論文の概要: Change-Robust Online Spatial-Semantic Topological Mapping
- arxiv url: http://arxiv.org/abs/2605.02227v1
- Date: Mon, 04 May 2026 05:00:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-05 20:33:50.142824
- Title: Change-Robust Online Spatial-Semantic Topological Mapping
- Title（参考訳）: オンライン空間意味的トポロジカルマッピング
- Authors: Jiaming Wang, Jizhuo Chen, Diwen Liu, Atharva Ghotavadekar, Jiaxuan Da, Linh Kästner, Harold Soh,
- Abstract要約: 自律型ロボットは、環境の変化にもかかわらず、どこに行くか、どうやって行くか、そしてロボットがどこにいるかを決定するために、変更のロマンティックな推論を必要とする。
既存のアプローチは通常SLAMで構築されたメートル法マップにセマンティクスを付加するが、これらのパイプラインは外観シフトやシーンダイナミクスの下で不安定である。
本稿では,RGB-D再構成のオンライン・ポーズ対応トポロジカルグラフに,一貫した計量基板を置き換えた変更ロバストオンライン空間意味表現を提案する。
- 参考スコア（独自算出の注目度）: 10.541004576272163
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autonomous robots require change-robust spatial-semantic reasoning: using spatial and semantic knowledge to decide where to go, how to get there, and where the robot is despite environmental change. Existing approaches typically attach semantics to SLAM-built metric maps, but these pipelines are brittle under appearance shifts and scene dynamics, where data association and relocalization degrade. We propose a Change-Robust Online Spatial-Semantic (CROSS) representation that replaces a globally consistent metric substrate with an online, pose-aware topological graph of RGB-D keyframes. The system explicitly reasons over perceptual ambiguity using sequential hypothesis testing in continuous SE(3). Our estimator maintains a bounded Gaussian-mixture belief over poses, enabling principled handling of loop closures and kidnapped-robot events. Experiments under severe appearance change, including real-robot object-goal navigation with lighting shifts and furniture rearrangement, demonstrate improved robustness over SLAM-based and topological baselines while remaining safe under perceptual aliasing.
- Abstract（参考訳）: 自律ロボットは、空間的および意味的な知識を使用して、環境の変化にもかかわらず、どこに行くか、どのように行くか、そしてロボットがどこにいるかを決定する。
既存のアプローチでは、SLAMで構築されたメトリックマップにセマンティクスを付けるのが一般的だが、これらのパイプラインは、データアソシエーションと再ローカライゼーションが低下する、外観シフトとシーンダイナミクスの下で不安定である。
RGB-Dキーフレームのオンライン・ポーズ対応トポロジカルグラフに一貫したメートル法基板を置き換えるCROSS(Change-Robust Online Spatial-Semantic)表現を提案する。
このシステムは連続SE(3)における逐次仮説テストを用いて知覚的曖昧性について明確に推論する。
我々の推定器はポーズに対するガウス混合の信念を維持しており、ループ閉鎖や誘拐されたロボットイベントの原則的処理を可能にしている。
ライティングシフトや家具の並べ替えを施したリアルロボットの目標航法など、厳しい外観変化による実験は、SLAMベースのベースラインやトポロジカルベースラインよりも堅牢性を向上し、知覚的エイリアスの下では安全であることを証明した。
関連論文リスト
- Robot-DIFT: Distilling Diffusion Features for Geometrically Consistent Visuomotor Control [31.523644271297616]
一般化可能なロボット操作における重要なボトルネックは、現在の視覚的バックボーンと閉ループ制御の物理的要求との間の構造的ミスマッチである。
我々は,マニフォールド蒸留による推論プロセスから幾何学的情報ソースを分離するフレームワークであるRobot-DIFTを提案する。
凍結拡散教師を決定論的空間意味的特徴ピラミッドネットワーク(S2-FPN)に蒸留することにより、時間的安定性、リアルタイム実行、ドリフトに対する堅牢性を確保しつつ、生成モデルの豊富な幾何学的先行性を維持できる。
論文 参考訳（メタデータ） (2026-02-12T13:30:24Z) - TRACER: Texture-Robust Affordance Chain-of-Thought for Deformable-Object Refinement [37.77903164878976]
TRACER は Texture-Robust Affordance Chain-of- Thought with dEformable-object Refinement framework である。
セマンティック推論から外見が損なわれ、物理的に一貫した機能領域の洗練まで、階層横断的なマッピングを提供する。
Fine-AGDDO15データセットと実世界のロボットプラットフォームで実施された実験は、TRACERが精度を著しく向上することを示した。
論文 参考訳（メタデータ） (2026-01-28T03:12:18Z) - Bridging Simulation and Reality: Cross-Domain Transfer with Semantic 2D Gaussian Splatting [60.513168855890974]
ロボット操作におけるクロスドメイン転送は、シミュレートされた環境と実世界の環境の間に大きなドメインギャップがあるため、長年にわたる課題である。
本研究では,オブジェクト中心の領域不変空間特徴を抽出する新しい表現法であるSemantic 2D Gaussian Splatting (S2GS)を提案する。
S2GSはsim-to-real転送性を大幅に改善し、現実世界のシナリオで高安定なタスク性能を維持する。
論文 参考訳（メタデータ） (2025-12-04T12:16:15Z) - SpatialActor: Exploring Disentangled Spatial Representations for Robust Robotic Manipulation [63.48859753472547]
SpaceActorは、意味論と幾何学を明確に分離する堅牢なロボット操作のためのフレームワークである。
RLBenchの87.4%で最先端のパフォーマンスを達成し、ノイズの異なる条件下では13.9%から19.4%改善している。
論文 参考訳（メタデータ） (2025-11-12T18:59:08Z) - Semantic-Aware Particle Filter for Reliable Vineyard Robot Localisation [4.0016757648498205]
屋外環境における移動ロボットのローカライゼーションは重要であるが、LiDARベースの手法はブドウ畑では失敗することが多い。
本研究では,安定なオブジェクトレベル検出,具体的にはブドウ幹を含むセマンティック粒子フィルタを提案する。
セマンティックの壁は、隣接するランドマークを行エイリアスを緩和する擬似構造制約に接続する。
提案手法は, 正しい行内のローカライゼーションを維持し, AMCLが故障した場合のずれから回復し, RTAB-Mapなどの視覚ベースのSLAM法より優れる。
論文 参考訳（メタデータ） (2025-09-22T19:04:31Z) - Topology-Aware Modeling for Unsupervised Simulation-to-Reality Point Cloud Recognition [63.55828203989405]
我々はオブジェクトポイントクラウド上でSim2Real UDAのための新しいTopology-Aware Modeling (TAM)フレームワークを紹介する。
提案手法は,低レベルの高周波3次元構造を特徴とするグローバル空間トポロジを利用して,領域間隙を緩和する。
本稿では,クロスドメイン・コントラスト学習と自己学習を組み合わせた高度な自己学習戦略を提案する。
論文 参考訳（メタデータ） (2025-06-26T11:53:59Z) - Embodied-RAG: General Non-parametric Embodied Memory for Retrieval and Generation [69.01029651113386]
Embodied-RAGは、非パラメトリックメモリシステムによるエンボディエージェントのモデルを強化するフレームワークである。
コアとなるEmbodied-RAGのメモリはセマンティックフォレストとして構成され、言語記述を様々なレベルで詳細に保存する。
Embodied-RAGがRAGをロボット領域に効果的にブリッジし、250以上の説明とナビゲーションクエリをうまく処理できることを実証する。
論文 参考訳（メタデータ） (2024-09-26T21:44:11Z) - A Modular Robotic System for Autonomous Exploration and Semantic Updating in Large-Scale Indoor Environments [2.8252013503798907]
大規模未知環境の自律探索とセマンティック更新のためのモジュール型ロボットシステムを提案する。
本手法により,移動ロボットは,幾何学用2次元占有格子と対象意味論用トポロジカルグラフを統合したハイブリッドセマンティックマップの構築,再検討,更新を行うことができる。
論文 参考訳（メタデータ） (2024-09-23T19:25:03Z) - Kimera-Multi: Robust, Distributed, Dense Metric-Semantic SLAM for
Multi-Robot Systems [92.26462290867963]
Kimera-Multiは、最初のマルチロボットシステムであり、不正なインターループとイントラロボットループの閉鎖を識別し拒否することができる。
我々は、フォトリアリスティックシミュレーション、SLAMベンチマークデータセット、地上ロボットを用いて収集された屋外データセットの挑戦において、Kimera-Multiを実証した。
論文 参考訳（メタデータ） (2021-06-28T03:56:40Z) - DARE-SLAM: Degeneracy-Aware and Resilient Loop Closing in
Perceptually-Degraded Environments [4.34118539186713]
自律探査における重要な要件は、未知の環境の正確で一貫したマップを構築することである。
位置認識を改善し,3次元位置の曖昧さを解消するために,デジェネリアシー・アウェアとドリフト・レジリエント・ループ・クロージング法を提案する。
論文 参考訳（メタデータ） (2021-02-09T20:37:17Z) - Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for
Online Collision Avoidance [95.86944752753564]
本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。
我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。
本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
論文 参考訳（メタデータ） (2020-07-28T07:34:30Z)
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。