論文の概要: Stealthy Coverage Control for Human-enabled Real-Time 3D Reconstruction

• arxiv url: http://arxiv.org/abs/2602.00466v1
• Date: Sat, 31 Jan 2026 02:41:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-30 05:25:26.772023
• Title: Stealthy Coverage Control for Human-enabled Real-Time 3D Reconstruction
• Title（参考訳）: リアルタイム3次元再構成のためのステルス被覆制御
• Authors: Reiji Terunuma, Yuta Nakamura, Takuma Abe, Takeshi Hatanaka,
• Abstract要約: 本研究では,人間の3次元構造再構築のためのステルスリー・カバレッジ・コントロールと呼ばれる,新たな半自律画像サンプリング手法を提案する。 人間のフレキシブルな推論と状況認識機能を活用することでこの問題に対処する。 我々は,人間によるナビゲーションから効率的な画像サンプリングを行うために,ドローンの動きを分離するステルスリーカバレッジ制御を開発した。
• 参考スコア（独自算出の注目度）: 1.24245398967236
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we propose a novel semi-autonomous image sampling strategy, called stealthy coverage control, for human-enabled 3D structure reconstruction. The present mission involves a fundamental problem: while the number of images required to accurately reconstruct a 3D model depends on the structural complexity of the target scene to be reconstructed, it is not realistic to assume prior knowledge of the spatially non-uniform structural complexity. We approach this issue by leveraging human flexible reasoning and situational recognition capabilities. Specifically, we design a semi-autonomous system that leaves identification of regions that need more images and navigation of the drones to such regions to a human operator. To this end, we first present a way to reflect the human intention in autonomous coverage control. Subsequently, in order to avoid operational conflicts between manual control and autonomous coverage control, we develop the stealthy coverage control that decouples the drone motion for efficient image sampling from navigation by the human. Simulation studies on a Unity/ROS2-based simulator demonstrate that the present semi-autonomous system outperforms the one without human interventions in the sense of the reconstructed model quality.
• Abstract（参考訳）: 本稿では,人間の3次元構造再構築のためのステルスリー・カバレッジ・コントロールと呼ばれる,新しい半自律画像サンプリング手法を提案する。 3次元モデルを正確に再構成するために必要な画像の数は、再構成対象のシーンの構造的複雑さに依存するが、空間的に一様でない構造的複雑さに関する事前の知識を前提とするのは現実的ではない。 人間のフレキシブルな推論と状況認識機能を活用することでこの問題に対処する。 具体的には、より多くの画像とナビゲーションを必要とする地域を人間のオペレーターに届ける半自律システムの設計を行う。 この目的のために、我々はまず、自律的なカバレッジ制御における人間の意図を反映する方法を提示する。 その後、手動制御と自律的カバレッジ制御の運用上の衝突を避けるために、人間によるナビゲーションからの効率的な画像サンプリングのために、ドローンの動きを分離するステルスリーカバレッジ制御を開発する。 Unity/ROS2をベースとしたシミュレータのシミュレーション研究により、現在の半自律システムは、再構築されたモデル品質の意味で、人間の介入なしに、より優れた性能を発揮することを示した。

関連論文リスト

• Pro-HOI: Perceptive Root-guided Humanoid-Object Interaction [57.252599851031505]
  本稿では,知覚根誘導型ヒューマノイドオブジェクトインタラクション,Pro-HOIを紹介する。 Pro-HOIは、堅牢なヒューマノイドロコ操作のための一般化可能なフレームワークである。 ユニツリーG1ロボットの実証検証は、Pro-HOIが一般化と堅牢性においてベースラインを著しく上回っていることを示す。
  論文  参考訳（メタデータ） (2026-03-01T14:19:59Z)
• MeshMimic: Geometry-Aware Humanoid Motion Learning through 3D Scene Reconstruction [54.36564144414704]
  MeshMimicは、3Dシーンの再構築とインテリジェンスを組み込んだ革新的なフレームワークで、ヒューマノイドロボットがビデオから直接「モーション・テライン」インタラクションを学習できるようにする。 現状の3次元視覚モデルを活用することで、我々のフレームワークは、人間の軌跡と基礎となる地形や物体の3次元幾何学の両方を正確にセグメント化し再構築する。
  論文  参考訳（メタデータ） (2026-02-17T17:09:45Z)
• Neural 3D Object Reconstruction with Small-Scale Unmanned Aerial Vehicles [16.745245388756533]
  小型無人航空機(UAV)は、屋内と難航地域を航行する大きな可能性を秘めている。 本稿では,100グラム以下のUAVを用いた静的物体の完全自律・高忠実な3次元走査を可能にするシステムアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-09-15T21:08:32Z)
• Active Human Pose Estimation via an Autonomous UAV Agent [13.188563931419056]
  本稿では,人の行動を捉えた映像から人間のポーズ推定を行うタスクに焦点を当てる。 これを解決するためには、ビューを明確にするために、カメラを新しいベタージュポイントに移す必要がある。 提案手法は、NeRFベースのDrone-Viewデータ生成フレームワーク、カメラビューエラー推定のためのOn-Drone Network、複合プランナーの3つの主要コンポーネントから構成される。
  論文  参考訳（メタデータ） (2024-07-01T21:20:52Z)
• OccNeRF: Advancing 3D Occupancy Prediction in LiDAR-Free Environments [77.0399450848749]
  本稿では,OccNeRF法を用いて,3次元監視なしで占有ネットワークを訓練する手法を提案する。 我々は、再構成された占有領域をパラメータ化し、サンプリング戦略を再編成し、カメラの無限知覚範囲に合わせる。 意味的占有予測のために,事前学習した開語彙2Dセグメンテーションモデルの出力をフィルタリングし,プロンプトを洗練するためのいくつかの戦略を設計する。
  論文  参考訳（メタデータ） (2023-12-14T18:58:52Z)
• Learning Deep Sensorimotor Policies for Vision-based Autonomous Drone Racing [52.50284630866713]
  既存のシステムは、状態推定、計画、制御のために手作業によるコンポーネントを必要とすることが多い。 本稿では、深層感触者ポリシーを学習することで、視覚に基づく自律ドローンレース問題に取り組む。
  論文  参考訳（メタデータ） (2022-10-26T19:03:17Z)
• 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)
• Aligning Silhouette Topology for Self-Adaptive 3D Human Pose Recovery [70.66865453410958]
  アーティキュレーション中心の2D/3Dポーズ監視は、既存の多くの人間のポーズ推定技術においてコアトレーニング目標を形成する。 本稿では,ソース学習モデルベース回帰器を適応させるために,シルエット監視のみに依存する新しいフレームワークを提案する。 我々は、トポロジカル・スケルトン表現を生シルエットから切り離すために、一連の畳み込みに優しい空間変換を開発する。
  論文  参考訳（メタデータ） (2022-04-04T06:58:15Z)
• 3D Human Reconstruction in the Wild with Collaborative Aerial Cameras [3.3674370488883434]
  本研究では,自然環境下での人体の動きを,専用マーカーを使わずに再現できるマルチカメラ制御のためのリアルタイム航空システムを提案する。 本研究では,障害物間における目標再構成品質を最適に設定するマルチロボット調整手法を開発した。
  論文  参考訳（メタデータ） (2021-08-09T11:03:38Z)

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。