論文の概要: FloAff-Kitchen: Bridging Navigation and Manipulation via Canonical and Progressive Floor Affordance Learning

• arxiv url: http://arxiv.org/abs/2607.24207v1
• Date: Mon, 27 Jul 2026 09:36:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.376473
• Title: FloAff-Kitchen: Bridging Navigation and Manipulation via Canonical and Progressive Floor Affordance Learning
• Title（参考訳）: FloAff-Kitchen:カノニカル・プログレッシブ・フロア・アフォード・ラーニングによるブリッジングナビゲーションと操作
• Abstract要約: ロボットがFloAff(FloAff)を識別するには移動操作が必要 FloAff予測は、目標条件付き局所空間推論問題である。 自己中心型マルチモーダル知覚からFloAff予測を統一したフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 14.448512642204015
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mobile manipulation requires robots to identify Floor Affordance (FloAff) that maximizes downstream manipulation success rather than merely ensuring navigation feasibility. FloAff prediction is a target-conditioned local spatial reasoning problem, yet existing methods suffer from representation ambiguity caused by irrelevant spatial context and arbitrary object orientations, while entangling shared and task-specific knowledge across heterogeneous manipulation skills. To address these challenges, we propose a unified framework for FloAff prediction from egocentric multimodal perception, consisting of canonical representation learning and progressive affordance prior learning. Specifically, we introduce a Canonical Floor Affordance Representation (CFAR), which learns canonical interaction geometry by preserving affordance-relevant local structure while eliminating nuisance spatial variations unrelated to robot base placement. We further propose Progressive Floor Affordance Learning (PFAL), which learns transferable FloAff priors from a foundation manipulation task and progressively adapts them to heterogeneous downstream manipulation skills. To facilitate systematic evaluation, we establish the first cross-scene, multi-view FloAff-Kitchen benchmark covering diverse manipulation skills, scene layouts, furniture styles, and viewpoints. Extensive experiments on three benchmark settings demonstrate that our method consistently outperforms strong baselines, while ablation studies validate the contribution of each proposed component. Project page: https://csu-hero-lab.github.io/FloAff-Kitchen_Web/
• Abstract（参考訳）: 移動操作は、単にナビゲーションの実現性を保証するのではなく、下流での操作の成功を最大化するフロア・アフダランス(FloAff)を特定する必要がある。 FloAff予測は、ターゲット条件付き局所空間推論問題であるが、既存の手法では、無関係な空間コンテキストと任意のオブジェクト指向によって引き起こされる表現の曖昧さに悩まされている。 これらの課題に対処するため、私たちは、標準表現学習とプログレッシブ・アベイランス事前学習からなる、自我中心のマルチモーダル知覚からFloAff予測を統一するフレームワークを提案する。 具体的には,ロボットベース配置と無関係なニュアンス空間の変動を排除しつつ,空き時間に関連のある局所構造を保存することで,標準的相互作用の幾何学を学習するカノニカルフロア・アフォード表現(CFAR)を提案する。 さらに、ファンデーション操作タスクから転送可能なFloAff先行情報を学習し、不均一な下流操作スキルに段階的に適応するプログレッシブ・フロア・アフォード・ラーニング(PFAL)を提案する。 システム評価を容易にするために, 多様な操作スキル, シーンレイアウト, 家具スタイル, 視点を網羅した, クロスシーン・マルチビューFloAff-Kitchenベンチマークを構築した。 3つのベンチマーク設定に関する大規模な実験により,提案手法は強いベースラインを一貫して上回り,アブレーション研究は各コンポーネントの寄与を検証した。 プロジェクトページ:https://csu-hero-lab.github.io/FloAff-Kitchen_Web/

関連論文リスト

• Cross-Sample Relational Fusion: Unifying Domain Generalization and Class-Incremental Learning [83.67663266193308]
  CIL(Class-Incremental Learning)は、学習システムにおいて、それまでの知識を維持しつつ、新しいクラスを学ぶことを必要とする。 自動運転車のような現実のシナリオでは、晴れた日に都市部の道路で訓練されたシステムは、後に農村部や高速道路環境で運用する必要がある。 ドメインシフトと破滅的な忘れを同時に解決する統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-09T09:49:13Z)
• Learn to Rank: Visual Attribution by Learning Importance Ranking [58.69028273772474]
  コンピュータビジョンモデルのための視覚属性マップを生成する新しい手法を提案する。 提案手法は, 任意の数段階の勾配補正を施した1つの前方通過において, 密度の高い画素レベルの属性を生成する。 我々の実験は、一貫した定量的改善と、よりシャープで境界に沿った説明を示す。
  論文  参考訳（メタデータ） (2026-04-07T12:53:22Z)
• Learning Category-level Last-meter Navigation from RGB Demonstrations of a Single-instance [5.161531917413708]
  ほとんどのRGBベースのナビゲーションシステムは、粗いメートルレベルの精度しか保証していない。 このギャップは、操作ポリシーがトレーニングデモの配布内で動作することを防ぐ。 我々は、ラストメーターナビゲーションのためのオブジェクト中心の模倣学習フレームワークを導入する。
  論文  参考訳（メタデータ） (2025-12-11T23:35:05Z)
• ContextFusion and Bootstrap: An Effective Approach to Improve Slot Attention-Based Object-Centric Learning [53.19029595226767]
  スロットアテンションに基づくフレームワークは、オブジェクト指向学習における主要なアプローチとして登場した。 現在の手法では、スロットからの再構築を可能にするため、トレーニングを通して安定した特徴空間が必要である。 本稿では,既存のスロットアテンションモデルにシームレスに統合可能な新しいContextFusionステージとBootstrapブランチを提案する。
  論文  参考訳（メタデータ） (2025-09-02T07:19:25Z)
• Learning Generalizable Feature Fields for Mobile Manipulation [25.155275186849558]
  本稿では,実時間でのナビゲーションと操作の統一表現として機能する,シーンレベルの一般化可能なニューラル特徴場であるGeFFを提案する。 オープンボキャブラリオブジェクト/部分レベルの操作におけるGeFFの能力を定量的に評価し、GeFFが実行時の点ベースラインとストレージ精度のトレードオフよりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-03-12T11:51:55Z)
• STARFlow: Spatial Temporal Feature Re-embedding with Attentive Learning for Real-world Scene Flow [5.476991379461233]
  両ユークリッド空間における全点対に一致する大域的注意流埋め込みを提案する。 我々は、新しいドメイン適応損失を利用して、合成から実世界への動き推論のギャップを埋める。 提案手法は,実世界のLiDARスキャンデータセットにおいて特に顕著な結果を得て,各種データセットの最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-03-11T04:56:10Z)
• Interactive Semantic Map Representation for Skill-based Visual Object Navigation [43.71312386938849]
  本稿では,室内環境との相互作用にともなうシーンセマンティックマップの表現について紹介する。 我々はこの表現をSkillTronと呼ばれる本格的なナビゲーション手法に実装した。 提案手法により,ロボット探索の中間目標とオブジェクトナビゲーションの最終目標の両方を形成できる。
  論文  参考訳（メタデータ） (2023-11-07T16:30:12Z)
• ReorientDiff: Diffusion Model based Reorientation for Object Manipulation [18.95498618397922]
  望ましい設定でオブジェクトを操作できることは、ロボットが様々な実践的な応用を完了するための基本的な要件である。 本稿では,拡散モデルに基づく手法を用いたリオリエンテーション計画手法であるReorientDiffを提案する。 提案手法は,YCBオブジェクトの集合と吸引グリップを用いて評価し,95.2%のシミュレーション成功率を示す。
  論文  参考訳（メタデータ） (2023-02-28T00:08:38Z)
• Inter-class Discrepancy Alignment for Face Recognition [55.578063356210144]
  IA(Inter-class DiscrepancyAlignment)という統合フレームワークを提案する。 IDA-DAOは、画像と隣人の相違を考慮した類似度スコアの整合に使用される。 IDA-SSEは、GANで生成された仮想候補画像を導入することで、説得力のあるクラス間隣人を提供できます。
  論文  参考訳（メタデータ） (2021-03-02T08:20:08Z)
• TraND: Transferable Neighborhood Discovery for Unsupervised Cross-domain Gait Recognition [77.77786072373942]
  本稿では、教師なしクロスドメイン歩行認識のための領域ギャップを橋渡しするTransferable Neighborhood Discovery (TraND) フレームワークを提案する。 我々は、潜在空間におけるラベルなしサンプルの自信ある近傍を自動的に発見するために、エンドツーエンドのトレーニング可能なアプローチを設計する。 提案手法は,CASIA-BとOU-LPの2つの公開データセットに対して,最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-02-09T03:07:07Z)
• Pixel-Level Cycle Association: A New Perspective for Domain Adaptive Semantic Segmentation [169.82760468633236]
  本稿では,ソースとターゲットの画素ペア間の画素レベルサイクルの関連性を構築することを提案する。 我々の手法は1段階のエンドツーエンドで訓練でき、追加のパラメータは導入しない。
  論文  参考訳（メタデータ） (2020-10-31T00:11:36Z)

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。