論文の概要: A Review on Sound Source Localization in Robotics: Focusing on Deep Learning Methods

• arxiv url: http://arxiv.org/abs/2507.01143v1
• Date: Tue, 01 Jul 2025 19:00:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:22:59.865385
• Title: A Review on Sound Source Localization in Robotics: Focusing on Deep Learning Methods
• Title（参考訳）: ロボットの音源定位に関する研究 : 深層学習に着目して
• Authors: Reza Jalayer, Masoud Jalayer, Amirali Baniasadi,
• Abstract要約: 音源定位(SSL)は、聴覚知覚に空間的次元を追加し、システムは音声、機械騒音、警告音、その他の音響イベントの起点を特定できる。 本稿では,ロボットに焦点をあてた合成を提供することにより,これらのギャップに対処し,近年のディープラーニング手法の進歩を強調した。
• 参考スコア（独自算出の注目度）: 0.20482269513546458
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sound source localization (SSL) adds a spatial dimension to auditory perception, allowing a system to pinpoint the origin of speech, machinery noise, warning tones, or other acoustic events, capabilities that facilitate robot navigation, human-machine dialogue, and condition monitoring. While existing surveys provide valuable historical context, they typically address general audio applications and do not fully account for robotic constraints or the latest advancements in deep learning. This review addresses these gaps by offering a robotics-focused synthesis, emphasizing recent progress in deep learning methodologies. We start by reviewing classical methods such as Time Difference of Arrival (TDOA), beamforming, Steered-Response Power (SRP), and subspace analysis. Subsequently, we delve into modern machine learning (ML) and deep learning (DL) approaches, discussing traditional ML and neural networks (NNs), convolutional neural networks (CNNs), convolutional recurrent neural networks (CRNNs), and emerging attention-based architectures. The data and training strategy that are the two cornerstones of DL-based SSL are explored. Studies are further categorized by robot types and application domains to facilitate researchers in identifying relevant work for their specific contexts. Finally, we highlight the current challenges in SSL works in general, regarding environmental robustness, sound source multiplicity, and specific implementation constraints in robotics, as well as data and learning strategies in DL-based SSL. Also, we sketch promising directions to offer an actionable roadmap toward robust, adaptable, efficient, and explainable DL-based SSL for next-generation robots.
• Abstract（参考訳）: 音源定位(SSL)は聴覚知覚に空間的次元を追加し、システムは音声、機械騒音、警告音、その他の音響イベント、ロボットナビゲーション、人間と機械の対話、条件監視を特定できる。 既存の調査は貴重な歴史的文脈を提供するが、一般的に一般的なオーディオアプリケーションに対処し、ロボットの制約や最新のディープラーニングの進歩を十分に考慮していない。 本稿では,ロボットに焦点をあてた合成を提供することにより,これらのギャップに対処し,近年のディープラーニング手法の進歩を強調した。 まず、TDOA(Time difference of Arrival)、ビームフォーミング(ビームフォーミング)、ステアード・レスポンス・パワー(SRP)、サブスペース解析などの古典的手法を概観する。 その後、機械学習(ML)とディープラーニング(DL)アプローチを探求し、従来のMLとニューラルネットワーク(NN)、畳み込みニューラルネットワーク(CNN)、畳み込みリカレントニューラルネットワーク(CRNN)、出現する注目に基づくアーキテクチャについて議論する。 DLベースのSSLの2つの基盤となるデータとトレーニング戦略について検討する。 研究はロボットの種類や応用分野によって分類され、研究者が特定の文脈における関連する作業を特定するのに役立つ。 最後に、SSLにおける現在の課題として、環境の堅牢性、音源の多重性、ロボティクスにおける具体的な実装制約、DLベースのSSLにおけるデータと学習戦略について取り上げる。 また,次世代ロボットに対して,堅牢で適応性があり,効率的かつ説明可能なDLベースのSSLに向けた実行可能なロードマップを提供する,有望な方向性をスケッチする。

関連論文リスト

• Bridging Brain with Foundation Models through Self-Supervised Learning [5.0273296425814635]
  ファンデーションモデル(FM)は、人工知能の能力を再定義した。 これらの進歩は脳信号解析の転換の機会となる。 本調査は基礎モデルを用いて脳波の新興分野を体系的にレビューする。
  論文  参考訳（メタデータ） (2025-06-19T04:03:58Z)
• ML-ASPA: A Contemplation of Machine Learning-based Acoustic Signal Processing Analysis for Sounds, & Strains Emerging Technology [0.0]
  本稿では,機械学習(ML)とディープラーニングに焦点をあてて,音響分野における最近の進歩と変革の可能性を探る。 MLはデータ駆動のアプローチを採用し、機能と望ましいラベルやアクション、さらには機能自体の複雑な関係を明らかにする。 機械学習のトレーニングデータの拡張への応用により、人間の発話や残響のような複雑な音響現象を解明するモデルが発見される。
  論文  参考訳（メタデータ） (2023-12-18T03:04:42Z)
• Combatting Human Trafficking in the Cyberspace: A Natural Language Processing-Based Methodology to Analyze the Language in Online Advertisements [55.2480439325792]
  このプロジェクトは、高度自然言語処理(NLP)技術により、オンラインC2Cマーケットプレースにおける人身売買の急激な問題に取り組む。 我々は、最小限の監督で擬似ラベル付きデータセットを生成する新しい手法を導入し、最先端のNLPモデルをトレーニングするための豊富なリソースとして機能する。 重要な貢献は、Integrated Gradientsを使った解釈可能性フレームワークの実装であり、法執行にとって重要な説明可能な洞察を提供する。
  論文  参考訳（メタデータ） (2023-11-22T02:45:01Z)
• A Survey on Self-supervised Learning: Algorithms, Applications, and Future Trends [82.64268080902742]
  自己教師付き学習(SSL)は、ラベル付きラベルを頼らずにラベル付きデータから識別的特徴を学習することを目的としている。 SSLは最近大きな注目を集め、多くの関連するアルゴリズムの開発に繋がった。 本稿では,アルゴリズム的側面,アプリケーション領域,3つの重要なトレンド,オープンな研究課題を含む,多様なSSL手法のレビューを行う。
  論文  参考訳（メタデータ） (2023-01-13T14:41:05Z)
• SSL-Lanes: Self-Supervised Learning for Motion Forecasting in Autonomous Driving [9.702784248870522]
  自己教師付き学習(SSL)は、畳み込みニューラルネットワーク(CNN)とグラフニューラルネットワーク(GNN)を訓練する新興技術である。 本研究では,移動予測に自己超越を取り入れた最初の体系的な探索を報告する。
  論文  参考訳（メタデータ） (2022-06-28T16:23:25Z)
• Audio Self-supervised Learning: A Survey [60.41768569891083]
  SSL(Self-Supervised Learning)は、人間のアノテーションを必要とせずに、大規模データから一般的な表現を見つけることを目的としている。 コンピュータビジョンと自然言語処理の分野での成功により、近年では音声処理や音声処理の分野で採用されている。
  論文  参考訳（メタデータ） (2022-03-02T15:58:29Z)
• What Matters in Learning from Offline Human Demonstrations for Robot Manipulation [64.43440450794495]
  ロボット操作のための6つのオフライン学習アルゴリズムについて広範な研究を行う。 我々の研究は、オフラインの人間のデータから学習する際の最も重要な課題を分析します。 人間のデータセットから学ぶ機会を強調します。
  論文  参考訳（メタデータ） (2021-08-06T20:48:30Z)
• Neural Dynamic Policies for End-to-End Sensorimotor Learning [51.24542903398335]
  感覚運動制御における現在の主流パラダイムは、模倣であれ強化学習であれ、生の行動空間で政策を直接訓練することである。 軌道分布空間の予測を行うニューラル・ダイナミック・ポリシー(NDP)を提案する。 NDPは、いくつかのロボット制御タスクにおいて、効率と性能の両面で、これまでの最先端よりも優れている。
  論文  参考訳（メタデータ） (2020-12-04T18:59:32Z)
• Deep learning approaches for neural decoding: from CNNs to LSTMs and spikes to fMRI [2.0178765779788495]
  神経信号から直接の行動、知覚、認知状態の復号化は、脳-コンピュータインタフェースの研究に応用されている。 過去10年間で、ディープラーニングは多くの機械学習タスクにおいて最先端の手法になっている。 ディープラーニングは、幅広いタスクにわたるニューラルデコーディングの正確性と柔軟性を改善するための有用なツールであることが示されている。
  論文  参考訳（メタデータ） (2020-05-19T18:10:35Z)

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。