論文の概要: SMART-3D: Three-Dimensional Self-Morphing Adaptive Replanning Tree

• arxiv url: http://arxiv.org/abs/2509.16812v1
• Date: Sat, 20 Sep 2025 21:30:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-23 18:58:15.985865
• Title: SMART-3D: Three-Dimensional Self-Morphing Adaptive Replanning Tree
• Title（参考訳）: SMART-3D:3次元自己整形適応的再計画木
• Authors: Priyanshu Agrawal, Shalabh Gupta, Zongyuan Shen,
• Abstract要約: SMART-3Dは、高速な移動障害を持つ動的環境のための木に基づく適応的再計画アルゴリズムである。 これは、現在のパスが障害によってブロックされるたびに、新しいパスをリアルタイムで見つけるために、基盤となるツリーを変形させる。 その結果,SMART-3Dは高い成功率と低計画時間を実現し,リアルタイムオンボードアプリケーションへの適合性を強調した。
• 参考スコア（独自算出の注目度）: 0.6372261626436676
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents SMART-3D, an extension of the SMART algorithm to 3D environments. SMART-3D is a tree-based adaptive replanning algorithm for dynamic environments with fast moving obstacles. SMART-3D morphs the underlying tree to find a new path in real-time whenever the current path is blocked by obstacles. SMART-3D removed the grid decomposition requirement of the SMART algorithm by replacing the concept of hot-spots with that of hot-nodes, thus making it computationally efficient and scalable to 3D environments. The hot-nodes are nodes which allow for efficient reconnections to morph the existing tree to find a new safe and reliable path. The performance of SMART-3D is evaluated by extensive simulations in 2D and 3D environments populated with randomly moving dynamic obstacles. The results show that SMART-3D achieves high success rates and low replanning times, thus highlighting its suitability for real-time onboard applications.
• Abstract（参考訳）: 本稿では,SMARTアルゴリズムを3次元環境に拡張したSMART-3Dを提案する。 SMART-3Dは、高速な移動障害を持つ動的環境のための木に基づく適応的再計画アルゴリズムである。 SMART-3Dは、現在のパスが障害によってブロックされるたびに、新しいパスをリアルタイムで見つけるために、下層のツリーを変形する。 SMART-3Dはホットスポットの概念をホットノードに置き換えることでSMARTアルゴリズムのグリッド分解要求を取り除いた。 ホットノードは、既存のツリーを形作り、安全で信頼性の高い新しいパスを見つけるための効率的な再接続を可能にするノードである。 SMART-3Dの性能は, ランダムに動く動的障害物を有する2次元および3次元環境において, 広範囲なシミュレーションにより評価される。 その結果,SMART-3Dは高い成功率と低計画時間を実現し,リアルタイムオンボードアプリケーションへの適合性を強調した。

関連論文リスト

• 3DGeoDet: General-purpose Geometry-aware Image-based 3D Object Detection [17.502554516157893]
  3DGeoDetは幾何学を意識した新しい3Dオブジェクト検出手法である。 屋内および屋外環境では、シングルビューとマルチビューのRGBイメージを効果的に処理する。
  論文  参考訳（メタデータ） (2025-06-11T09:18:36Z)
• Street Gaussians without 3D Object Tracker [84.89933388445185]
  既存のほとんどの方法は、オブジェクトポーズの労働集約的な手動ラベリングに依存している。 本研究では,3次元オブジェクト融合戦略における2次元ディープトラッカーの関連性を利用して,安定なオブジェクト追跡モジュールを提案する。 我々は、軌道誤差を自律的に補正し、見逃した検出を回復する暗黙の特徴空間に、モーションラーニング戦略を導入することで、避けられないトラッキングエラーに対処する。
  論文  参考訳（メタデータ） (2024-12-07T05:49:42Z)
• GaussianAnything: Interactive Point Cloud Flow Matching For 3D Object Generation [75.39457097832113]
  本稿では,インタラクティブなポイントクラウド構造ラテント空間を備えたスケーラブルで高品質な3D生成を実現する,新しい3D生成フレームワークを提案する。 本フレームワークでは,複数ビューのRGB-D(epth)-N(ormal)レンダリングを入力として使用する変分オートエンコーダを,3次元形状情報を保存する独自のラテント空間設計を用いて構成する。 提案手法であるGaussianAnythingは,複数モード条件付き3D生成をサポートし,ポイントクラウド,キャプション,単一画像入力を可能にする。
  論文  参考訳（メタデータ） (2024-11-12T18:59:32Z)
• DIRECT-3D: Learning Direct Text-to-3D Generation on Massive Noisy 3D Data [50.164670363633704]
  テキストプロンプトから高品質な3Dアセットを作成するための拡散型3D生成モデルであるDIRECT-3Dを提案する。 我々のモデルは、広範に騒々しく不整合な3D資産で直接訓練されている。 単一クラス生成とテキスト・ツー・3D生成の両方で最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-06-06T17:58:15Z)
• Cylindrical and Asymmetrical 3D Convolution Networks for LiDAR-based Perception [122.53774221136193]
  運転時のLiDARに基づく認識のための最先端の手法は、しばしば点雲を2D空間に投影し、2D畳み込みによって処理する。 自然な対策として、3Dボクセル化と3D畳み込みネットワークを利用する方法がある。 本研究では,3次元幾何学的パターンを探索するために,円筒状分割と非対称な3次元畳み込みネットワークを設計する,屋外LiDARセグメンテーションのための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-12T06:25:11Z)
• AutoShape: Real-Time Shape-Aware Monocular 3D Object Detection [15.244852122106634]
  形状認識型2D/3D制約を3D検出フレームワークに組み込む手法を提案する。 具体的には、ディープニューラルネットワークを用いて、2次元画像領域の区別された2Dキーポイントを学習する。 2D/3Dキーポイントの基礎的真理を生成するために、自動的なモデル適合手法が提案されている。
  論文  参考訳（メタデータ） (2021-08-25T08:50:06Z)
• Accurate 3D Object Detection using Energy-Based Models [46.05502630457458]
  スパースLiDARデータに基づく乱雑な環境における3Dバウンディングボックスの回帰は極めて難しい問題である。 確率回帰のための条件付きエネルギーベースモデル(EBM)の最近の進歩について検討する。 提案手法は,SA-SSDのベースラインを全3DODメトリクスで一貫して上回っている。
  論文  参考訳（メタデータ） (2020-12-08T18:53:42Z)
• Cylindrical and Asymmetrical 3D Convolution Networks for LiDAR Segmentation [81.02742110604161]
  大規模運転シーンのLiDARセグメンテーションのための最先端の手法は、しばしば点雲を2次元空間に投影し、2D畳み込みによって処理する。 そこで我々は,3次元幾何学的パタンを探索するために,円筒分割と非対称な3次元畳み込みネットワークを設計する,屋外LiDARセグメンテーションのための新しいフレームワークを提案する。 提案手法はセマンティックKITTIのリーダーボードにおいて第1位を獲得し,既存のnuScenesの手法を約4%のマージンで上回っている。
  論文  参考訳（メタデータ） (2020-11-19T18:53:11Z)

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。