論文の概要: Perception-Control Coupled Visual Servoing for Textureless Objects Using Keypoint-Based EKF

• arxiv url: http://arxiv.org/abs/2602.06834v2
• Date: Wed, 25 Feb 2026 15:45:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.238813
• Title: Perception-Control Coupled Visual Servoing for Textureless Objects Using Keypoint-Based EKF
• Title（参考訳）: キーポイントベースEKFを用いたテクスチャレス物体に対する知覚制御結合型ビジュアルサーボ
• Authors: Allen Tao, Jun Yang, Stanko Oparnica, Wenjie Xue,
• Abstract要約: テクスチャのないオブジェクトに対する学習に基づくキーポイント検出に基づいて構築し、ロバスト性を高める手法を提案する。 フレーム単位のキーポイント計測を統合して6次元オブジェクトのポーズを推定する拡張カルマンフィルタ(EKF)を用いる。 通常のPBVSとは異なり、カメラ速度とそれに関連する不確実性の両方を計算する確率論的制御法を提案する。
• 参考スコア（独自算出の注目度）: 2.7711760478810157
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Visual servoing is fundamental to robotic applications, enabling precise positioning and control. However, applying it to textureless objects remains a challenge due to the absence of reliable visual features. Moreover, adverse visual conditions, such as occlusions, often corrupt visual feedback, leading to reduced accuracy and instability in visual servoing. In this work, we build upon learning-based keypoint detection for textureless objects and propose a method that enhances robustness by tightly integrating perception and control in a closed loop. Specifically, we employ an Extended Kalman Filter (EKF) that integrates per-frame keypoint measurements to estimate 6D object pose, which drives pose-based visual servoing (PBVS) for control. The resulting camera motion, in turn, enhances the tracking of subsequent keypoints, effectively closing the perception-control loop. Additionally, unlike standard PBVS, we propose a probabilistic control law that computes both camera velocity and its associated uncertainty, enabling uncertainty-aware control for safe and reliable operation. We validate our approach on real-world robotic platforms using quantitative metrics and grasping experiments, demonstrating that our method outperforms traditional visual servoing techniques in both accuracy and practical application.
• Abstract（参考訳）: ビジュアルサーボはロボットアプリケーションの基本であり、正確な位置決めと制御を可能にする。 しかし、それをテクスチャのないオブジェクトに適用することは、信頼できる視覚的特徴が欠如しているため、依然として課題である。 さらに、オクルージョンのような悪い視覚条件は、しばしば視覚フィードバックを破損させ、視覚サーボの精度と不安定性を低下させる。 本研究では,無テクスチャオブジェクトに対する学習に基づくキーポイント検出に基づいて構築し,閉ループにおける知覚と制御を密に統合することによりロバスト性を高める手法を提案する。 具体的には,フレーム単位のキーポイント計測を統合して6次元オブジェクトのポーズを推定する拡張カルマンフィルタ(EKF)を用いて,ポーズベースビジュアルサーボ(PBVS)の制御を行う。 結果として生じるカメラの動きは、後続のキーポイントの追跡を強化し、知覚制御ループを効果的に閉じる。 また,通常のPBVSと異なり,カメラ速度とそれに伴う不確実性の両方を計算する確率論的制御法を提案し,安全かつ信頼性の高い操作に対して不確実性を考慮した制御を可能にする。 本手法が従来の視覚サーボ技術よりも精度と実用性が優れていることを示す。

関連論文リスト

• PoseDiff: A Unified Diffusion Model Bridging Robot Pose Estimation and Video-to-Action Control [67.17998939712326]
  本稿では,ロボットの状態推定と制御を単一のフレームワーク内で統一する条件拡散モデルPoseDiffを提案する。 中心となるPoseDiffは、生の視覚を3Dキーポイントや関節角などの構造化されたロボットの状態にマッピングする。 この基盤の上に構築されたPoseDiffは、ビデオからアクションへの逆ダイナミクスに自然に拡張する。
  論文  参考訳（メタデータ） (2025-09-29T10:55:48Z)
• Verification of Visual Controllers via Compositional Geometric Transformations [49.81690518952909]
  到達可能な集合の外部近似を生成できる知覚ベースのコントローラのための新しい検証フレームワークを提案する。 提案手法の音質を理論的に保証し,ベンチマーク制御環境における有効性を示す。
  論文  参考訳（メタデータ） (2025-07-06T20:22:58Z)
• ViTa-Zero: Zero-shot Visuotactile Object 6D Pose Estimation [14.575011735514522]
  ViTa-Zeroはゼロショットビゾタクティルポーズ推定フレームワークである。 実世界のロボット・セットアップの実験を通して、我々のフレームワークを検証する。
  論文  参考訳（メタデータ） (2025-04-17T17:59:56Z)
• Enhancing Feature Tracking Reliability for Visual Navigation using Real-Time Safety Filter [23.90865158642276]
  視覚センサーはロボットのポーズのローカライズに広く使われている。 信頼できる機能追跡と正確なポーズ推定のためには、十分な数の機能の可視性を維持することが不可欠である。 本稿では,2次プログラミングに基づくリアルタイム安全フィルタを提案する。
  論文  参考訳（メタデータ） (2025-02-03T06:26:04Z)
• VICAN: Very Efficient Calibration Algorithm for Large Camera Networks [49.17165360280794]
  ポースグラフ最適化手法を拡張する新しい手法を提案する。 我々は、カメラを含む二部グラフ、オブジェクトの動的進化、各ステップにおけるカメラオブジェクト間の相対変換について考察する。 我々のフレームワークは従来のPGOソルバとの互換性を維持しているが、その有効性はカスタマイズされた最適化方式の恩恵を受けている。
  論文  参考訳（メタデータ） (2024-03-25T17:47:03Z)
• EasyHeC: Accurate and Automatic Hand-eye Calibration via Differentiable Rendering and Space Exploration [49.90228618894857]
  我々は、マーカーレスでホワイトボックスであり、より優れた精度とロバスト性を提供するEasyHeCと呼ばれる手眼校正の新しいアプローチを導入する。 我々は,2つの重要な技術 – レンダリングベースのカメラポーズの最適化と整合性に基づく共同空間探索 – を利用することを提案する。 本評価は,合成および実世界のデータセットにおいて優れた性能を示す。
  論文  参考訳（メタデータ） (2023-05-02T03:49:54Z)
• Visual Servoing for Pose Control of Soft Continuum Arm in a Structured Environment [9.599112149531557]
  このレターでは、視覚サーボによりソフトアーム上でスムーズで堅牢な3D位置決めタスクを実行するディープニューラルネットワークベースの手法を提案する。 畳み込みニューラルネットワークは、所望のポーズを達成するのに必要な動作を予測するために訓練される。 カメラが見る所望画像と現在画像との誤差を低減するために比例制御法を施行する。
  論文  参考訳（メタデータ） (2022-02-10T18:03:28Z)
• End-to-End Learning of Keypoint Representations for Continuous Control from Images [84.8536730437934]
  教師なしの事前学習、デコーダ、追加の損失を必要とせずに、エンドツーエンドで効率的なキーポイント表現を学習できることが示される。 提案アーキテクチャは,ソフトアクター・クリティカルエージェントに直接座標を供給するキーポイント抽出器で構成されている。
  論文  参考訳（メタデータ） (2021-06-15T09:17:06Z)
• Goal-Conditioned End-to-End Visuomotor Control for Versatile Skill Primitives [89.34229413345541]
  本稿では,制御器とその条件をエンドツーエンドに学習することで,落とし穴を回避する条件付け手法を提案する。 本モデルでは,ロボットの動きのダイナミックな画像表現に基づいて,複雑な動作シーケンスを予測する。 代表的MPCおよびILベースラインに対するタスク成功の大幅な改善を報告した。
  論文  参考訳（メタデータ） (2020-03-19T15:04:37Z)

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。