論文の概要: Beyond Frontiers: Scene-Anomaly Guided Autonomous Exploration
- arxiv url: http://arxiv.org/abs/2607.15828v1
- Date: Fri, 17 Jul 2026 10:38:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-20 17:56:52.821741
- Title: Beyond Frontiers: Scene-Anomaly Guided Autonomous Exploration
- Title（参考訳）: Beyond Frontiers: Scene-Anomaly Guided Autonomous Exploration
- Abstract要約: SCAGE: SCene Anomaly Guided Explorationは、非構造化の3Dポイントクラウド上で直接動作する。
我々は、標準的な屋内建築の基本的な理解をロボットに与える。
SCAGEは、最先端のベースラインと比較して、より優れたボリュームカバレッジ(全シーンで90%)と3D再構成品質を実現している。
- 参考スコア（独自算出の注目度）: 1.5599296461516985
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autonomous exploration of unknown 3D environments is traditionally driven by coverage-maximizing geometric heuristics. However, these methods typically determine exploration targets without considering the underlying structural context. This leads to inefficient trajectories often limiting the fidelity of the final 3D reconstruction. To bridge the gap between spatial coverage and reconstruction quality, we introduce a novel paradigm: reframing exploration as a geometric anomaly minimization problem. We present SCAGE: SCene Anomaly Guided Exploration, a novel autonomous exploration framework that operates directly on unstructured 3D point clouds. Instead of blindly chasing volumetric boundaries, we equip the robot with a foundational understanding of standard indoor architecture. As the robot navigates, it continuously evaluates its live 3D observations against these learned expectations. When the incoming geometry contradicts the learned priors of a typical indoor environment, such as a fragmented wall or a partial table, the system flags these regions as scene anomalies. These geometric inconsistencies act as a guiding signal, naturally drawing the robot to investigate and resolve these structural anomalies from optimal vantage points. By actively targeting poorly reconstructed regions rather than just empty space, our approach seamlessly couples spatial discovery with high-fidelity mapping. Extensive evaluations demonstrate that SCAGE achieves superior volumetric coverage (~90% in all scenes) and higher 3D reconstruction quality compared to state-of-the-art baselines.
- Abstract（参考訳）: 未知の3D環境の自律的な探索は、伝統的にカバレッジを最大化する幾何学的ヒューリスティックによって駆動される。
しかし、これらの手法は、基礎となる構造的文脈を考慮せずに探索対象を決定するのが一般的である。
これにより、最終的な3次元再構成の忠実度を制限する非効率な軌道が導かれる。
空間被覆と復元品質のギャップを埋めるために,幾何学的異常最小化問題として探索をフレーミングする新しいパラダイムを導入する。
SCAGE: SCene Anomaly Guided Explorationは、非構造化の3Dポイントクラウド上で直接動作する、新しい自律探査フレームワークです。
ボリューム境界を盲目的に追うのではなく、標準的な屋内建築の基本的な理解をロボットに与える。
ロボットがナビゲートするにつれて、学習した期待に対してライブの3D観察を継続的に評価する。
入ってくる幾何学が、断片化された壁や部分的なテーブルのような典型的な屋内環境の学習先と矛盾する場合、システムはこれらの領域をシーン異常としてフラグ付けする。
これらの幾何学的不整合は誘導信号として機能し、ロボットを自然に引き起こして、これらの構造的異常を最適な分岐点から調べ、解決する。
本手法は空間探索と高忠実度マッピングをシームレスに結合する。
広汎な評価により,SCAGEは,最先端のベースラインに比べて高いボリュームカバレッジ(全シーンで約90%)と高い3次元再構成品質を達成できることが示された。
関連論文リスト
- SeeSE3: Emergence of 3D Space in Vision Features [54.140615953727355]
視覚特徴空間の構造とユークリッド変換群$SE(3)$の関係について検討する。
本研究は、3次元ユークリッド空間と非常に強く相関する潜在部分空間を有する自己監督型視覚モデルについて,原理的に3次元の直接監督やアクティブエージェンシーの訓練を受けていないことを示す。
本稿では,視覚計測と局所化を潜在空間で純粋に行う「潜時空間ナビゲーション」技術について,明示的な3次元再構成の必要性を回避して提案する。
論文 参考訳（メタデータ） (2026-07-15T18:00:31Z) - LiAuto-GeoX: Efficient Grounded Driving Transformer [54.23823436153608]
デプロイ可能なエゴ中心の3Dシーン理解のための効率的な基底駆動トランスフォーマである textbfLiAuto-GeoX を提案する。
textbfLiAuto-GeoX は KITTI 上で 220 FPS で動作し,高忠実度高密度化を保ち,リアルタイムな展開を実現している。
論文 参考訳（メタデータ） (2026-06-04T06:58:44Z) - 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) - WildOS: Open-Vocabulary Object Search in the Wild [12.098091049832965]
この研究は、長距離でオープンなオブジェクト検索のための統一システムWildOSを提示する。
基礎モデルに基づく視覚モジュール ExploRFM を用いて、グラフのフロンティアノードをスコアリングする。
また、オープン語彙ターゲットクエリの粗い局所化のための粒子フィルタに基づく手法も導入する。
論文 参考訳（メタデータ） (2026-02-22T19:14:00Z) - Geometry-Aware Rotary Position Embedding for Consistent Video World Model [48.914346802616414]
ViewRopeは、ビデオトランスフォーマーの自己アテンション層に直接カメラの方向を注入するジオメトリ対応のエンコーディングである。
Geometry-Aware Frame-Sparse Attentionは、これらの幾何学的手がかりを利用して、関連する歴史的なフレームに選択的に参加する。
この結果から,ViewRopeは長期的整合性を大幅に向上し,計算コストを低減できることがわかった。
論文 参考訳（メタデータ） (2026-02-08T08:01:16Z) - Photorealistic Phantom Roads in Real Scenes: Disentangling 3D Hallucinations from Physical Geometry [17.571800971505787]
本稿では、この不確実な安全性リスクを調査、定量化、テーム化する、エンドツーエンドのフレームワークを初めて紹介する。
提案する3D-Mirageは,正確な平面領域アノテーションと文脈制限作物を用いた実世界のイリュージョンの最初のベンチマークである。
そこで本稿では,非平面性向上のためのDefiation Composite Score (DCS) と文脈不安定性評価のためのConfusion Composite Score (CCS) の2つの指標を用いたラプラシアン評価フレームワークを提案する。
論文 参考訳（メタデータ） (2025-12-17T13:14:37Z) - G4Splat: Geometry-Guided Gaussian Splatting with Generative Prior [53.762256749551284]
我々は,3次元シーン再構成を効果的に活用するための基本的な前提条件として,正確な幾何学を同定する。
生成パイプライン全体にこの幾何学的ガイダンスを導入し、可視性マスク推定を改善し、新しいビュー選択をガイドし、ビデオ拡散モデルに着色した場合の多視点一貫性を向上させる。
本手法は,屋内および屋外の両方のシナリオにおいて,高い一般化性を有するシングルビュー入力とアンポーズ映像を自然にサポートする。
論文 参考訳（メタデータ） (2025-10-14T03:06:28Z) - AlignGS: Aligning Geometry and Semantics for Robust Indoor Reconstruction from Sparse Views [18.361136390711415]
屋内シーンのセマンティックにリッチな3Dモデルへの需要は急速に増加しており、拡張現実、仮想現実、ロボット工学の応用によって推進されている。
既存の手法は、しばしば意味論を、既に形成され、潜在的に欠陥のある幾何学に描かれた受動的特徴として扱う。
本稿では、このビジョンを実現する新しいフレームワークであるAlignGSを紹介し、幾何学と意味論の相乗的でエンドツーエンドの最適化を開拓する。
論文 参考訳（メタデータ） (2025-10-09T06:30:20Z) - OracleGS: Grounding Generative Priors for Sparse-View Gaussian Splatting [78.70702961852119]
OracleGSは、Gaussian Splattingのスパースビューのために、生成的完全性と回帰的忠実性を調整している。
提案手法は,多視点幾何学的証拠に先立って強力な生成条件を定め,幻覚的アーティファクトをフィルタリングし,非拘束領域における可塑性完備を保存している。
論文 参考訳（メタデータ） (2025-09-27T11:19:32Z) - Geodesic-HOF: 3D Reconstruction Without Cutting Corners [42.4960665928525]
シングルビュー3Dオブジェクト再構成は、コンピュータビジョンの難しい根本的な問題である。
標準サンプリング領域から高次元空間への画像条件付き写像関数を学習する。
この学習された測地線埋め込み空間は、教師なしオブジェクト分解のようなアプリケーションに有用な情報を提供する。
論文 参考訳（メタデータ） (2020-06-14T18:59:06Z)
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。