Fugu-MT 論文翻訳(概要): Intention Recognition in Real-Time Interactive Navigation Maps

論文の概要: Intention Recognition in Real-Time Interactive Navigation Maps

arxiv url: http://arxiv.org/abs/2502.17581v1
Date: Mon, 24 Feb 2025 19:04:18 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-26 18:40:44.020407
Title: Intention Recognition in Real-Time Interactive Navigation Maps
Title（参考訳）: リアルタイム対話型ナビゲーションマップにおける意図認識
Authors: Peijie Zhao, Zunayed Arefin, Felipe Meneguzzi, Ramon Fraga Pereira,
Abstract要約: 本研究では,リアルタイムナビゲーションのための対話型地図におけるユーザの意図を認識するシステムを開発した。 IntentRec4MapsはGoogle Maps Platformを現実世界のインタラクティブマップとして使っている。本稿では,2つのパスプランナと大規模言語モデルを用いて,IntentRec4Mapの認識過程を示す。
参考スコア（独自算出の注目度）: 14.129476759815251
License:
Abstract: In this demonstration, we develop IntentRec4Maps, a system to recognise users' intentions in interactive maps for real-world navigation. IntentRec4Maps uses the Google Maps Platform as the real-world interactive map, and a very effective approach for recognising users' intentions in real-time. We showcase the recognition process of IntentRec4Maps using two different Path-Planners and a Large Language Model (LLM). GitHub: https://github.com/PeijieZ/IntentRec4Maps
Abstract（参考訳）: IntentRec4Mapsは,実世界ナビゲーションのための対話型地図におけるユーザの意図を認識するシステムである。 IntentRec4Mapsは、Google Maps Platformを現実世界のインタラクティブマップとして使用し、ユーザの意図をリアルタイムで認識するための非常に効果的なアプローチである。本稿では,2つのパスプランナとLarge Language Model (LLM)を用いて,IntentRec4Mapの認識過程を示す。 GitHub: https://github.com/PeijieZ/IntentRec4Maps

関連論文リスト

Map++: Towards User-Participatory Visual SLAM Systems with Efficient Map Expansion and Sharing [15.481433997371925]
本稿では,地図作成タスクを地図利用者に委譲する参加型センシング手法を提案する。提案手法は,利用者の集合的努力を生かし,環境が発展するにつれて地図の拡張と更新を促進させる。我々は、プラグイン・アンド・プレイ拡張として機能する効率的なシステムであるMap++を開発した。
論文参考訳（メタデータ） (2024-11-04T19:35:46Z)
Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
論文参考訳（メタデータ） (2024-10-10T10:10:03Z)
Generation of Training Data from HD Maps in the Lanelet2 Framework [5.030706560942713]
我々は、HDマップフレームワークLanelet2の統合拡張であるlanelet2_ml_converterを提示する。この追加でLanelet2は、マップベースの自動運転、機械学習推論、トレーニングを、すべて単一のマップデータとフォーマットソースから統合する。
論文参考訳（メタデータ） (2024-07-24T16:43:38Z)
Language-enhanced RNR-Map: Querying Renderable Neural Radiance Field maps with natural language [51.805056586678184]
自然言語クエリプロンプトを用いた視覚ナビゲーションのための言語拡張型Renderable Neural Radiance Mapを提案する。 Le-RNR-Mapは、各ピクセルに配置された遅延符号からなるグリッド構造を用いる。 CLIPをベースとした埋め込みコードによりRNRマップを強化し,ラベルデータを追加せずに自然言語検索を可能にする。
論文参考訳（メタデータ） (2023-08-17T08:27:01Z)
Object Goal Navigation with Recursive Implicit Maps [92.6347010295396]
対象目標ナビゲーションのための暗黙的な空間マップを提案する。提案手法は, 挑戦的なMP3Dデータセット上での技量を著しく上回る。我々は、実際のロボットにモデルをデプロイし、実際のシーンでオブジェクトゴールナビゲーションの結果を奨励する。
論文参考訳（メタデータ） (2023-08-10T14:21:33Z)
Neural Map Prior for Autonomous Driving [17.198729798817094]
高精細(HD)セマンティックマップは、自動運転車が都市環境をナビゲートするために不可欠である。オフラインのHDマップを作成する従来の方法には、労働集約的な手動アノテーションプロセスが含まれる。近年,オンラインセンサを用いた局所地図作成手法が提案されている。本研究では,グローバルマップのニューラル表現であるニューラルマッププライオリティ(NMP)を提案する。
論文参考訳（メタデータ） (2023-04-17T17:58:40Z)
Exploring Navigation Maps for Learning-Based Motion Prediction [9.919575841909962]
本稿では,ナビゲーションマップを学習に基づく動き予測モデルに統合するアプローチについて述べる。われわれのアプローチは、地図をまったく使わないよりも大幅に改善されている。 Argoverse用の公開ナビゲーションマップAPIにより,ナビゲーションマップを用いた独自のアプローチの開発と評価が可能となった。
論文参考訳（メタデータ） (2023-02-13T09:06:27Z)
Weakly-Supervised Multi-Granularity Map Learning for Vision-and-Language Navigation [87.52136927091712]
我々は,ロボットエージェントが言語指導によって記述された経路をたどって,環境の中をナビゲートするよう訓練する,現実的かつ困難な問題に対処する。高精度かつ効率的なナビゲーションを実現するためには,環境オブジェクトの空間的位置と意味情報の両方を正確に表現した地図を構築することが重要である。より包括的にオブジェクトを表現するために,オブジェクトの細粒度(色,テクスチャなど)とセマンティッククラスの両方を含む多粒度マップを提案する。
論文参考訳（メタデータ） (2022-10-14T04:23:27Z)
AdaFuse: Adaptive Temporal Fusion Network for Efficient Action Recognition [68.70214388982545]
テンポラルモデリングは、効率的なビデオアクション認識の鍵である。我々はAdaFuseと呼ばれる適応時間融合ネットワークを導入し、現在の特徴マップと過去の特徴マップからチャネルを融合する。我々の手法は、最先端の手法に匹敵する精度で、約40%の計算節約を達成できる。
論文参考訳（メタデータ） (2021-02-10T23:31:02Z)
Voxel Map for Visual SLAM [57.07800982410967]
視覚SLAMのための点を効率的にマッピングするボクセルマップ表現を提案する。本手法は,カメラの視野に落下することを幾何的に保証し,隠蔽点を特定・除去できる。実験結果から,我々のボクセルマップ表現は5sの地図と同等に効率的であり,EuRoCデータセット上での局所化精度(平均46%の改善)が有意に高いことがわかった。
論文参考訳（メタデータ） (2020-03-04T18:39:14Z)

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。