論文の概要: SCOPE: Field-of-View-Aware Path Planning in Unknown 3D Environments via Safety-Volume Certification

• arxiv url: http://arxiv.org/abs/2608.04420v1
• Date: Wed, 05 Aug 2026 04:01:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-06 14:48:43.705642
• Title: SCOPE: Field-of-View-Aware Path Planning in Unknown 3D Environments via Safety-Volume Certification
• Title（参考訳）: SCOPE:安否確認による未知の3次元環境における視野認識経路計画
• Authors: Junbin Yuan, Muqing Cao, Yunwoo Lee, Brady Moon, Sebastian Scherer,
• Abstract要約: ボディマウントされたリミテッドフィールド・オブ・ビューセンサーは、ロボットが意図した動きの完全な体積を観察し、実行前に自由に検証する必要がある。 我々は,楽観的な目標指向指導を認定実行から切り離す計画枠組みであるSCOPE(Safety Certification through Observation Planning and Execution)を提案する。 認証されたプレビューメカニズムとオブザーバ対応軌道最適化バックエンドは、スムーズな実行を可能にする。
• 参考スコア（独自算出の注目度）: 4.246800075908515
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Safe navigation with a body-mounted limited-field-of-view sensor requires the complete robot-inflated volume of an intended motion to be observed and verified free before execution. We formulate this requirement as online safety-volume certification in an unknown voxel map and construct a certified graph whose vertices correspond exactly to positions with fully known-free safety volumes. Based on this representation, we propose SCOPE (Safety Certification through Observation Planning and Execution), a planning framework that decouples optimistic goal-directed guidance from certified execution. SCOPE converts the first uncertified point along an optimistic route into an explicit observation obligation, resolves it through target-centric viewpoint search, and recursively clears intermediate obligations when useful viewpoints are not yet certified-reachable. A certified preview mechanism and an observation-aware trajectory optimization backend enable smooth execution. We prove conditional complete planning: under ideal monotone sensing and exhaustive finite-domain graph search, SCOPE reaches the goal whenever a finite feasible sequence of certified sensing actions exists within its planning primitives. Across 60 randomized tasks in three unknown 3D environments, SCOPE reaches every goal while maintaining near-zero entry into non-certified inflated space. Preview reduces mean mission time by 27%, and real-robot demonstrations in two representative scenarios validate the complete system.
• Abstract（参考訳）: ボディマウントされたリミテッドフィールド・オブ・ビューセンサーによる安全なナビゲーションには、ロボットが意図した動きの完全な体積を観察し、実行前に自由に検証する必要がある。 我々は、この要件を未知のボクセルマップにおけるオンライン安全ボリューム認定として定式化し、頂点が完全に未知の安全ボリュームの位置に正確に一致する認定されたグラフを構築する。 この表現に基づいて、楽観的な目標指向の指導を認定実行から切り離す計画枠組みであるSCOPE(Safety Certification through Observation Planning and Execution)を提案する。 SCOPEは、楽観的な経路に沿った最初の未確認点を明示的な観察義務に変換し、目標中心の視点探索を通じてそれを解決し、有用な視点がまだ認証できない場合に、中間的義務を再帰的にクリアする。 認証されたプレビューメカニズムとオブザーバ対応軌道最適化バックエンドは、スムーズな実行を可能にする。 理想的なモノトーンセンシングと網羅的な有限領域グラフサーチの下で、SCOPEはその計画プリミティブ内に有限許容な認識行動列が存在する場合にゴールに達することを証明している。 3つの未知の3D環境における60以上のランダム化タスクにおいて、SCOPEは、認証されていない膨らませた空間へのほぼゼロのエントリを維持しながら、すべての目標を達成する。 プレビューは平均ミッションタイムを27%削減し、2つの代表的なシナリオにおける実ロボットのデモは、完全なシステムを検証する。

関連論文リスト

• Certifying Plans under Model Mismatch: A Trilemma for Reachability from Scarce Data [5.455772242709494]
  シモン・トゥ・リアル・ポリシーは、名目力学の下で設計されているが、ターゲット・システム・トライアルは、わずかに孤立した1段階の遷移をもたらす。 本研究では,学習ポリシによって生成されるアクションチャンクなど,固定制御シーケンスの事前実行認証について検討する。
  論文  参考訳（メタデータ） (2026-08-03T16:28:26Z)
• Agentic Collaborative Cognition for Zero-Shot 3D Understanding [57.854375071638856]
  本研究では,高レベル視点計画の処理に計画エージェントを割り当てる協調型マルチエージェントフレームワークを提案する。 知覚エージェントは、3Dシーンを構造化された全体的認知マップに明示的に要約する。 ScanReferでは11.1%のAcc@0.5、3D支援ダイアログでは14.6 BLEU-1、SQA3Dでは2.1 EM、最先端の6ベンチマークでは2.1 EMを実現している。
  論文  参考訳（メタデータ） (2026-06-23T14:44:04Z)
• TPS-Drive: Task-Guided Representation Purification for VLM-based Autonomous Driving [4.149502662454591]
  VLM(Vision-Language Models)は、自動運転計画のための有望な基盤を提供する。 TPS-Driveは,タスクガイド型表現精製を主眼とした新しいフレームワークである。 TPS-Driveは正確なエージェント空間状態予測を実現し、オープンループnuScenes評価における衝突率を低減する。
  論文  参考訳（メタデータ） (2026-05-26T13:56:31Z)
• See&Say: Vision Language Guided Safe Zone Detection for Autonomous Package Delivery Drones [3.719121868494767]
  See&Sayは、幾何学的安全性と意味認識を組み合わせた新しいフレームワークであり、反復的洗練のためのビジョン・ランゲージ・モデル(VLM)によってガイドされている。 See&Sayは全ベースラインを上回り、安全マップ予測の精度とIoUを達成する。 これらの知見は,VLM誘導セグメンテーション深度融合が,安全で実用的なドローンパッケージの配送を促進することの可能性を浮き彫りにした。
  論文  参考訳（メタデータ） (2026-04-14T20:54:31Z)
• RepV: Safety-Separable Latent Spaces for Scalable Neurosymbolic Plan Verification [17.66826792670962]
  本稿では,安全かつ安全でない計画が線形に分離可能な潜在空間を学習することで,両視点を統一するニューロシンボリック検証器RepVを紹介する。 RepVは軽量なプロジェクタを訓練し、各プランと言語モデル生成の理論的根拠を低次元空間に組み込む。 RepVは、潜伏空間における位置に基づいて正しい検証の可能性を確率論的に保証する。
  論文  参考訳（メタデータ） (2025-10-30T18:46:34Z)
• Building a Foundational Guardrail for General Agentic Systems via Synthetic Data [76.18834864749606]
  LLMエージェントは、計画段階で介入するマルチステップタスクを計画できる。 既存のガードレールは主にポスト・エグゼクティブ(英語版)を運用しており、スケーリングが困難であり、計画レベルで制御可能な監督を行う余地がほとんどない。 我々は、良性軌道を合成し、カテゴリーラベル付きリスクを困難に注入し、自動報酬モデルを介して出力をフィルタリングする制御可能なエンジンであるAuraGenを紹介する。
  論文  参考訳（メタデータ） (2025-10-10T18:42:32Z)
• 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)
• Code-as-Monitor: Constraint-aware Visual Programming for Reactive and Proactive Robotic Failure Detection [56.66677293607114]
  オープンセットのリアクティブかつアクティブな障害検出のためのCode-as-Monitor(CaM)を提案する。 モニタリングの精度と効率を高めるために,制約関連エンティティを抽象化する制約要素を導入する。 実験により、CaMは28.7%高い成功率を達成し、厳しい乱れの下で実行時間を31.8%短縮することが示された。
  論文  参考訳（メタデータ） (2024-12-05T18:58:27Z)

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。