論文の概要: ArgoTweak: Towards Self-Updating HD Maps through Structured Priors

• arxiv url: http://arxiv.org/abs/2509.08764v1
• Date: Wed, 10 Sep 2025 16:53:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-11 15:16:52.520865
• Title: ArgoTweak: Towards Self-Updating HD Maps through Structured Priors
• Title（参考訳）: ArgoTweak: 構造化プライオリティによる自己更新HDマップの実現
• Authors: Lena Wild, Rafael Valencia, Patric Jensfelt,
• Abstract要約: ArgoTweakは、現実的なマップ先行でトリプレットを完了した最初のデータセットである。 我々は,ArgoTweakのトレーニングモデルが,合成前よりもシム2realのギャップを著しく減少させることを示した。
• 参考スコア（独自算出の注目度）: 2.8136431563275397
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Reliable integration of prior information is crucial for self-verifying and self-updating HD maps. However, no public dataset includes the required triplet of prior maps, current maps, and sensor data. As a result, existing methods must rely on synthetic priors, which create inconsistencies and lead to a significant sim2real gap. To address this, we introduce ArgoTweak, the first dataset to complete the triplet with realistic map priors. At its core, ArgoTweak employs a bijective mapping framework, breaking down large-scale modifications into fine-grained atomic changes at the map element level, thus ensuring interpretability. This paradigm shift enables accurate change detection and integration while preserving unchanged elements with high fidelity. Experiments show that training models on ArgoTweak significantly reduces the sim2real gap compared to synthetic priors. Extensive ablations further highlight the impact of structured priors and detailed change annotations. By establishing a benchmark for explainable, prior-aided HD mapping, ArgoTweak advances scalable, self-improving mapping solutions. The dataset, baselines, map modification toolbox, and further resources are available at https://kth-rpl.github.io/ArgoTweak/.
• Abstract（参考訳）: 事前情報の信頼性の高い統合は、自己検証および自己更新HDマップに不可欠である。 しかしながら、公開データセットには、事前マップ、現在のマップ、センサーデータに必要なトリプルトが含まれていない。 結果として、既存の手法は、矛盾を生じさせ、大きなシム2リアルギャップを生じる合成先行に頼らなければならない。 これを解決するために、現実的なマップ先行でトリプレットを完了した最初のデータセットであるArgoTweakを紹介します。 中心となるArgoTweakは、bijective mapping frameworkを使用し、大規模な修正をマップ要素レベルできめ細かな原子変更に分解することで、解釈可能性を保証する。 このパラダイムシフトは、変化のない要素を高い忠実度で保存しながら、正確な変更検出と統合を可能にする。 実験により、ArgoTweakのトレーニングモデルは合成前よりもsim2realのギャップを著しく減少させることが示された。 広範囲にわたる改善は、構造化前の影響と詳細な変更アノテーションをさらに強調する。 説明可能な事前支援型HDマッピングのベンチマークを確立することで、ArgoTweakはスケーラブルで自己改善型のマッピングソリューションを前進させる。 データセット、ベースライン、マップ修正ツールボックス、その他のリソースはhttps://kth-rpl.github.io/ArgoTweak/.comで入手できる。

関連論文リスト

• From Editor to Dense Geometry Estimator [77.21804448599009]
  密度幾何予測のための拡散変換器(DiT)アーキテクチャに基づく高度な編集モデルを適用するフレームワークである textbfFE2E を紹介する。 FE2EはETH3Dデータセットで35%以上のパフォーマンス向上を実現し、100$times$データでトレーニングされたDepthAnythingシリーズを上回っている。
  論文  参考訳（メタデータ） (2025-09-04T15:58:50Z)
• Uni-PrevPredMap: Extending PrevPredMap to a Unified Framework of Prior-Informed Modeling for Online Vectorized HD Map Construction [9.166949877822807]
  我々は、以前の予測を統合し、古いHDマップをシミュレートした、統合された事前インフォームドフレームワークUni-PrevPredMapを提案する。 Uni-PrevPredMapは、確立されたオンラインベクトル化HDマップ構築ベンチマーク間で、マップ依存シナリオにおける最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-04-09T07:36:17Z)
• TopoSD: Topology-Enhanced Lane Segment Perception with SDMap Prior [70.84644266024571]
  我々は、標準定義地図(SDMaps)を見るために知覚モデルを訓練することを提案する。 我々はSDMap要素をニューラル空間マップ表現やインスタンストークンにエンコードし、先行情報のような補完的な特徴を組み込む。 レーンセグメント表現フレームワークに基づいて、モデルはレーン、中心線、およびそれらのトポロジを同時に予測する。
  論文  参考訳（メタデータ） (2024-11-22T06:13:42Z)
• M3TR: A Generalist Model for Real-World HD Map Completion [6.314412580044879]
  実地図の変更についての研究は、HDマップの全ての部分が変化せず、前もって使用することができることを示している。 我々は、オフラインのHDマッププリエンプションと非オフラインのHDマッププリエンプションの両方に対する一般的なアプローチであるM3TRを紹介する。 以前のHDマップ要素を完全に活用し、クエリ設計を最適化することで、M3TRは既存のメソッドを+4.3 mAPで上回っている。
  論文  参考訳（メタデータ） (2024-11-15T16:14:48Z)
• PriorMapNet: Enhancing Online Vectorized HD Map Construction with Priors [15.475364300374403]
  先行データを用いたオンラインベクトル化HDマップ構築を強化するために,PreferMapNetを導入する。 提案したPreferMapNetは,nuScenesおよびArgoverse2データセット上でのオンラインベクトル化HDマップ構築タスクにおいて,最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2024-08-16T15:26:23Z)
• Add-SD: Rational Generation without Manual Reference [83.01349699374524]
  命令ベースのオブジェクト付加パイプラインであるAdd-SDを導入し、オブジェクトを合理的なサイズと位置でリアルなシーンに自動的に挿入する。 我々の研究は、多数の指示されたイメージペアを含むデータセットの提案、合理的な生成のための拡散モデルの微調整、下流タスクを増強するための合成データの生成の3つの側面に寄与する。
  論文  参考訳（メタデータ） (2024-07-30T17:58:13Z)
• Augmenting Lane Perception and Topology Understanding with Standard Definition Navigation Maps [51.24861159115138]
  Standard Definition (SD) マップは、より安価で、世界中でカバーでき、スケーラブルな代替手段を提供する。 本稿では,オンライン地図予測にSDマップを統合する新しいフレームワークを提案し,Transformer を用いたエンコーダ SD Map Representations を提案する。 この拡張は、現在の最先端のオンラインマップ予測手法におけるレーン検出とトポロジー予測を一貫して(最大60%まで)大幅に向上させる。
  論文  参考訳（メタデータ） (2023-11-07T15:42:22Z)
• ASH: A Modern Framework for Parallel Spatial Hashing in 3D Perception [91.24236600199542]
  ASHは、GPU上の並列空間ハッシュのためのモダンで高性能なフレームワークである。 ASHはより高いパフォーマンスを実現し、よりリッチな機能をサポートし、より少ないコード行を必要とする。 ASHとそのサンプルアプリケーションはOpen3Dでオープンソース化されている。
  論文  参考訳（メタデータ） (2021-10-01T16:25:40Z)
• HDMapGen: A Hierarchical Graph Generative Model of High Definition Maps [81.86923212296863]
  HDマップは道路路面の正確な定義と交通ルールの豊富な意味を持つ地図である。 実際の道路トポロジやジオメトリはごくわずかで、自動運転スタックをテストする能力は著しく制限されています。 高品質で多様なHDマップを生成可能な階層グラフ生成モデルであるHDMapGenを提案する。
  論文  参考訳（メタデータ） (2021-06-28T17:59:30Z)

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。