03-13T17:30:43Z)
Object Scene Representation Transformer [56.40544849442227]
オブジェクトシーン表現変換(OSRT: Object Scene Representation Transformer)は、新しいビュー合成を通じて、個々のオブジェクト表現が自然に現れる3D中心のモデルである。 OSRTは、既存のメソッドよりもオブジェクトとバックグラウンドの多様性が大きい、はるかに複雑なシーンにスケールする。光電場パラメトリゼーションと新しいSlot Mixerデコーダのおかげで、合成レンダリングでは桁違いに高速である。
論文参考訳（メタデータ） (2022-06-14T15:40:47Z)
ImpDet: Exploring Implicit Fields for 3D Object Detection [74.63774221984725]
我々は、境界ボックス回帰を暗黙の関数として見る新しい視点を導入する。これは、Implicit DetectionまたはImpDetと呼ばれる提案されたフレームワークにつながります。我々のImpDetは、異なる局所的な3次元空間の点に特定の値を割り当て、高品質な境界を生成することができる。
論文参考訳（メタデータ） (2022-03-31T17:52:12Z)
RICE: Refining Instance Masks in Cluttered Environments with Graph Neural Networks [53.15260967235835]
本稿では,インスタンスマスクのグラフベース表現を利用して,そのような手法の出力を改良する新しいフレームワークを提案する。我々は、セグメンテーションにスマートな摂動をサンプリングできるディープネットワークと、オブジェクト間の関係をエンコード可能なグラフニューラルネットワークを訓練し、セグメンテーションを評価する。本稿では,本手法によって生成された不確実性推定を用いてマニピュレータを誘導し,乱れたシーンを効率的に理解するアプリケーションについて紹介する。
論文参考訳（メタデータ） (2021-06-29T20:29:29Z)
Reconstructing Interactive 3D Scenes by Panoptic Mapping and CAD Model Alignments [81.38641691636847]
エンボディエージェントの観点から,シーン再構築の問題を再考する。 rgb-dデータストリームを用いてインタラクティブシーンを再構築する。この再構成されたシーンは、密集したパノプティカルマップのオブジェクトメッシュを、部分ベースのCADモデルに置き換える。
論文参考訳（メタデータ） (2021-03-30T05:56:58Z)
Compositional Scalable Object SLAM [29.349829139625403]
室内シーンをオブジェクトのグラフとして表現し,高速でスケーラブルで高精度なSLAMシステムを提案する。ドリフトフリーで大規模屋内再構築を行うため,構成性に富んだオブジェクトマッピングの定式化が,ロバストなSLAMソリューションに適用可能であることを示す。
論文参考訳（メタデータ） (2020-11-05T04:46:25Z)
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)
Where Does It End? -- Reasoning About Hidden Surfaces by Object Intersection Constraints [6.653734987585243]
Co-Sectionは3次元動的シーン再構築のための最適化ベースのアプローチである。オブジェクトレベルの動的SLAMはシーン内のセグメントを検出し、トラックし、動的オブジェクトをマップする。
論文参考訳（メタデータ） (2020-04-09T16:18:02Z)

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。