論文の概要: Coupled Particle Filters for Robust Affordance Estimation

• arxiv url: http://arxiv.org/abs/2603.15223v1
• Date: Mon, 16 Mar 2026 13:01:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-21 18:33:56.864445
• Title: Coupled Particle Filters for Robust Affordance Estimation
• Title（参考訳）: ロバスト精度推定のための結合粒子フィルタ
• Authors: Patrick Lowin, Vito Mengers, Oliver Brock,
• Abstract要約: 本稿では,感覚入力における視覚的,幾何学的,意味的なあいまいさを曖昧にする手法を提案する。 提案手法は,実世界のデータセットにおいて,近年の3つのアベイランス推定値より優れていることを示す。 これらの結果から,結合相補的推定器は正確な,頑健で,具体的適合な価格予測をもたらすことが示された。
• 参考スコア（独自算出の注目度）: 6.805575417034369
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Robotic affordance estimation is challenging due to visual, geometric, and semantic ambiguities in sensory input. We propose a method that disambiguates these signals using two coupled recursive estimators for sub-aspects of affordances: graspable and movable regions. Each estimator encodes property-specific regularities to reduce uncertainty, while their coupling enables bidirectional information exchange that focuses attention on regions where both agree, i.e., affordances. Evaluated on a real-world dataset, our method outperforms three recent affordance estimators (Where2Act, Hands-as-Probes, and HRP) by 308%, 245%, and 257% in precision, and remains robust under challenging conditions such as low light or cluttered environments. Furthermore, our method achieves a 70% success rate in our real-world evaluation. These results demonstrate that coupling complementary estimators yields precise, robust, and embodiment-appropriate affordance predictions.
• Abstract（参考訳）: 感覚入力における視覚的,幾何学的,意味的なあいまいさにより,ロボットの余裕推定は困難である。 本稿では,2つの結合再帰的推定器を用いて,可把握領域と移動領域の2つのサブアスペクトに対して,これらの信号のあいまいさを解消する手法を提案する。 それぞれの推定器は、プロパティ固有の規則性を符号化して不確実性を低減し、その結合により、双方が一致している地域、すなわち価格に注目する双方向の情報交換を可能にする。 実世界のデータセットから評価したところ、近年の3つのアベイランス推定器(Where2Act, Hands-as-Probes, HRP)を308%、245%、257%の精度で上回り、低照度や散逸した環境下でも頑健である。 さらに,本手法は実世界の評価において70%の成功率を達成する。 これらの結果から,結合相補的推定器は正確な,頑健で,具体的適合な価格予測をもたらすことが示された。

関連論文リスト

• Mitigating Estimation Bias with Representation Learning in TD Error-Driven Regularization [4.784045060345404]
  この研究は、柔軟なバイアス制御とより強力な表現学習を実現するための拡張手法を導入する。 両アクターによる過大評価と楽観的な探索を緩和するために、悲観的推定のバランスをとる3つの凸組合せ戦略(対称と非対称)を提案する。 パフォーマンスをさらに向上するため、アクターと批評家ネットワークに拡張状態とアクション表現を統合する。
  論文  参考訳（メタデータ） (2025-11-20T06:31:55Z)
• Object Affordance Recognition and Grounding via Multi-scale Cross-modal Representation Learning [64.32618490065117]
  Embodied AIの中核的な問題は、人間がしているように、観察からオブジェクト操作を学ぶことだ。 本稿では,3D表現の可利用性を学習し,段階的推論戦略を採用する新しい手法を提案する。 提案手法の有効性を実証し,アベイランスグラウンドと分類の両面での性能向上を示した。
  論文  参考訳（メタデータ） (2025-08-02T04:14:18Z)
• Enabling Uncertainty Estimation in Iterative Neural Networks [49.56171792062104]
  本研究では,アンサンブルのような手法よりもはるかに低い計算コストで最先端の見積もりを提供する不確実性推定手法を開発する。 航空画像における道路検出と2次元および3次元形状の空力特性の推定という2つの応用領域に組み込むことで,その実用的価値を実証する。
  論文  参考訳（メタデータ） (2024-03-25T13:06:31Z)
• Uncertainty-Aware Adaptation for Self-Supervised 3D Human Pose Estimation [70.32536356351706]
  本稿では、2つの出力ヘッドを2つの異なる構成にサブスクライブする共通のディープネットワークバックボーンを構成するMPP-Netを紹介する。 ポーズと関節のレベルで予測の不確実性を定量化するための適切な尺度を導出する。 本稿では,提案手法の総合評価を行い,ベンチマークデータセット上での最先端性能を示す。
  論文  参考訳（メタデータ） (2022-03-29T07:14:58Z)
• Introspective Robot Perception using Smoothed Predictions from Bayesian Neural Networks [17.162534445528827]
  本研究は、RGB画像から対象分類の分野における不確実性推定を改善することに焦点を当てる。 我々はBNNを用いて2つの実用的な推論手法を評価し、より良い不確実性の推定値を得る。 条件付きランダム場内の一様ポテンシャルとして信頼性の高い不確実性推定を用いた性能向上を示す。
  論文  参考訳（メタデータ） (2021-09-27T08:40:19Z)
• Learning Expectation of Label Distribution for Facial Age and Attractiveness Estimation [65.5880700862751]
  本稿では,2つの最先端手法(Ranking-CNNとDLDL)の本質的な関係を解析し,ランキング法が実際にラベル分布を暗黙的に学習していることを示す。 軽量なネットワークアーキテクチャを提案し、顔属性の分布と回帰属性の値を共同で学習できる統一的なフレームワークを提案する。 提案手法は,36$times$パラメータが小さく,3$times$が顔の年齢/魅力度推定における高速な推論速度を持つ単一モデルを用いて,新しい最先端結果を実現する。
  論文  参考訳（メタデータ） (2020-07-03T15:46:53Z)

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。