論文の概要: SCOUT: Semantic scene COverage via Uncertainty-guided Traversal
- arxiv url: http://arxiv.org/abs/2606.06721v1
- Date: Thu, 04 Jun 2026 21:13:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-08 14:33:29.44946
- Title: SCOUT: Semantic scene COverage via Uncertainty-guided Traversal
- Title（参考訳）: SCOUT:不確実性誘導トラバーサルによるセマンティックシーンの平均化
- Authors: Junyu Mao, Sara Ayoubi, Vishnu D. Sharma, Ilija Hadžić, Matthew Andrews,
- Abstract要約: ほとんどの3Dシーングラフパイプラインは、一定のデータセット上での認識を後処理の段階として扱う。
このループを閉じるオンライン意味探索フレームワークSCOUTを紹介する。
SCOUTはセマンティック・シーンの完全性を,セマンティック・マッピングの受動的副産物ではなく,運用目的として扱う。
- 参考スコア（独自算出の注目度）: 2.499955687541552
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Robots that operate over extended periods should not merely visit space; they should progressively understand it. Yet most 3D scene graph pipelines treat perception as a post-processing stage over a fixed dataset, decoupling scene representation from the decisions that determine what is observed in the first place. We present SCOUT, an online semantic exploration framework that closes this loop by coupling active traversal with probabilistic scene graph construction. Given a prior 2D occupancy map and posed RGB-D observations, SCOUT incrementally builds an uncertainty-aware 3D scene graph whose nodes maintain fused geometry and posterior beliefs over open-vocabulary object labels, while edges encode structural relations such as on, inside, belong, and next to. These beliefs are fed back to an uncertainty-guided traversal planner, which selects viewpoints by balancing expected semantic certainty gain, geometric coverage gain, and travel cost. In this way, the robot revisits ambiguous objects when additional evidence matters and expands into unseen free space when the scene remains incomplete. The resulting system treats semantic scene completeness as an operational objective rather than a passive by-product of semantic mapping, moving toward autonomous agents that can patrol, update, and reason about evolving indoor environments with minimal human intervention.
- Abstract（参考訳）: 長期にわたって活動するロボットは単に宇宙を訪れるだけでなく、それを徐々に理解すべきである。
しかし、ほとんどの3Dシーングラフパイプラインは、認識を固定されたデータセット上の後処理のステージとして扱う。
SCOUTは,アクティブトラバーサルと確率的シーングラフ構築を結合することで,このループを閉じるオンライン意味探索フレームワークである。
以前の2次元占有マップとRGB-D観測結果が与えられたSCOUTは、ノードが開語彙オブジェクトラベル上で融合した幾何学と後続の信念を維持している不確実性を認識した3Dシーングラフを段階的に構築し、エッジは、その上に、内側、隣り合う構造的関係をエンコードする。
これらの信念は、期待される意味的確実性向上、幾何学的カバレッジ向上、旅行コストのバランスをとることで視点を選択する不確実性誘導トラバースプランナーにフィードバックされる。
このようにして、ロボットは、追加の証拠が重要であれば曖昧な物体を再考し、シーンが不完全である場合には、目に見えない自由空間へと拡張する。
このシステムは、セマンティックマッピングの受動的副産物ではなく、セマンティックシーンの完全性を運用目的として扱い、人間の介入を最小限に抑えた屋内環境の進化をパトロール、更新、推論できる自律エージェントへと移行する。
関連論文リスト
- Hierarchical and Holistic Open-Vocabulary Functional 3D Scene Graphs for Indoor Spaces [116.57196064763924]
我々は、高密度テーブルトップオブジェクトと明示的なマルチレベル機能関係を導入することで、ベンチマークカバレッジを拡大する。
この研究は、小規模、高密度、および類似のインスタンスにかかわる重要な課題を提起する。
2次元視覚的グラウンドリングと3次元グラフ最適化に基づくオープン語彙パイプラインを提案する。
論文 参考訳（メタデータ） (2026-05-15T09:14:50Z) - SpatialFly: Geometry-Guided Representation Alignment for UAV Vision-and-Language Navigation in Urban Environments [49.966170814478915]
UAV VLNのための幾何学誘導空間表現フレームワークを提案する。
明示的な3次元再構成を伴わないRGB観測において、SpatialFlyは幾何学誘導2次元表示アライメント機構を導入する。
実験結果から、SpatialFlyは現状のUAV VLNベースラインを目に見える環境と見えない環境の両方で一貫して上回っていることが明らかとなった。
論文 参考訳（メタデータ） (2026-03-22T03:56:58Z) - GSMem: 3D Gaussian Splatting as Persistent Spatial Memory for Zero-Shot Embodied Exploration and Reasoning [9.203056739430865]
GSMemは3Dガウススプラッティング(3DGS)上に構築されたゼロショット型探査・推論フレームワーク
連続幾何と密接な外観を明示的にパラメータ化することにより、3DGSは持続的な空間記憶として機能し、エージェントにtextitSpatial Recollection を付与する。
本稿では,VLMによるセマンティックスコアリングと3DGSに基づくカバレッジ目標を組み合わせ,タスク認識探索と幾何学的カバレッジのバランスをとるハイブリッド探索戦略を提案する。
論文 参考訳（メタデータ） (2026-03-19T16:55:54Z) - OGScene3D: Incremental Open-Vocabulary 3D Gaussian Scene Graph Mapping for Scene Understanding [30.730672505996967]
OGScene3Dは,正確な3次元セマンティックマッピングとシーングラフ構築を段階的に行う,オープン語彙のシーン理解システムである。
本システムは,セマンティック予測と信頼性を協調的にモデル化する自信に基づくガウス意味表現を用いている。
2D-3Dセマンティック一貫性とガウスレンダリングのコントリビューションを統合することで、この手法はシーン全体のセマンティック理解を継続的に洗練する。
論文 参考訳（メタデータ） (2026-03-17T09:38:01Z) - Articulated 3D Scene Graphs for Open-World Mobile Manipulation [55.97942733699124]
本報告では, セマンティックな3次元シーングラフを構築するためのフレームワークであるMoMa-SGについて述べる。
新たな統合的ツイスト推定法を用いて調音モデルを推定する。
また,Arti4D-Semanticデータセットについても紹介する。
論文 参考訳（メタデータ） (2026-02-18T10:40:35Z) - A Scene Graph Backed Approach to Open Set Semantic Mapping [1.8266902367595235]
オープンセットセマンティックマッピングと3次元シーングラフ(DSSG)はロボット知覚のパラダイムとして確立されている。
本稿では,3DSSGが基本的なバックエンドとして機能し,主要な知識表現として機能するマッピングアーキテクチャを提案する。
これにより、大規模な設定で拡張された操作であっても、地図が位相的に一貫性を持ち、計算的に効率的であることを保証する。
論文 参考訳（メタデータ） (2026-02-03T17:41:51Z) - Octree Latent Diffusion for Semantic 3D Scene Generation and Completion [2.8992197334880268]
本研究では,屋内と屋外の両方でシーン補完,拡張,生成を行うことのできる単一のフレームワークを開発する。
提案手法は,効率的な2重オクツリーグラフ潜在表現を直接操作する。
単一LiDARスキャンによる高品質な構造,コヒーレントなセマンティクス,ロバストな補完を実証する。
論文 参考訳（メタデータ） (2025-09-20T00:53:13Z) - Bootstraping Clustering of Gaussians for View-consistent 3D Scene Understanding [59.51535163599723]
FreeGSは、教師なしセマンティック組み込み3DGSフレームワークで、2Dラベルを必要とせずに、ビュー一貫性のある3Dシーン理解を実現する。
FreeGSは複雑なデータ前処理のワークロードを避けながら、最先端のメソッドと互換性がある。
論文 参考訳（メタデータ） (2024-11-29T08:52:32Z) - PanoSSC: Exploring Monocular Panoptic 3D Scene Reconstruction for Autonomous Driving [15.441175735210791]
視覚中心の占有ネットワークは、セマンティクスを持った均一なボクセルで周囲の環境を表現する。
現代の占有ネットワークは主に、ボクセルのセマンティックな予測によって、物体表面から見えるボクセルを再構築することに焦点を当てている。
論文 参考訳（メタデータ） (2024-06-11T07:51:26Z) - Incremental 3D Semantic Scene Graph Prediction from RGB Sequences [86.77318031029404]
RGB画像列が与えられたシーンの一貫性のある3Dセマンティックシーングラフをインクリメンタルに構築するリアルタイムフレームワークを提案する。
提案手法は,新たなインクリメンタルエンティティ推定パイプラインとシーングラフ予測ネットワークから構成される。
提案するネットワークは,シーンエンティティから抽出した多視点および幾何学的特徴を用いて,反復的メッセージパッシングを用いた3次元セマンティックシーングラフを推定する。
論文 参考訳（メタデータ） (2023-05-04T11:32:16Z)
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。