論文の概要: Reliability-aware Execution Gating for Near-field and Off-axis Vision-guided Robotic Alignment

• arxiv url: http://arxiv.org/abs/2602.08466v1
• Date: Mon, 09 Feb 2026 10:14:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-10 20:26:25.1646
• Title: Reliability-aware Execution Gating for Near-field and Off-axis Vision-guided Robotic Alignment
• Title（参考訳）: 近接場・オフ軸視覚誘導型ロボットアライメントのための信頼性を考慮した実行ゲーティング
• Authors: Ning Hu, Senhao Cao, Maochen Li,
• Abstract要約: 実際のロボットシステムは、ポーズ推定が正確であるように見える場合でも、頻繁な実行障害に悩まされている。 このギャップは、プライシングの正確性だけでは実行レベルの信頼性を保証するには不十分であることを示している。 本稿では,実行レベルで動作する信頼性を考慮した実行ゲーティング機構を提案する。
• 参考スコア（独自算出の注目度）: 1.723545049436206
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vision-guided robotic systems are increasingly deployed in precision alignment tasks that require reliable execution under near-field and off-axis configurations. While recent advances in pose estimation have significantly improved numerical accuracy, practical robotic systems still suffer from frequent execution failures even when pose estimates appear accurate. This gap suggests that pose accuracy alone is insufficient to guarantee execution-level reliability. In this paper, we reveal that such failures arise from a deterministic geometric error amplification mechanism, in which small pose estimation errors are magnified through system structure and motion execution, leading to unstable or failed alignment. Rather than modifying pose estimation algorithms, we propose a Reliability-aware Execution Gating mechanism that operates at the execution level. The proposed approach evaluates geometric consistency and configuration risk before execution, and selectively rejects or scales high-risk pose updates. We validate the proposed method on a real UR5 robotic platform performing single-step visual alignment tasks under varying camera-target distances and off-axis configurations. Experimental results demonstrate that the proposed execution gating significantly improves task success rates, reduces execution variance, and suppresses tail-risk behavior, while leaving average pose accuracy largely unchanged. Importantly, the proposed mechanism is estimator-agnostic and can be readily integrated with both classical geometry-based and learning-based pose estimation pipelines. These results highlight the importance of execution-level reliability modeling and provide a practical solution for improving robustness in near-field vision-guided robotic systems.
• Abstract（参考訳）: 視覚誘導型ロボットシステムは、近距離およびオフ軸構成下での信頼性の高い実行を必要とする精度の高いアライメントタスクにますます配備されている。 近年のポーズ推定の進歩は数値的精度を大幅に向上させたが、実際のロボットシステムは、ポーズ推定が正確であったとしても、頻繁な実行障害に悩まされている。 このギャップは、プライシングの正確性だけでは実行レベルの信頼性を保証するには不十分であることを示している。 本稿では,システム構造と動作実行によって小さなポーズ推定誤差が拡大され,不安定あるいは故障したアライメントが生じるような,決定論的幾何的誤差増幅機構からこのような障害が生じることを明らかにする。 ポーズ推定アルゴリズムを改良するのではなく,実行レベルで動作する信頼性を考慮した実行ゲーティング機構を提案する。 提案手法は,実行前に幾何的整合性と構成リスクを評価し,高リスクポーズ更新を選択的に拒否またはスケールする。 本研究では,実際のUR5ロボットプラットフォーム上で,カメラ・ターゲット距離とオフ軸構成の異なる単一ステップの視覚アライメントタスクを行う方法を検証する。 実験結果から,提案手法はタスク成功率を大幅に向上し,実行のばらつきを低減し,テールリスクの挙動を抑えつつ,平均的なポーズ精度をほとんど変化しないことが明らかとなった。 重要なことは、提案するメカニズムは推定器に依存しず、古典幾何学ベースと学習ベースの両方のポーズ推定パイプラインと容易に統合できることである。 これらの結果は、実行レベルの信頼性モデリングの重要性を強調し、ニアフィールドビジョン誘導ロボットシステムにおけるロバスト性向上のための実用的なソリューションを提供する。

関連論文リスト

• WALDO: Where Unseen Model-based 6D Pose Estimation Meets Occlusion [13.760323763554448]
  モデルに基づく6次元ポーズ推定法に対する4つの新しい拡張を提案する。 提案手法は,IABINの精度が5%以上向上し,BOPデータセットのベンチマークでは2%以上向上していることを示す。
  論文  参考訳（メタデータ） (2025-11-19T21:01:49Z)
• SE(3)-PoseFlow: Estimating 6D Pose Distributions for Uncertainty-Aware Robotic Manipulation [21.433019604658366]
  本稿では,SE(3)多様体上のフローマッチングを利用して6次元オブジェクトのポーズ分布を推定する新しい確率的フレームワークを提案する。 我々はReal275、YCB-V、LM-Oの最先端の成果を達成し、下流ロボット操作タスクにおいてサンプルベースのポーズ推定がどのように活用できるかを実証した。
  論文  参考訳（メタデータ） (2025-11-03T12:11:35Z)
• High-Level Multi-Robot Trajectory Planning And Spurious Behavior Detection [41.75258434978792]
  本稿では,LTL(Linear Temporal Logic)公式として指定された計画の急激な実行を特定することの課題について述べる。 我々はNets-within-Nets(NWN)パラダイムに基づく構造化データ生成フレームワークを提案する。 本稿では,トランスフォーマーを用いた異常検出パイプラインを提案する。
  論文  参考訳（メタデータ） (2025-10-20T07:47:51Z)
• Rethinking Evaluation of Infrared Small Target Detection [105.59753496831739]
  本稿では,画素レベルと目標レベルのパフォーマンスを取り入れたハイブリッドレベルのメトリクスを導入し,システム的エラー解析手法を提案し,クロスデータセット評価の重要性を強調した。 標準化されたベンチマークを容易にするオープンソースツールキットがリリースされた。
  論文  参考訳（メタデータ） (2025-09-21T02:45:07Z)
• Enhancing LLM Reliability via Explicit Knowledge Boundary Modeling [41.19330514054401]
  大規模言語モデル(LLM)は、不一致の自己認識に起因する幻覚の傾向にある。 本稿では,高速かつ低速な推論システムを統合し,信頼性とユーザビリティを調和させる明示的知識境界モデリングフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-04T03:16:02Z)
• Know Where You're Uncertain When Planning with Multimodal Foundation Models: A Formal Framework [54.40508478482667]
  認識と計画生成の不確実性を解消し、定量化し、緩和する包括的枠組みを提案する。 本稿では,知覚と意思決定の独特な性質に合わせた手法を提案する。 この不確実性分散フレームワークは, 変動率を最大40%削減し, タスク成功率をベースラインに比べて5%向上させることを示した。
  論文  参考訳（メタデータ） (2024-11-03T17:32:00Z)
• Safe Machine-Learning-supported Model Predictive Force and Motion Control in Robotics [0.0]
  人間とロボットの相互作用や脆弱な物体のハンドリングのような多くのロボットタスクは、安全かつ高性能な操作を実現するために、動き制御と共に現れる力とモーメントの厳密な制御と制限を必要とする。 本研究では,学習支援型モデル予測力と運動制御方式を提案する。
  論文  参考訳（メタデータ） (2023-03-08T13:30:02Z)
• Lightweight, Uncertainty-Aware Conformalized Visual Odometry [2.429910016019183]
  データ駆動型ビジュアルオドメトリー(VO)は、自律エッジロボティクスにとって重要なサブルーチンである。 昆虫スケールドローンや外科ロボットのような最先端ロボットデバイスは、VOの予測の不確実性を推定する計算的に効率的な枠組みを欠いている。 本稿では,共形推論(CI)を利用してVOの不確実な帯域を抽出する,新しい,軽量で統計的に堅牢なフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-03T20:37:55Z)
• The Probabilistic Normal Epipolar Constraint for Frame-To-Frame Rotation Optimization under Uncertain Feature Positions [53.478856119297284]
  特徴位置における異方性および不均一性を考慮した確率論的正規極性制約(PNEC)を導入する。 合成データの実験において、新しいPNECは元のNECよりも正確な回転推定値が得られることを示した。 我々は,提案手法を最先端のモノクロ回転専用オドメトリーシステムに統合し,実世界のKITTIデータセットに対して一貫した改良を行った。
  論文  参考訳（メタデータ） (2022-04-05T14:47:11Z)

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。