論文の概要: The Rosario Dataset v2: Multimodal Dataset for Agricultural Robotics

• arxiv url: http://arxiv.org/abs/2508.21635v1
• Date: Fri, 29 Aug 2025 13:58:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-01 19:45:11.064009
• Title: The Rosario Dataset v2: Multimodal Dataset for Agricultural Robotics
• Title（参考訳）: Rosario Dataset v2: 農業ロボットのためのマルチモーダルデータセット
• Abstract要約: このデータセットは、農業環境におけるロボット工学に固有の重要な課題を捉えている。 これらの複雑さに対処することで、データセットは高度なアルゴリズムの開発とベンチマークをサポートすることを目指している。 プラットフォームとデータ収集システムは,マルチモーダルSLAMシステムを評価する上で重要な要件を満たすように設計されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a multi-modal dataset collected in a soybean crop field, comprising over two hours of recorded data from sensors such as stereo infrared camera, color camera, accelerometer, gyroscope, magnetometer, GNSS (Single Point Positioning, Real-Time Kinematic and Post-Processed Kinematic), and wheel odometry. This dataset captures key challenges inherent to robotics in agricultural environments, including variations in natural lighting, motion blur, rough terrain, and long, perceptually aliased sequences. By addressing these complexities, the dataset aims to support the development and benchmarking of advanced algorithms for localization, mapping, perception, and navigation in agricultural robotics. The platform and data collection system is designed to meet the key requirements for evaluating multi-modal SLAM systems, including hardware synchronization of sensors, 6-DOF ground truth and loops on long trajectories. We run multimodal state-of-the art SLAM methods on the dataset, showcasing the existing limitations in their application on agricultural settings. The dataset and utilities to work with it are released on https://cifasis.github.io/rosariov2/.
• Abstract（参考訳）: ダイズ畑で収集したマルチモーダルデータセットは,ステレオ赤外線カメラ,カラーカメラ,加速度計,ジャイロスコープ,磁力計,GNSS(シングルポイント測位,リアルタイム運動およびポストプロシーゼド運動),ホイールオドメトリーなどのセンサから得られた2時間以上のデータから構成される。 このデータセットは、自然の照明、動きのぼかし、荒い地形、そして長い知覚的エイリアス配列など、農業環境におけるロボット工学に固有の重要な課題を捉えている。 これらの複雑さに対処することで、このデータセットは、農業ロボット工学におけるローカライゼーション、マッピング、知覚、ナビゲーションのための高度なアルゴリズムの開発とベンチマークをサポートすることを目的としている。 このプラットフォームとデータ収集システムは、センサーのハードウェア同期、6-DOF地上真実、長い軌道上のループなど、マルチモーダルSLAMシステムを評価するための重要な要件を満たすように設計されている。 我々は、データセット上でマルチモーダルな最先端SLAMメソッドを実行し、農業環境における既存の制限を提示する。 データセットとユーティリティはhttps://cifasis.github.io/rosariov2/.comで公開されている。

関連論文リスト

• OctoSense: Self-Supervised Learning for Multimodal Robot Perception [50.20346079739425]
  ステレオカメラとイベントカメラ、LiDAR、サーマルカメラ、慣性測定ユニット、プロプリセプション(車からのCANバスデータ、四足歩行ロボットの関節角度)を備えたオープンソースのセンサプラットフォームであるOctoSenseについて述べる。 匿名のOctoSenseデータセットには、59時間の時間同期駆動データが含まれている。 このような実世界のデータを用いて,センサの表現,周波数,レイテンシ,ノイズの異なるマルチモーダル自己教師型学習を実演する。
  論文  参考訳（メタデータ） (2026-06-25T17:30:49Z)
• FEMOT: Multi-Object Tracking using Frame and Event Cameras [57.75021868843091]
  バイオインスパイアされたイベントカメラは、高時間分解能と高ダイナミックレンジを提供し、極端なシナリオ下で補完的な手がかりを提供する。 FEMOTは、さまざまな現実シナリオと14の課題属性をカバーした、大規模でRGBのマルチオブジェクト追跡データセットである。 FEMOTRは、RGBとイベント機能を分離し、周波数領域でそれらを融合するマルチモーダルトラッキングフレームワークである。
  論文  参考訳（メタデータ） (2026-06-12T04:17:41Z)
• GrandTour: A Legged Robotics Dataset in the Wild for Multi-Modal Perception and State Estimation [8.483668967252422]
  GrandTourデータセットは、屋外および屋内の挑戦的な環境にまたがって収集された、マルチモーダルな脚付きロボティクスデータセットである。 このデータセットは、回転するLiDAR、相補的な特徴を持つ複数のRGBカメラ、プロセプティブセンサー、ステレオディープカメラから、時間同期センサーデータを提供する。 このデータセットはSLAM、高精度状態推定、マルチモーダル学習の研究をサポートし、脚付きロボットシステムにおけるセンサフュージョンの新しいアプローチの厳密な評価と開発を可能にする。
  論文  参考訳（メタデータ） (2026-02-20T11:57:52Z)
• TEMPO-VINE: A Multi-Temporal Sensor Fusion Dataset for Localization and Mapping in Vineyards [39.38262052015926]
  TEMPO-VINEは、異種LiDAR、AHRS、RTK-GPS、および実際のトレリスとパーゴラのブドウ畑のカメラからデータを収集する、最初のマルチモーダルなパブリックデータセットである。 複数のランとリビジョンを持つシーケンスパスは、センサフュージョン、ローカライゼーション、マッピング、農業分野の場所認識ソリューションの開発を促進する。
  論文  参考訳（メタデータ） (2025-12-04T13:20:41Z)
• AgriChrono: A Multi-modal Dataset Capturing Crop Growth and Lighting Variability with a Field Robot [9.93207789073423]
  本稿では,AgriChronoについて紹介する。AgriChronoはロボットデータ収集プラットフォームであり,実世界の農業環境の動的条件を捉えるために設計されたマルチモーダルデータセットである。 当社のプラットフォームは,複数のセンサを統合し,RGB,Depth,LiDAR,IMUデータの遠隔時間同時取得を可能にする。 我々は、AgriChronoデータセット上で、最先端の3D再構成モデルをベンチマークし、現実世界のフィールド環境における再構築の難しさを強調した。
  論文  参考訳（メタデータ） (2025-08-26T05:39:47Z)
• ROVR-Open-Dataset: A Large-Scale Depth Dataset for Autonomous Driving [62.9051914830949]
  実世界の運転の複雑さを捉えるために設計された,大規模で多様で費用効率のよい深度データセットであるROVRを提案する。 軽量な取得パイプラインは、スケーラブルなコレクションを保証すると同時に、統計的に十分な基礎的真実は堅牢なトレーニングをサポートする。 最先端の単分子深度モデルによるベンチマークでは、厳密なクロスデータセットの一般化失敗が示される。
  論文  参考訳（メタデータ） (2025-08-19T16:13:49Z)
• Multi-modal Multi-platform Person Re-Identification: Benchmark and Method [58.59888754340054]
  MP-ReIDは、マルチモダリティとマルチプラットフォームReIDに特化した新しいデータセットである。 このベンチマークは、RGB、赤外線、サーマルイメージングなど、さまざまなモードで1,930のIDからデータをコンパイルする。 クロスモダリティとクロスプラットフォームシナリオに適した,特定設計のプロンプトを備えたフレームワークであるUni-Prompt ReIDを紹介する。
  論文  参考訳（メタデータ） (2025-03-21T12:27:49Z)
• EarthView: A Large Scale Remote Sensing Dataset for Self-Supervision [72.84868704100595]
  本稿では,地球モニタリングタスクにおける深層学習アプリケーションを強化することを目的とした,リモートセンシングデータの自己監督を目的としたデータセットを提案する。 このデータセットは15テラピクセルのグローバルリモートセンシングデータにまたがっており、NEON、Sentinel、Satellogicによる1mの空間解像度データの新たなリリースなど、さまざまなソースの画像を組み合わせている。 このデータセットは、リモートセンシングデータの異なる課題に取り組むために開発されたMasked Autoencoderである。
  論文  参考訳（メタデータ） (2025-01-14T13:42:22Z)
• M3LEO: A Multi-Modal, Multi-Label Earth Observation Dataset Integrating Interferometric SAR and Multispectral Data [1.4053129774629076]
  M3LEOはマルチモーダルでマルチラベルの地球観測データセットである。 6つの地理的領域から約17M 4x4 kmのデータチップにまたがる。
  論文  参考訳（メタデータ） (2024-06-06T16:30:41Z)
• SCaRL- A Synthetic Multi-Modal Dataset for Autonomous Driving [0.0]
  本稿では、自律運転ソリューションのトレーニングと検証を可能にするために、合成生成された新しいマルチモーダルデータセットであるSCaRLを提案する。 SCaRLはCARLA Simulatorに基づく大規模なデータセットであり、多様な動的シナリオとトラフィック条件のためのデータを提供する。
  論文  参考訳（メタデータ） (2024-05-27T10:31:26Z)
• VBR: A Vision Benchmark in Rome [1.71787484850503]
  本稿では,RGBデータ,3次元点雲,IMU,GPSデータを含む,ローマで収集された視覚・知覚研究データセットについて述べる。 我々は、自律ロボット工学とコンピュータビジョンの研究を進めるために、視覚計測とSLAMをターゲットにした新しいベンチマークを導入する。
  論文  参考訳（メタデータ） (2024-04-17T12:34:49Z)
• MTMMC: A Large-Scale Real-World Multi-Modal Camera Tracking Benchmark [63.878793340338035]
  マルチターゲットマルチカメラトラッキングは、複数のカメラからのビデオストリームを使用して個人を特定し、追跡する重要なタスクである。 このタスクの既存のデータセットは、制御されたカメラネットワーク設定内で合成または人工的に構築される。 我々は16台のマルチモーダルカメラで2つの異なる環境でキャプチャされた長いビデオシーケンスを含む実世界の大規模データセットであるMTMMCを紹介する。
  論文  参考訳（メタデータ） (2024-03-29T15:08:37Z)
• Multimodal Dataset for Localization, Mapping and Crop Monitoring in Citrus Tree Farms [7.666806082770633]
  このデータセットは、深度情報を備えたステレオRGB画像と、モノクロ、近赤外線、熱画像を提供する。 データセットは、キツネの3つの畑で収集された7つの配列から構成される。 総運転時間は1.7時間、走行距離は7.5km、データ量は1.3TBである。
  論文  参考訳（メタデータ） (2023-09-27T00:30:08Z)
• The LuViRA Dataset: Synchronized Vision, Radio, and Audio Sensors for Indoor Localization [41.58739817444644]
  データセットには、カラー画像、対応する深度マップ、慣性測定ユニット(IMU)読み取り、5Gの大規模マルチインプットとMIMO(Multiple-output)テストベッドとユーザ機器のチャネル応答が含まれる。 これらのセンサーを同期させて、すべてのデータが同時に記録されるようにします。 このデータセットの主な目的は、ローカライゼーションタスクに最もよく使用されるセンサーとのセンサー融合の研究を可能にすることである。
  論文  参考訳（メタデータ） (2023-02-10T15:12:40Z)
• Argoverse 2: Next Generation Datasets for Self-Driving Perception and Forecasting [64.7364925689825]
  Argoverse 2(AV2)は、自動運転分野の研究の知覚と予測のための3つのデータセットの集合である。 Lidarデータセットには、ラベルなしのLidar点雲とマップ整列ポーズの2万のシーケンスが含まれている。 Motion Forecastingデータセットには、各ローカルシーンにおける自動運転車と他のアクター間の興味深い、挑戦的なインタラクションのために採掘された25万のシナリオが含まれている。
  論文  参考訳（メタデータ） (2023-01-02T00:36:22Z)
• TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual Environments [84.6017003787244]
  本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。 既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
  論文  参考訳（メタデータ） (2022-08-16T20:46:08Z)

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。