論文の概要: DA-NBV: A Direction-Aware Next-Best-View Planner for Efficient 3D Reconstruction of Ships at Sea
- arxiv url: http://arxiv.org/abs/2608.08025v1
- Date: Sat, 08 Aug 2026 09:19:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:36.610302
- Title: DA-NBV: A Direction-Aware Next-Best-View Planner for Efficient 3D Reconstruction of Ships at Sea
- Title（参考訳）: DA-NBV:海上船の効率的な3次元再構築のための方向認識型次世代ビュープランナー
- Abstract要約: 本研究では,方向対応型NBV政策であるDA-NBVを提案する。
実験の結果,DA-NBVは再建完了度を約3ポイント改善し,シャンファー距離を43%削減し,経路効率を向上した。
- 参考スコア（独自算出の注目度）: 33.705943749594304
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurate 3D reconstruction of ships at sea is important for maritime supervision, damage assessment, and autonomous maritime operations. Although 3D reconstruction has advanced considerably, high-quality data acquisition still largely relies on manually designed trajectories or skilled operators, resulting in high costs and limited scalability. Next-best-view (NBV) planning automates this process by selecting subsequent viewpoints based on the current state. However, existing NBV policies mainly model spatial occupancy while overlooking directional observation history. This limitation is particularly problematic for ships: their complex superstructures and severe self-occlusions require observations from multiple viewpoints, and insufficient directional coverage often yields incomplete reconstructions. These challenges are further amplified at sea, where wave-induced heave, roll, and pitch continuously alter the ship's pose and surface visibility. Meanwhile, wind disturbances and limited onboard power impose stricter requirements on scanning efficiency. To address these challenges, we propose DA-NBV, a direction-aware NBV policy that augments the conventional occupancy state with directional observation statistics. We introduce a learnable Position Advantage Field (PAF) that uses directional information to guide viewpoint selection. The policy further adopts a locally constrained action space and a nonlinear coverage-shaping reward to improve scanning efficiency. We also develop the ship-oriented SeaShip-3D dataset and a configurable sea-state simulation environment. Experiments under varying heave, roll, and pitch conditions show that DA-NBV improves reconstruction completeness by approximately 3 percentage points and reduces Chamfer distance by 43% while achieving higher path efficiency.
- Abstract（参考訳）: 海上における船の正確な3D再構築は、海上監督、損傷評価、自律的な海上活動において重要である。
3D再構成はかなり進歩しているが、高品質なデータ取得は依然として手作業で設計した軌跡や熟練した演算子に依存しており、高いコストとスケーラビリティが制限されている。
Next-best-view (NBV)計画では、現在の状況に基づいてその後の視点を選択することで、このプロセスを自動化する。
しかし、既存のNBVポリシーは、主に方向観測履歴を見越しながら、空間的占有度をモデル化している。
この制限は船舶にとって特に問題であり、複雑な超構造と厳密な自己閉塞は、複数の視点からの観測を必要とし、方向性の不十分なカバレッジは、しばしば不完全な再構築をもたらす。
これらの課題は海上でさらに増幅され、波によるヒーブ、ロール、ピッチが船の姿勢や表面の視界を継続的に変化させる。
一方、風の乱れや搭載電力の制限は、スキャン効率に厳しい要件を課している。
これらの課題に対処するため,方向対応型NBV政策であるDA-NBVを提案する。
本稿では、方向情報を用いて視点選択を誘導する学習可能な位置アドバンテージフィールド(PAF)を提案する。
このポリシーはさらに、局所的に制約されたアクション空間と非線形カバレッジ形成報酬を採用して、スキャン効率を向上させる。
また、船舶指向のSeaShip-3Dデータセットと、設定可能な海状態シミュレーション環境も開発している。
異なるヒーブ,ロール,ピッチ条件下での実験により,DA-NBVは再建完了度を約3ポイント改善し,シャンファー距離を43%低減し,経路効率の向上を実現した。
関連論文リスト
- Embodied-Navigator: Point, Think, Memorize, and Align for Efficient Navigation [68.02899606570223]
本稿では,効率的なエンボディナビゲーションのための統合フレームワークであるTAMP-Navを提案する。
まず、ナビゲーションを2次元の視覚座標に再構成するPixel-to-3D Action Formulation(Point)を導入する。
次に,Selective Reasoning and Anchor-Trajectory Memory Mechanism (Think and Memorize)を提案する。
論文 参考訳（メタデータ） (2026-08-18T08:37:08Z) - HiPAN: Hierarchical Posture-Adaptive Navigation for Quadruped Robots in Unstructured 3D Environments [13.984002802852638]
非構造型3D環境における四足歩行ロボットの移動は、目標指向の動作、局所的なミニマから脱出するための効果的な探索、横幅の狭い高さ制限された空間への姿勢適応など、大きな課題を生んでいる。
本報告では,階層型姿勢適応ナビゲーション(HiPAN, Hierarchical Posture-Adaptive Navigation)を提案する。
HiPANは、古典的なリアクティブプランナーやエンドツーエンドのベースラインよりも、明度の高いナビゲーション成功率とパス効率を実現しています。
論文 参考訳（メタデータ） (2026-04-29T10:08:48Z) - DecoVLN: Decoupling Observation, Reasoning, and Correction for Vision-and-Language Navigation [49.233063630722334]
長距離ナビゲーションにおけるロバストなストリーミング認識と閉ループ制御のためのフレームワークであるDecoVLNを提案する。
本稿では,統合されたスコアリング関数を反復的に最適化することにより,過去の候補プールからフレームを選択する適応的精錬機構を提案する。
また,コンプレックスエラーを軽減するために,状態-作用ペアレベルの補正手法を導入する。
論文 参考訳（メタデータ） (2026-03-13T16:24:37Z) - Data-Driven Trajectory Imputation for Vessel Mobility Analysis [36.24770606535992]
自動識別システム(AIS)は、何十万もの船舶のリアルタイム監視を可能にし、毎日大量のデータを生成する。
AISデータを使用する際の大きな課題の1つは、しばしばカバー範囲の制限や意図的な送信中断によって引き起こされる、血管軌道における大きなギャップの存在である。
本稿では,H3 Aggregation-based Imputation framework for vessel Trajectoriesを提案する。
論文 参考訳（メタデータ） (2026-02-12T12:40:27Z) - VLA-AN: An Efficient and Onboard Vision-Language-Action Framework for Aerial Navigation in Complex Environments [12.689250855332569]
VLA-ANは、複雑な環境での自律ドローンナビゲーションに特化したフレームワークである。
既存の大型航法モデルの4つの大きな制限に対処する。
シングルタスクの成功率は98.1%に達する。
論文 参考訳（メタデータ） (2025-12-17T10:02:55Z) - DORAEMON: Decentralized Ontology-aware Reliable Agent with Enhanced Memory Oriented Navigation [55.888688171010365]
DORAEMONは、人間のナビゲーション機能を模倣したVentralとDorsal Streamsで構成される、認知にインスパイアされたフレームワークである。
我々は,DORAEMONをHM3D,MP3D,GOATのデータセット上で評価し,成功率(SR)と成功度(SPL)の測定値の両方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） (2025-05-28T04:46:13Z) - FLP-XR: Future Location Prediction on Extreme Scale Maritime Data in Real-time [0.8937169040399775]
本稿では,海上移動データを活用するモデルであるFLP-XRを紹介し,高精度な予測を行うロバストなフレームワークを構築する。
3つの実世界のAISデータセットを用いた大規模な実験により,本手法の有効性を実証する。
論文 参考訳（メタデータ） (2025-03-10T13:31:42Z) - 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) - Real-Time Dense 3D Mapping of Underwater Environments [8.264747090866754]
本稿では,資源制約型自律下水車(AUV)のリアルタイム高密度3次元再構成について述べる。
水中視覚誘導手術は、外力の有無、視界の制限、位置決めの欠如などにおいて3次元運動を組み合わせ、最も困難な作業である。
我々のパイプラインは、1つのCPU上で高いフレームレートで、最先端のオフライン3D再構成手法であるCOLMAPに匹敵する再構成を生成する。
論文 参考訳（メタデータ） (2023-04-05T18:57:35Z) - Occupancy Anticipation for Efficient Exploration and Navigation [97.17517060585875]
そこで我々は,エージェントが自我中心のRGB-D観測を用いて,その占有状態を可視領域を超えて推定する,占有予測を提案する。
エゴセントリックなビューとトップダウンマップの両方でコンテキストを活用することで、私たちのモデルは環境のより広いマップを予測できます。
われわれのアプローチは、2020 Habitat PointNav Challengeの優勝だ。
論文 参考訳（メタデータ） (2020-08-21T03:16:51Z)
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。