論文の概要: Sampling-Based Motion Planning with Scene Graphs Under Perception Constraints

• arxiv url: http://arxiv.org/abs/2603.03514v1
• Date: Tue, 03 Mar 2026 20:46:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.872543
• Title: Sampling-Based Motion Planning with Scene Graphs Under Perception Constraints
• Title（参考訳）: 知覚制約下でのシーングラフを用いたサンプリングベースモーションプランニング
• Authors: Qingxi Meng, Emiliano Flores, Thai Duong, Vaibhav Unhelkar, Lydia E. Kavraki,
• Abstract要約: 本稿では,多目的監視制約付き高DoFロボットにおける知覚認識型動作計画の問題点について論じる。 我々は、複数の物体や人間を直接観察する知覚コストをハイDoFロボットのモーションプランニングに直接統合するロードマップベースのモーションプランナMOPS-PRMを提案する。 本手法はシミュレーションおよび実世界の実験において広範囲に検証され,検出対象数の平均36%以上の改善が達成された。
• 参考スコア（独自算出の注目度）: 12.4666901035596
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: It will be increasingly common for robots to operate in cluttered human-centered environments such as homes, workplaces, and hospitals, where the robot is often tasked to maintain perception constraints, such as monitoring people or multiple objects, for safety and reliability while executing its task. However, existing perception-aware approaches typically focus on low-degree-of-freedom (DoF) systems or only consider a single object in the context of high-DoF robots. This motivates us to consider the problem of perception-aware motion planning for high-DoF robots that accounts for multi-object monitoring constraints. We employ a scene graph representation of the environment, offering a great potential for incorporating long-horizon task and motion planning thanks to its rich semantic and spatial information. However, it does not capture perception-constrained information, such as the viewpoints the user prefers. To address these challenges, we propose MOPS-PRM, a roadmap-based motion planner, that integrates the perception cost of observing multiple objects or humans directly into motion planning for high-DoF robots. The perception cost is embedded to each object as part of a scene graph, and used to selectively sample configurations for roadmap construction, implicitly enforcing the perception constraints. Our method is extensively validated in both simulated and real-world experiments, achieving more than ~36% improvement in the average number of detected objects and ~17% better track rate against other perception-constrained baselines, with comparable planning times and path lengths.
• Abstract（参考訳）: ロボットは、家や職場、病院など、散らかった人間中心の環境において、人間や複数の物体を監視したり、そのタスクを実行しながら安全性や信頼性を確保できるような、認識の制約を維持することが、ますます一般的になる。 しかし、既存の知覚認識アプローチは、通常、低自由度システム(DoF)に焦点を当てる。 これにより,多目的監視制約を考慮に入れたハイDoFロボットの知覚認識型動作計画の問題を考えることができる。 我々は環境のシーングラフ表現を採用し、そのリッチな意味情報と空間情報により、長期的タスクと運動計画を組み込む大きな可能性を提供する。 しかし、ユーザが好む視点など、知覚に制約のある情報を捉えない。 これらの課題に対処するために,複数の物体や人間を直接観察する知覚コストを高DoFロボットの動作計画に統合するロードマップベースのモーションプランナMOPS-PRMを提案する。 知覚コストはシーングラフの一部として各オブジェクトに埋め込まれ、ロードマップ構築のための構成を選択的にサンプリングするために使用され、知覚制約を暗黙的に強制する。 提案手法は実世界とシミュレーション実験の両方において広く検証され,検出対象の平均値が約36%向上し,他の知覚制約ベースラインに対して約17%向上した。

関連論文リスト

• OmniDP: Beyond-FOV Large-Workspace Humanoid Manipulation with Omnidirectional 3D Perception [12.601221316998222]
  本稿では,大規模ワークスペースにおけるロバストな操作を可能にする,エンド・ツー・エンドのLiDAR駆動型3Dビジュモータポリシーを提案する。 本研究では,パノラマ点群をタイムアウェア・アテンション・プール機構で処理し,スパース3Dデータを効率的に符号化する。 この360度認識により、ロボットは頻繁な再配置なしに広範囲の物体と対話できる。
  論文  参考訳（メタデータ） (2026-03-05T16:34:53Z)
• EmbodMocap: In-the-Wild 4D Human-Scene Reconstruction for Embodied Agents [85.77432303199176]
  EmbodMocapは2つの動くiPhoneを使ったポータブルで安価なデータ収集パイプラインである。 私たちのキーとなるアイデアは、二重RGB-Dシーケンスを共同で校正し、人間とシーンの両方を再構築することです。 収集したデータに基づいて、我々は3つの具体的AIタスクを強化した: モノクラーヒューマン・シーン・リコンストラクション(モノクラーヒューマン・シーン・リコンストラクション)、メトリックスケールで世界空間に整合した人間とシーンを出力するフィードフォワードモデル、物理ベースのキャラクターアニメーション。
  論文  参考訳（メタデータ） (2026-02-26T16:53:41Z)
• Recognizing Actions from Robotic View for Natural Human-Robot Interaction [52.00935005918032]
  自然人-ロボットインタラクション(Natural Human-Robot Interaction, N-HRI)は、ロボット自身が動いているか静止しているかに関わらず、ロボットが様々な距離と状態で人間の行動を認識することを要求する。 N-HRIの既存のベンチマークは、限られたデータ、モダリティ、タスクカテゴリ、主題や環境の多様性のために、N-HRIのユニークな複雑さに対処できない。 モバイルサービスロボットで広く使われている知覚中心ロボットビューのための大規模データセット(Action from Robotic View)を紹介する。
  論文  参考訳（メタデータ） (2025-07-30T09:48:34Z)
• SG-Bot: Object Rearrangement via Coarse-to-Fine Robotic Imagination on Scene Graphs [81.15889805560333]
  本稿では,新しいアレンジメントフレームワークであるSG-Botを紹介する。 SG-Botは軽量でリアルタイムでユーザ制御可能な特性を実証する。 実験の結果、SG-Botはライバルよりも大きなマージンで優れていることが示された。
  論文  参考訳（メタデータ） (2023-09-21T15:54:33Z)
• Autonomous Marker-less Rapid Aerial Grasping [5.892028494793913]
  本稿では,自律的高速空中把握のための視覚ベースシステムを提案する。 検出対象の高密度点雲を生成し,幾何に基づく把握計画を行う。 飛行プラットフォームを用いた幾何学的把握技術の最初の利用例を示す。
  論文  参考訳（メタデータ） (2022-11-23T16:25:49Z)
• Robot Active Neural Sensing and Planning in Unknown Cluttered Environments [0.0]
  未知の乱雑な環境でのアクティブなセンシングと計画は、ホームサービス、探索と救助、狭い通行検査、医療支援を提供するロボットにとって、オープンな課題である。 本研究は,ロボットマニピュレータの動力学的に実現可能な視点列を手動カメラで生成し,基礎環境の再構築に必要な観測回数を最小化するための能動型ニューラルセンシング手法を提案する。 我々のフレームワークは視覚的RGBD観測を積極的に収集し、それらをシーン表現に集約し、環境との不要なロボットの相互作用を避けるためにオブジェクト形状推論を行う。
  論文  参考訳（メタデータ） (2022-08-23T16:56:54Z)
• TRiPOD: Human Trajectory and Pose Dynamics Forecasting in the Wild [77.59069361196404]
  TRiPODは、グラフの注目ネットワークに基づいて身体のダイナミクスを予測する新しい方法です。 実世界の課題を取り入れるために,各フレームで推定された身体関節が可視・視認可能かどうかを示す指標を学習する。 評価の結果,TRiPODは,各軌道に特化して設計され,予測タスクに特化している。
  論文  参考訳（メタデータ） (2021-04-08T20:01:00Z)
• Reactive Human-to-Robot Handovers of Arbitrary Objects [57.845894608577495]
  本稿では、未知の物体の人間とロボットのハンドオーバを可能にするビジョンベースシステムを提案する。 提案手法は,クローズドループ運動計画とリアルタイムかつ時間的に一貫性のあるグリップ生成を組み合わせたものである。 提案手法の汎用性,ユーザビリティ,ロバスト性を,26種類の家庭用オブジェクトからなる新しいベンチマークで実証した。
  論文  参考訳（メタデータ） (2020-11-17T21:52:22Z)
• Human-like Planning for Reaching in Cluttered Environments [11.55532557594561]
  人間は、散らかった環境でオブジェクトに手を伸ばすのに驚くほど適しています。 我々は、人間の高度な操作計画を特定し、これらのスキルをロボットプランナーに転送する。 人間のようなプランナーは、最先端の標準軌道最適化アルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2020-02-28T14:28:50Z)

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。