論文の概要: Reformulating AI-based Multi-Object Relative State Estimation for Aleatoric Uncertainty-based Outlier Rejection of Partial Measurements

• arxiv url: http://arxiv.org/abs/2602.02006v1
• Date: Mon, 02 Feb 2026 12:04:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.091759
• Title: Reformulating AI-based Multi-Object Relative State Estimation for Aleatoric Uncertainty-based Outlier Rejection of Partial Measurements
• Title（参考訳）: Aleatoric Uncertainty-based Outlier Rejection of partial MeasurementsのためのAIに基づく多目的相対状態推定の改訂
• Authors: Thomas Jantos, Giulio Delama, Stephan Weiss, Jan Steinbrener,
• Abstract要約: 本稿では,AIに基づくオブジェクト相対状態推定における測定方程式の再構成の利点について述べる。 位置と回転の測定を分離できるので、誤った回転測定の影響を抑えることができる。
• 参考スコア（独自算出の注目度）: 4.13422190225486
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Precise localization with respect to a set of objects of interest enables mobile robots to perform various tasks. With the rise of edge devices capable of deploying deep neural networks (DNNs) for real-time inference, it stands to reason to use artificial intelligence (AI) for the extraction of object-specific, semantic information from raw image data, such as the object class and the relative six degrees of freedom (6-DoF) pose. However, fusing such AI-based measurements in an Extended Kalman Filter (EKF) requires quantifying the DNNs' uncertainty and outlier rejection capabilities. This paper presents the benefits of reformulating the measurement equation in AI-based, object-relative state estimation. By deriving an EKF using the direct object-relative pose measurement, we can decouple the position and rotation measurements, thus limiting the influence of erroneous rotation measurements and allowing partial measurement rejection. Furthermore, we investigate the performance and consistency improvements for state estimators provided by replacing the fixed measurement covariance matrix of the 6-DoF object-relative pose measurements with the predicted aleatoric uncertainty of the DNN.
• Abstract（参考訳）: 対象物に対する精密なローカライゼーションにより、移動ロボットは様々なタスクを実行できる。 リアルタイム推論のためにディープニューラルネットワーク(DNN)をデプロイできるエッジデバイスの台頭により、オブジェクトクラスや相対6自由度(6-DoF)のポーズなど、生画像データからオブジェクト固有の意味情報を抽出するために人工知能(AI)を使用するのは理にかなっている。 しかし、拡張カルマンフィルタ(EKF)にそのようなAIベースの測定を融合させるには、DNNの不確実性と外乱の拒否能力を定量化する必要がある。 本稿では,AIに基づくオブジェクト相対状態推定における測定方程式の再構成の利点について述べる。 直接相対的ポーズ測定を用いてEKFを導出することにより、位置と回転の測定を分離し、誤った回転測定の影響を抑え、部分的な測定の拒絶を可能にする。 さらに,6-DoFオブジェクト相対ポーズ測定の定値共分散行列をDNNの不確かさの予測値に置き換えた状態推定器の性能と整合性の改善について検討した。

関連論文リスト

• IoUCert: Robustness Verification for Anchor-based Object Detectors [58.35703549470485]
  IoUCertは、アンカーベースのオブジェクト検出アーキテクチャにおいて、これらのボトルネックを克服するために設計された、新しい形式的検証フレームワークである。 本手法は, SSD, YOLOv2, YOLOv3など, 現実的なアンカーベースモデルの各種入力摂動に対するロバスト性検証を可能にする。
  論文  参考訳（メタデータ） (2026-03-03T14:36:46Z)
• Towards Size-invariant Salient Object Detection: A Generic Evaluation and Optimization Approach [118.75896764188424]
  本稿では,既存の広範に使用されているSalient Object Detectionメトリクスの固有サイズ感度を明らかにするために,新しい視点を示す。 この課題に対処するため、汎用的なサイズ不変評価(SIEva)フレームワークが提案されている。 さらに、サイズ不変の原理に固執する専用最適化フレームワーク(SIOpt)を開発し、幅広いサイズにわたる有能な物体の検出を大幅に強化する。
  論文  参考訳（メタデータ） (2025-09-19T04:12:14Z)
• Aleatoric Uncertainty from AI-based 6D Object Pose Predictors for Object-relative State Estimation [4.516340427736994]
  視覚に基づくオブジェクト相対ナビゲーションは、DLベースの6Dオブジェクトのポーズ予測器に依存して、ロボットの状態推定器の測定として、オブジェクトとロボットの間の相対的なポーズを提供する。 我々は、DL予測器の翻訳部と回転部から分離された2つの多層パーセプトロンを単純に含んで、既存のDLベースのオブジェクト相対ポーズ予測器を拡張することができることを示す。
  論文  参考訳（メタデータ） (2025-09-01T16:12:10Z)
• Mutual Information-calibrated Conformal Feature Fusion for Uncertainty-Aware Multimodal 3D Object Detection at the Edge [1.7898305876314982]
  3次元(3D)物体検出は、重要なロボティクスの操作であり、大きな進歩を遂げている。 本研究は,共形推論の原理と情報理論測度を統合し,モンテカルロ自由な不確実性推定を行う。 このフレームワークは、KITTIの3Dオブジェクト検出ベンチマークにおいて、不確実性に気付かない類似のメソッドと同等またはより良いパフォーマンスを示す。
  論文  参考訳（メタデータ） (2023-09-18T09:02:44Z)
• Uncertainty-Aware AB3DMOT by Variational 3D Object Detection [74.8441634948334]
  不確実性推定は統計的に正確な予測を提供する効果的なツールである。 本稿では,変分ニューラルネットワークを用いたTANet 3Dオブジェクト検出器を提案し,不確実性のある3Dオブジェクト検出を行う。
  論文  参考訳（メタデータ） (2023-02-12T14:30:03Z)
• LocPoseNet: Robust Location Prior for Unseen Object Pose Estimation [69.70498875887611]
  LocPoseNetは、見えないオブジェクトに先立って、ロバストにロケーションを学習することができる。 提案手法は,LINEMOD と GenMOP において,既存の作業よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2022-11-29T15:21:34Z)
• Prediction Surface Uncertainty Quantification in Object Detection Models for Autonomous Driving [5.784950275336468]
  自律走行車における物体検出は、一般的にカメラ画像とライダー入力に基づいており、予測モデルを訓練するためにしばしば使用される。 このような回帰モデルの予測不確実性を測定するために,PURE (Prediction sURface uncErtainty) と呼ばれる新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-07-11T08:31:15Z)
• TLIO: Tight Learned Inertial Odometry [43.17991168599939]
  IMUのみの状態推定のための密結合拡張カルマンフィルタフレームワークを提案する。 ヘッドセットからの歩行者データでトレーニングされた我々のネットワークは、統計的に一貫した測定と不確実性を生み出すことができる。
  論文  参考訳（メタデータ） (2020-07-06T03:13:34Z)

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。