論文の概要: Belief Consistency Between Foundation-Model Evidence and Geometric Perception in Persistent Robotic Maps

• arxiv url: http://arxiv.org/abs/2606.00318v1
• Date: Fri, 29 May 2026 19:48:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:28.281751
• Title: Belief Consistency Between Foundation-Model Evidence and Geometric Perception in Persistent Robotic Maps
• Title（参考訳）: 永続ロボットマップにおける基礎モデルエビデンスと幾何学的知覚の一致性
• Abstract要約: 自律ロボットが使用する永続マップは、幾何学的知覚スタックを基本モデルチャネルに融合し、同じシーンに関する信頼性を調整せずにセマンティッククレームを生成する。 本稿では,クラスごとのコミットゲートと,クレームの時点で幾何学的チャネルに矛盾する基礎モデルクレームのコミットを拒否するコンフリクトドロップウィンドウの2つの協調機構を備えた更新演算子を提案する。
• 参考スコア（独自算出の注目度）: 10.785975575736181
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Persistent maps used by autonomous robots increasingly fuse a geometric perception stack whose assertions are well-characterized with a foundation-model channel that produces semantic claims without calibrated reliability about the same scene. Contemporary mapping systems integrate the two channels by treating the foundation-model channel as an additional voter into a per-element posterior, uncalibrated for its own per-class reliability and without machinery to flag when the two channels contradict each other at a given moment. We propose an update operator with two cooperating mechanisms: a per-class calibrated commit gate, and a per-event conflict-drop window that refuses to commit foundation-model claims contradicted by the geometric channel at the moment of the claim. We evaluate on KITTI-360 and ScanNet, with an oracle geometric channel (panoptic ground truth) and an off-the-shelf online semantic segmenter (Mask2Former) to demonstrate real-world performance. The operator produces substantially more accurate committed maps (KITTI is car commit precision 99.7% vs. 43.9% for the calibration-only operator; mean per-class IoU 0.522 vs. 0.180), retains more compositional true positives at higher precision than a monolithic compositional VLM prompt. The framework operates at deployment quality across both oracle and off-the-shelf-segmenter geometric channels, and is invariant under foundation-model substitution.
• Abstract（参考訳）: 自律ロボットが使用する永続マップは、同じシーンに関する信頼性を判断することなくセマンティックなクレームを生成する基礎モデルチャネルによって、アサーションが適切にキャラクタリゼーションされた幾何学的知覚スタックを融合させる傾向にある。 現代地図システムでは、ファンデーション・モデル・チャネルを追加の投票者として扱うことで、2つのチャンネルを統合する。 本稿では,2つの協調機構を持つ更新演算子を提案する。クラスごとのキャリブレーションされたコミットゲートと,クレームの時点で幾何学的チャネルに矛盾する基礎モデルクレームのコミットを拒否するイベントごとのコンフリクト・ドロップウィンドウである。 我々は, KITTI-360 と ScanNet について,オラクル幾何学的チャネル (パノプティックグラウンド真理) と既製のオンラインセマンティックセマンティックセグメンタ (Mask2Former) を用いて評価を行い,実世界の性能を実証した。 KITTIはカーコミット精度99.7%、キャリブレーションのみのオペレータでは43.9%、クラスごとのIoU0.522対0.180)で、モノリシックな合成VLMプロンプトよりも高精度な構成正値を保持する。 このフレームワークは、オラクルとオフ・ザ・シェルフ・セグメンタ幾何学チャネルの両方にわたるデプロイメント品質で動作し、基礎モデル置換の下で不変である。

関連論文リスト

• Cross-Model Agreement as a Deployment-Time Reliability Signal for Automatic Polyp Segmentation [0.639901418243611]
  リアルタイム大腸内視鏡では, 地平線アノテーションは推論では利用できないため, ポリプセグメンテーションモデルが無音で失敗する可能性がある。 本稿では,参照レスフレームワークである参照ベース品質評価(RBQE)を提案する。
  論文  参考訳（メタデータ） (2026-09-09T17:32:43Z)
• GAAT: Geometry-Aware Alignment Transformer for Multimodal UAV Perception [7.90322991085067]
  無人航空機(UAV)のマルチモーダル認識は、可視光(RGB)、赤外線(IR)、合成開口レーダー(SAR)、様々な条件下でのシーン理解のための深度センサーを統合している。 本稿では,モーダル間相互作用前の局所対応信頼性を推定するアライメントファースト事前学習モデルGAATを提案する。 UAVMetaとStateBenchは,プラットフォームテレメトリと画像統計から得られる4つの取得状態スコアを提供する。
  論文  参考訳（メタデータ） (2026-08-28T06:36:17Z)
• A Deployment-Oriented and Resource-Efficient Neuro-Symbolic Framework for Explainable DDoS Detection in Operational Technology Networks [1.202468381202799]
  本稿では,資源制約環境下での堅牢なDDoS検出に特化して設計されたニューロシンボリック・フレームワークを提案する。 このフレームワークは、浅い決定木をシンボル成分としてゲートリカレントユニット(GRU)ニューラルネットワークを融合する。 ハイブリッドモデルは、3つの実世界のベンチマークDDoSデータセットで評価される。
  論文  参考訳（メタデータ） (2026-08-17T16:18:15Z)
• Architecture-Dependent Causal Transfer of Activation States Across Large Language Models [51.56484100374058]
  内部言語アクティベーション状態は、異なる大きな言語モデル間で因果的に転送することができる。 生成中に投影された活性化をターゲットモデルに注入すると、統計的に有意で事前登録された因果効果が生じる。 現在実装されているLCM間のエンド・ツー・エンドのアクティベーション・ステート・トランスファーは、ユニバーサルではなくアーキテクチャに依存していると結論付けている。
  論文  参考訳（メタデータ） (2026-08-17T09:53:27Z)
• Graph Transfer Learning via Shared Latent Geometry: Theory and Applications [12.735610064958712]
  工学的な物理システムにおける推論と制御は、展開において重い物理コストを支払う。 両問題を解決する非対称な双方向アーキテクチャを提案する。 教師エンコーダは、高忠実度シミュレータから特権化された高密度状態を消費し、スペクトル摂動下で安定な演算子-ポリノミカル特徴を通してシステムを表現する。 学生エンコーダは、スパースフィールドデータと演算子記述子から同じ潜時幾何学を学習する。
  論文  参考訳（メタデータ） (2026-05-30T13:00:13Z)
• Authority Inversion in LLM-Mediated Ubiquitous Systems: When Models Trust Users Over Sensors [6.414826816896125]
  センサ計測とユーザ主張の衝突が未検討のままである場合に,大規模言語モデルがどのように権威を暗黙的に割り当てるかを検討する。 数値センサデータが解答関連モデル方向への統合に失敗し、自然言語によるクレームが最終決定を支配できることがわかった。 提案するGeometric Authority (GAC) は,不適切なユーザ権限を抑えるための推論時間層レベルの介入である。
  論文  参考訳（メタデータ） (2026-04-28T04:59:03Z)
• MinerU2.5-Pro: Pushing the Limits of Data-Centric Document Parsing at Scale [92.09717763663873]
  我々は、データエンジニアリングとトレーニング戦略設計を通じて、純粋に最先端の技術を進化させるMinerU2.5-Proを提案する。 コアとなるのは、カバレッジ、情報性、アノテーションの正確性を中心に設計されたData Engineだ。 我々は,MinerU2.5-Pro が OmniDocBench v1.6 上で 95.69 を達成することを示す。
  論文  参考訳（メタデータ） (2026-04-06T15:44:18Z)
• SURE: Semi-dense Uncertainty-REfined Feature Matching [28.68008638977835]
  SUREは、一致と信頼を共同で予測する半密度不確実性再定義マッチングフレームワークである。 我々のアプローチは、軽量な空間融合モジュールとともに、信頼に値する座標回帰のための新しい明らかな頭部を軌道に乗せる。 提案手法は精度と効率の両面で既存の最先端のセミセンスマッチングモデルより一貫して優れている。
  論文  参考訳（メタデータ） (2026-03-05T06:53:11Z)
• Channel-Adaptive Edge AI: Maximizing Inference Throughput by Adapting Computational Complexity to Channel States [31.472509140661796]
  emph通信と計算(IC$2$)は、6Gネットワークにおける効率的なエッジ推論を実現するための新しいパラダイムとして登場した。 この計量は、チャネル歪みと人工知能(AI)モデルアーキテクチャと計算複雑性の両方を考慮する必要があるため、非常に複雑である。 我々は、E2E推論精度の抽出可能な解析モデルを開発し、それを利用して、推論スループットを最大化するEmph Channel-Adaptive AIアルゴリズムを設計する。
  論文  参考訳（メタデータ） (2026-03-03T16:33:29Z)
• AI-NativeBench: An Open-Source White-Box Agentic Benchmark Suite for AI-Native Systems [52.65695508605237]
  我々は、Model Context Protocol(MCP)とAgent-to-Agent(A2A)標準に基づいて、アプリケーション中心でホワイトボックスのAI-NativeベンチマークスイートであるAI-NativeBenchを紹介する。 エージェントスパンを分散トレース内の第一級市民として扱うことにより,本手法は,単純な機能以上の工学的特性の粒度解析を可能にする。 この研究は、モデル能力の測定から信頼性の高いAI-Nativeシステムへの移行を導く最初の体系的な証拠を提供する。
  論文  参考訳（メタデータ） (2026-01-14T11:32:07Z)
• Beyond Accuracy: A Geometric Stability Analysis of Large Language Models in Chess Evaluation [8.694064926527902]
  本稿では,標準精度測定値が真の幾何学的推論と標準基板状態の表層記憶とを区別できないことを論じる。 我々は、不変変換の下でモデルの一貫性を厳格にテストする新しい評価手法を適用した。 我々は、幾何安定性がAI評価に不可欠な指標であり、データ汚染から推論能力を引き離すために必要なプロキシを提供すると結論付けている。
  論文  参考訳（メタデータ） (2025-12-17T02:49:10Z)
• Noise & pattern: identity-anchored Tikhonov regularization for robust structural anomaly detection [58.535473924035365]
  異常検出は自動産業検査において重要な役割を担い、他の均一な視覚パターンの微妙な欠陥や稀な欠陥を識別することを目的としている。 自己教師型オートエンコーダを用いて, 破損した入力の修復を学習する構造的異常検出に取り組む。 構造欠陥を模倣した画像に人工的破壊を注入する汚職モデルを導入する。
  論文  参考訳（メタデータ） (2025-11-10T15:48:50Z)
• Keys in the Weights: Transformer Authentication Using Model-Bound Latent Representations [0.3805935148497361]
  ZSDN(Zero-Shot Decoder Non-Transferability)として形式化されたトランスフォーマーオートエンコーダにおけるデコーダ結合特性であるモデル境界遅延交換(MoBLE)を導入する。 同一データで訓練されるが種によって異なるアイソ構造モデルを用いたアイデンティティタスクでは、自己復号法は0.91以上の正確な一致と0.98のトークンの精度を達成する。 MoBLEは、航空やサイバー物理システムを含む安全クリティカルな領域にAIを配置するための、軽量でアクセラレータフレンドリなアプローチを提供する。
  論文  参考訳（メタデータ） (2025-11-02T15:29:44Z)
• PRISM: Distributed Inference for Foundation Models at Edge [73.54372283220444]
  PRISMは、エッジデバイス上での分散トランスフォーマー推論のための通信効率と計算アウェア戦略である。 ViT,BERT,GPT-2のPRISMを多種多様なデータセットで評価した。
  論文  参考訳（メタデータ） (2025-07-16T11:25:03Z)
• Joint Spatial-Temporal and Appearance Modeling with Transformer for Multiple Object Tracking [59.79252390626194]
  本稿ではTransSTAMという新しい手法を提案する。Transformerを利用して各オブジェクトの外観特徴とオブジェクト間の空間的時間的関係の両方をモデル化する。 提案手法はMOT16, MOT17, MOT20を含む複数の公開ベンチマークで評価され, IDF1とHOTAの両方で明確な性能向上を実現している。
  論文  参考訳（メタデータ） (2022-05-31T01:19:18Z)
• DAIS: Automatic Channel Pruning via Differentiable Annealing Indicator Search [55.164053971213576]
  畳み込みニューラルネットワークは,計算オーバーヘッドが大きいにもかかわらず,コンピュータビジョンタスクの実行において大きな成功を収めている。 構造的(チャネル)プルーニングは、通常、ネットワーク構造を保ちながらモデルの冗長性を低減するために適用される。 既存の構造化プルーニング法では、手作りのルールが必要であり、これは大きなプルーニング空間に繋がる可能性がある。
  論文  参考訳（メタデータ） (2020-11-04T07:43:01Z)

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。