論文の概要: STEM: Semantic Target Search and Exploration using MAVs in Cluttered Environments

• arxiv url: http://arxiv.org/abs/2606.00762v1
• Date: Sat, 30 May 2026 15:00:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:56:24.331388
• Title: STEM: Semantic Target Search and Exploration using MAVs in Cluttered Environments
• Title（参考訳）: STEM: クラッタ環境におけるMAVを用いたセマンティックターゲット探索
• Authors: Nikhil Sethi, Max Lodel, Laura Ferranti, Robert Babuška, Javier Alonso-Mora,
• Abstract要約: 本稿では,目的探索時間と探索時間を最小限に抑えるために,意味誘導型視点プランナを用いた新しいフレームワークを提案する。 具体的には,対象に繋がる可能性のある視点を優先順位付けすることで,効率的な意味探索計画を生成するプランナーを開発する。
• 参考スコア（独自算出の注目度）: 17.009653719709213
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous target search is crucial for deploying Micro Aerial Vehicles (MAVs) in emergency response and rescue missions. Existing approaches either focus on 2D semantic navigation in structured environments -- which is less effective in complex 3D settings, or on robotic exploration in cluttered spaces -- which often lacks the semantic reasoning needed for efficient target search. This paper overcomes these limitations by proposing a novel framework that utilizes a semantically-guided viewpoint planner to minimize target search and exploration time in unstructured 3D environments using an MAV. Specifically, we develop a combinatorial planner that generates efficient semantic exploration plans by prioritizing viewpoints that likely lead to the target. To guide the planner towards the target, an active perception pipeline is developed that propagates semantic priorities of observed objects into neighboring frontier voxels for computing semantic information gains of frontier viewpoints. In addition, we demonstrate how LLM-based similarity scores can be leveraged as semantic priority input to our pipeline. Evaluations in two distinct simulation environments show that the proposed method consistently outperforms baselines by quickly finding the target while maintaining reasonable exploration times. Real-world experiments with an MAV further demonstrate the method's ability to handle practical constraints like limited battery life, small sensor range, and semantic uncertainty.
• Abstract（参考訳）: 自律目標探索は、緊急対応および救助任務にマイクロ航空車両(MAV)を配備するために不可欠である。 既存のアプローチでは、構造化された環境における2Dセマンティックナビゲーション(複雑な3D設定では効果が低い)や、散らばった空間でのロボット探索に重点を置いている。 本稿では,MAVを用いた非構造化3次元環境の探索時間と探索時間を最小化するために,意味誘導型視点プランナを用いた新しいフレームワークを提案することにより,これらの制約を克服する。 具体的には,対象に繋がる可能性のある視点を優先順位付けすることで,効率的な意味探索計画を生成する組合せプランナを開発する。 対象に向かってプランナーを誘導するために、観測対象のセマンティックな優先順位を近隣のフロンティアのボクセルに伝達し、フロンティアの視点のセマンティックな情報ゲインを計算するアクティブな知覚パイプラインを開発した。 さらに,LLMに基づく類似度スコアを,パイプラインのセマンティック優先入力として活用する方法を示す。 2つの異なるシミュレーション環境における評価結果から,提案手法は適度な探査時間を維持しつつ,目標を迅速に発見することにより,基準線を一貫して上回ることを示した。 MAVを用いた実世界の実験は、バッテリー寿命の制限、センサー範囲の小さいこと、セマンティックな不確実性といった現実的な制約に対処する能力をさらに示している。

関連論文リスト

• LMPath: Language-Mediated Priors and Path Generation for Aerial Exploration [48.457368728987994]
  我々は,無人航空機(UAV)探索ミッションにおいて,言語経由の探索先を生成するパイプラインLMPathを提案する。 基本的なジオフェンスと関心の対象が与えられた後、LMPathは生成言語モデルを使用して環境のどの領域にそのオブジェクトを含むべきかを決定する。 その能力を実証するために、LMPathを使用して様々なUAVパスを生成し、大規模環境上で実際のUAVを使用して実行しました。
  論文  参考訳（メタデータ） (2026-05-13T17:02:51Z)
• From Reactive to Map-Based AI: Tuned Local LLMs for Semantic Zone Inference in Object-Goal Navigation [0.7734726150561086]
  Object-Goal Navigation(ObjectNav)は、エージェントが未知の環境で対象のオブジェクトカテゴリを見つけてナビゲートする必要がある。 我々は,LLMに基づく意味推論とハイブリッドトポロジカルグリッドマッピングシステムを統合することにより,リアクティブAIから"マップベースAI"への移行を提案する。 本フレームワークでは,Llama-2モデルを用いて,言語化された対象観測から意味領域のカテゴリと目的存在確率を推定する。
  論文  参考訳（メタデータ） (2026-03-09T08:27:28Z)
• FOM-Nav: Frontier-Object Maps for Object Goal Navigation [65.76906445210112]
  FOM-Navはフロンティアオブジェクトマップと視覚言語モデルによる探索効率を高めるフレームワークである。 FOM-Navをトレーニングするために,実環境から大規模ナビゲーションデータセットを自動構築する。 FOM-NavはMP3DとHM3Dのベンチマーク、特にナビゲーション効率の指標SPLで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-11-30T18:16:09Z)
• Semantic Exploration and Dense Mapping of Complex Environments using Ground Robot with Panoramic LiDAR-Camera Fusion [10.438142938687326]
  本稿では,LiDAR-パノラマカメラスイートを備えた地上ロボットを用いて,複雑な未知環境の自律的セマンティック探索と密集的セマンティックターゲットマッピングを行うシステムを提案する。 そこで我々はまず,幾何的カバレッジと意味的視点の両方の観察を完遂するタスクを再定義し,その後,意味的視点と幾何学的視点を別々に管理し,局所的な視点を生成するための新たな優先順位駆動型デカップリング型局所サンプリングを提案する。 さらに,ロボットの安全性を確保しつつ,積極的な探索行動を可能にする安全な攻撃的探索状態マシンを提案する。
  論文  参考訳（メタデータ） (2025-05-28T21:27:32Z)
• Towards Autonomous UAV Visual Object Search in City Space: Benchmark and Agentic Methodology [26.90429412601702]
  都市オブジェクトの自律検索のための最初のベンチマークデータセットであるCityAVOSを紹介する。 このデータセットは、6つのオブジェクトカテゴリにまたがる2,420のタスクで構成され、難易度は様々である。 また,人間の3層認知を模倣したマルチモーダルな大規模言語モデル(MLLM)を用いたエージェント手法であるRPPSearcherを提案する。
  論文  参考訳（メタデータ） (2025-05-13T17:34:54Z)
• OccNeRF: Advancing 3D Occupancy Prediction in LiDAR-Free Environments [77.0399450848749]
  本稿では,OccNeRF法を用いて,3次元監視なしで占有ネットワークを訓練する手法を提案する。 我々は、再構成された占有領域をパラメータ化し、サンプリング戦略を再編成し、カメラの無限知覚範囲に合わせる。 意味的占有予測のために,事前学習した開語彙2Dセグメンテーションモデルの出力をフィルタリングし,プロンプトを洗練するためのいくつかの戦略を設計する。
  論文  参考訳（メタデータ） (2023-12-14T18:58:52Z)
• Incremental 3D Scene Completion for Safe and Efficient Exploration Mapping and Planning [60.599223456298915]
  本研究では,情報,安全,解釈可能な地図作成と計画に3次元シーン補完を活用することによって,深層学習を探索に統合する新しい手法を提案する。 本手法は,地図の精度を最小限に抑えることで,ベースラインに比べて環境のカバレッジを73%高速化できることを示す。 最終地図にシーン完了が含まれていなくても、ロボットがより情報的な経路を選択するように誘導し、ロボットのセンサーでシーンの測定を35%高速化できることが示される。
  論文  参考訳（メタデータ） (2022-08-17T14:19:33Z)
• SOON: Scenario Oriented Object Navigation with Graph-based Exploration [102.74649829684617]
  人間のように3Dエンボディ環境のどこからでも言語ガイドされたターゲットに向かって移動する能力は、インテリジェントロボットの「聖杯」目標の1つです。 ほとんどのビジュアルナビゲーションベンチマークは、ステップバイステップの詳細な命令セットに導かれ、固定された出発点から目標に向かって移動することに焦点を当てている。 このアプローチは、人間だけが物体とその周囲がどのように見えるかを説明する現実世界の問題から逸脱し、ロボットにどこからでも航行を依頼する。
  論文  参考訳（メタデータ） (2021-03-31T15:01:04Z)
• Object Goal Navigation using Goal-Oriented Semantic Exploration [98.14078233526476]
  本研究は,未確認環境における対象カテゴリーのインスタンスにナビゲートするオブジェクトゴールナビゲーションの問題を研究する。 本稿では,表層的なセマンティックマップを構築し,効率的に環境を探索する「ゴール指向セマンティック探索」というモジュールシステムを提案する。
  論文  参考訳（メタデータ） (2020-07-01T17:52:32Z)

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。