論文の概要: Real World Robotic Exploration using Deep Neural Networks Trained in Photorealistic Reconstructed Environments

• arxiv url: http://arxiv.org/abs/2509.13342v1
• Date: Fri, 12 Sep 2025 00:03:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-18 18:41:50.538608
• Title: Real World Robotic Exploration using Deep Neural Networks Trained in Photorealistic Reconstructed Environments
• Title（参考訳）: 光現実的再構成環境下での深部ニューラルネットワークを用いた実世界ロボット探査
• Authors: Isaac Ronald Ward,
• Abstract要約: 視覚情報(RGB画像)からロボットのポーズを決定するための既存のディープニューラルネットワークアプローチを変更する。 フォトグラムデータを使用してポーズラベル付きデータセットを生成し、上記のモデルをローカル環境でトレーニングすることができる。 この訓練されたモデルはナビゲーションアルゴリズムの基礎を形成し、TurtleBot上でリアルタイムでテストされる。
• 参考スコア（独自算出の注目度）: 1.3053649021965599
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In this work, an existing deep neural network approach for determining a robot's pose from visual information (RGB images) is modified, improving its localization performance without impacting its ease of training. Explicitly, the network's loss function is extended in a manner which intuitively combines the positional and rotational error in order to increase robustness to perceptual aliasing. An improvement in the localization accuracy for indoor scenes is observed: with decreases of up to 9.64% and 2.99% in the median positional and rotational error respectively, when compared to the unmodified network. Additionally, photogrammetry data is used to produce a pose-labelled dataset which allows the above model to be trained on a local environment, resulting in localization accuracies of 0.11m & 0.89 degrees. This trained model forms the basis of a navigation algorithm, which is tested in real-time on a TurtleBot (a wheeled robotic device). As such, this work introduces a full pipeline for creating a robust navigational algorithm for any given real world indoor scene; the only requirement being a collection of images from the scene, which can be captured in as little as 330 seconds of
• Abstract（参考訳）: 本研究では、ロボットのポーズを視覚情報(RGB画像)から決定するための既存のディープニューラルネットワークアプローチを改良し、トレーニングの容易さに影響を与えることなく、そのローカライゼーション性能を向上させる。 明らかに、ネットワークの損失関数は、位置と回転の誤差を直感的に組み合わせて拡張され、知覚的エイリアスに対する堅牢性を高める。 室内シーンの局所化精度の向上が観察され、未修正ネットワークと比較して中央位置と回転誤差の最大9.64%と2.99%まで低下した。 さらに、測光データを用いてポーズラベル付きデータセットを生成して、上記のモデルをローカル環境でトレーニングすることで、局所化精度は0.11mと0.89°に向上する。 この訓練されたモデルはナビゲーションアルゴリズムの基礎を形成し、TurtleBot(車輪付きロボットデバイス)上でリアルタイムでテストされる。 そのため、この研究は、任意の現実世界の屋内シーンに対して堅牢なナビゲーションアルゴリズムを作成するための完全なパイプラインを導入している。

関連論文リスト

• Hierarchical localization with panoramic views and triplet loss functions [2.663377882489275]
  本研究の目的は,移動ロボットの安全なナビゲーションに不可欠な視覚的位置決めに取り組むことである。 提案手法はパノラマ画像と三重畳み込みニューラルネットワークを用いる。 提案手法の限界を探索するため,異なる屋内環境下で三重項ネットワークを同時にテストした。
  論文  参考訳（メタデータ） (2024-04-22T12:07:10Z)
• Neural Implicit Dense Semantic SLAM [83.04331351572277]
  本稿では,屋内シーンのメモリ効率,高密度な3次元形状,セマンティックセマンティックセグメンテーションをオンラインで学習する新しいRGBD vSLAMアルゴリズムを提案する。 私たちのパイプラインは、従来の3Dビジョンベースのトラッキングとループクローズとニューラルフィールドベースのマッピングを組み合わせたものです。 提案アルゴリズムはシーン認識を大幅に向上させ,様々なロボット制御問題を支援する。
  論文  参考訳（メタデータ） (2023-04-27T23:03:52Z)
• CROSSFIRE: Camera Relocalization On Self-Supervised Features from an Implicit Representation [3.565151496245487]
  我々は,あるシーンの暗黙の地図としてニューラル・ラジアンス・フィールドを使用し,この表現に適したカメラ再配置を提案する。 提案手法は,ナビゲーション中に1台のRGBカメラを用いて,デバイスの正確な位置をリアルタイムで計算することができる。
  論文  参考訳（メタデータ） (2023-03-08T20:22:08Z)
• On the Application of Efficient Neural Mapping to Real-Time Indoor Localisation for Unmanned Ground Vehicles [5.137284292672375]
  組込みプラットフォーム上でのリアルタイム推論が可能なコンパクトモデルを用いて,数cmの局所化精度を実現する。 トレーニングされたモデルをUGVプラットフォームにデプロイし、その効果をウェイポイントナビゲーションタスクで実証する。
  論文  参考訳（メタデータ） (2022-11-09T07:23:28Z)
• Neural Scene Representation for Locomotion on Structured Terrain [56.48607865960868]
  本研究では,都市環境を横断する移動ロボットの局所的な地形を再構築する学習手法を提案する。 搭載されたカメラとロボットの軌道からの深度測定のストリームを用いて、ロボットの近傍の地形を推定する。 ノイズ測定とカメラ配置の盲点からの大量の欠落データにもかかわらず,シーンを忠実に再構築する3次元再構成モデルを提案する。
  論文  参考訳（メタデータ） (2022-06-16T10:45:17Z)
• iSDF: Real-Time Neural Signed Distance Fields for Robot Perception [64.80458128766254]
  iSDFは実時間符号付き距離場再構成のための連続学習システムである。 より正確な再構築と、衝突コストと勾配のより良い近似を生成する。
  論文  参考訳（メタデータ） (2022-04-05T15:48:39Z)
• Neural RF SLAM for unsupervised positioning and mapping with channel state information [51.484516640867525]
  アイソメトリによるユーザ位置と環境マッピングを共同で学習するニューラルネットワークアーキテクチャを提案する。 提案モデルでは,物理ベースのデコーダを適用すれば,解釈可能な潜在能力,すなわちユーザ位置を学習できる。
  論文  参考訳（メタデータ） (2022-03-15T21:32:44Z)
• Unsupervised Metric Relocalization Using Transform Consistency Loss [66.19479868638925]
  メートル法再ローカライズを行うためのトレーニングネットワークは、従来、正確な画像対応が必要である。 地図内のクエリ画像のローカライズは、登録に使用される参照画像に関係なく、同じ絶対的なポーズを与えるべきである。 提案手法は, 限られた地下構造情報が得られる場合に, 他の教師あり手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-11-01T19:24:27Z)
• Object-based Illumination Estimation with Rendering-aware Neural Networks [56.01734918693844]
  個々の物体とその局所画像領域のRGBD外観から高速環境光推定手法を提案する。 推定照明により、仮想オブジェクトは実際のシーンと一貫性のあるシェーディングでARシナリオでレンダリングできる。
  論文  参考訳（メタデータ） (2020-08-06T08:23:19Z)

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。