論文の概要: PBD-AG: Persistent Baseline-Delta Active Graphs with Uncertainty-Aware Inspection for Long-Horizon Service Robots
- arxiv url: http://arxiv.org/abs/2608.10449v2
- Date: Wed, 12 Aug 2026 04:06:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-13 14:28:20.564616
- Title: PBD-AG: Persistent Baseline-Delta Active Graphs with Uncertainty-Aware Inspection for Long-Horizon Service Robots
- Title（参考訳）: PBD-AG:長距離サービスロボットの不確かさを意識したベースラインデルタアクティブグラフ
- Abstract要約: 長距離サービスロボットは、目に見えない環境で自律的に構築できる永続的な世界モデルを必要とする。
本稿では,ロボットが検証した安定なフィクスチャを,変更可能な動的オブジェクトイベントから分離する,永続的ベースラインデルタアクティブグラフフレームワークPBD-AGを提案する。
- 参考スコア（独自算出の注目度）: 31.157360078765155
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Long-horizon service robots require persistent world models that can be built autonomously in unseen environments and revised as task-relevant objects change. Existing methods rely on online mapping, which accumulates localization and observation errors, static scene representations that cannot capture persistent object changes, or holistic vision-language predictions that lack verifiable 3D geometric evidence. We present PBD-AG, a persistent baseline-delta active graph framework that decouples robot-verified stable fixtures from revisable dynamic object events. Under our framework, the robot autonomously bootstraps the structural baseline from onboard exploration and inspects discovered fixtures to ground hierarchical object beliefs. PBD-AG maintains reliability-weighted object states over geometry, semantics, identity, existence, and support relations, utilizing a geometric visibility gate to mitigate false deletions under occlusion. Inspection viewpoints are selected by a graph-conditioned policy that balances target coverage, travel cost, collision risk, and redundant observation. Simulation experiments in multiple environments and under controlled dynamic evaluation show higher aggregate coarse-fixture F1 than capability-matched controls, as well as stronger identity continuity and event recall. A qualitative physical-robot demonstration further illustrates integration with onboard sensing, providing a traceable world model for long-horizon robotic perception. The project page of PBD-AG is available at https://shuobao214.github.io/PBD-AG/
- Abstract（参考訳）: ロングホライゾンサービスロボットは、見えない環境で自律的に構築され、タスク関連オブジェクトの変更に合わせて修正される、永続的な世界モデルを必要とする。
既存の手法は、局所化と観測誤差を蓄積するオンラインマッピング、永続的なオブジェクトの変化をキャプチャできない静的なシーン表現、検証可能な3次元幾何学的証拠を持たない全体論的視覚言語予測に頼っている。
本稿では,ロボットが検証した安定なフィクスチャを,変更可能な動的オブジェクトイベントから分離する,永続的ベースラインデルタアクティブグラフフレームワークPBD-AGを提案する。
われわれのフレームワークでは、ロボットは船上での探査から構造ベースラインを自律的にブートストラップし、発見済みのフィクスチャを検査し、階層的な物体の信念を根絶する。
PBD-AGは、幾何学、セマンティクス、アイデンティティ、存在、サポート関係に関する信頼性の高いオブジェクト状態を維持し、幾何学的な可視ゲートを利用して、隠蔽下での偽の削除を軽減している。
検査視点は、目標カバレッジ、旅行コスト、衝突リスク、冗長な観察のバランスをとるグラフ条件の政策によって選択される。
複数の環境におけるシミュレーション実験と制御された動的評価により,集合粗いフィクスチャF1は機能整合制御よりも高く,アイデンティティの連続性やイベントリコールが向上した。
定性的物理ロボットのデモンストレーションではさらに、オンボードセンシングとの統合が示され、長距離ロボット知覚のためのトレース可能な世界モデルが提供される。
PBD-AGのプロジェクトページはhttps://shuobao214.github.io/PBD-AG/で公開されている。
関連論文リスト
- CST-WM: A Causally Structured World Model for Embodied Visual Tracking [9.902564083063973]
身体的な視覚的追跡には、移動対象の将来の証拠を保存または回収する行動を選択するロボットが必要である。
CST-WMは潜伏状態を標的証拠、ロボット、観察枝に分解する。
1つの計画フレームワークで、安定したフォローと一時的なターゲット再獲得の両方をサポートする。
論文 参考訳（メタデータ） (2026-09-05T23:24:32Z) - iVISION-2DCD: A Long-Term Change Detection Dataset for Large-Scale Outdoor Construction Monitoring [50.60358463714119]
我々は,高密度LiDAR点雲からの大規模合成データセットiVISION-2DCDを提案する。
本データセットは,建設現場における2DCDの問題点を正式に定義する。
最先端の2DCDアルゴリズムを用いたベンチマーク評価は、iVISION-2DCDが新しい研究課題をもたらすことを示す。
論文 参考訳（メタデータ） (2026-07-03T18:29:13Z) - ViPSim: Collaborating Visual and Parameter Spaces for Consistent Long-Horizon Embodied World Models [11.15585863355844]
エンボディード・ワールド・モデル(EWM)は、エンボディード・インテリジェンスを促進するためのスケーラブルでリスクのないパラダイムとして登場した。
EWMは、低次元アクションと高次元ビデオ合成の間の表現ギャップによってしばしば妨げられる。
本稿では,一貫した長軸生成を実現するフレームワークであるViPSimを提案する。
論文 参考訳（メタデータ） (2026-06-27T08:18:09Z) - Foresight: Failure Detection for Long-Horizon Robotic Manipulation with Action-Conditioned World Model Latents [58.49879338545782]
ロングホライゾンタスクは、現実のロボット展開では一般的なものだが、そのようなタスクの障害検出は未調査のままである。
動作条件付き世界モデルからの潜在表現を用いて、操作軌跡をモニタする故障検出フレームワークであるForesightを提案する。
この結果から, 動作条件付きワールドモデル埋め込みは, 長距離操作における信頼性のある故障監視のためのスケーラブルな表現を提供する可能性が示唆された。
論文 参考訳（メタデータ） (2026-06-22T09:32:28Z) - VAIC: Vision-Guided Humanoid Agile Object Interaction Control via Decoupled Commands [56.029505206531155]
Vision Guided Agile Interaction Control (VAIC)は、現在のコントローラとヒューマノイドロボットのギャップを埋める統合フレームワークである。
まず、特権教師政策は、正確な物体運動学と正確な環境状態を用いて多様な相互作用スキルを習得する。
第二に、デプロイ可能な学生ポリシーは、全体追跡を複数の軸にまたがる速度目標に置き換えることで、これらの能力を蒸留する。
論文 参考訳（メタデータ） (2026-06-08T09:52:55Z) - Hylos: Operability Contracts for Model-Native Spatial Intelligence [0.0]
本稿では,契約境界空間知能のためのシステムアーキテクチャであるHylosを紹介する。
Hylosは、オブジェクト、アセンブリ、アセット、サーフェスアンカー、アサーション、アクション候補、ソルバジョブ、共有アクチュエータ呼び出し、能力ギャップ、エフェクト差といった、シーンスケールの操作性状態を維持している。
この研究は、因果修復について検討し、視覚的不整合が依存部品に現れるのに対して、支持された修復はそれを制御する配置構造に上流に置かれている。
論文 参考訳（メタデータ） (2026-05-23T20:47:05Z) - The Unified Autonomy Stack: Toward a Blueprint for Generalizable Robot Autonomy [13.105188128582567]
我々は,空と地上のロボット形態を横断するレジリエンスな自律を可能にするシステムレベルのソリューションであるUnified Autonomy Stackを紹介し,オープンソース化する。
アーキテクチャは、マルチモーダル認識、マルチビヘイビア計画、マルチレイヤセーフナビゲーションの3つのモジュールを中心にしている。
このスタックは、地上(ロータークラフト)ロボットと地上(レッグ)ロボットの両方でフィールドテストされ、検証されている。
論文 参考訳（メタデータ） (2026-05-12T20:39:35Z) - From Perception to Action: An Interactive Benchmark for Vision Reasoning [51.11355591375073]
Causal Hierarchy of Actions and Interactions (CHAIN)ベンチマークは、モデルが物理的制約に基づいて構造化されたアクションシーケンスを理解し、計画し、実行できるかを評価するために設計された。
CHAINは、受動的知覚からアクティブな問題解決、機械パズルのインターロックや3D積み重ね、パッキングといったタスクへと評価をシフトする。
以上の結果から,トップパフォーマンスモデルでは,物理構造や因果制約の内在化に苦慮し,信頼性の高い長期計画の作成に失敗することが多く,認識された構造を効果的に翻訳することができないことが示唆された。
論文 参考訳（メタデータ） (2026-02-24T15:33:02Z) - HAIC: Humanoid Agile Object Interaction Control via Dynamics-Aware World Model [56.4392302336014]
本稿では,外部状態推定を伴わない多種多様なオブジェクトダイナミクス間のロバストな相互作用のためのフレームワークであるHAICを提案する。
我々の重要な貢献は、主観的歴史のみから高次対象状態(速度、加速度)を推定するダイナミクス予測器である。
ヒューマノイドロボットの実験では、HAICはアジャイルタスクで高い成功率を達成する。
論文 参考訳（メタデータ） (2026-02-12T09:34:35Z) - The Meeseeks Mesh: Spatially Consistent 3D Adversarial Objects for BEV Detector [37.74333887056029]
3Dオブジェクト検出は、自律運転システムにおいて重要な要素である。
本稿では,3次元物体検出モデルの3次元敵攻撃に対する脆弱性について検討する。
実世界の攻撃シナリオに適した非侵襲的な3次元対向オブジェクトを生成する。
論文 参考訳（メタデータ） (2025-05-28T15:49:54Z) - Robust Object Detection via Instance-Level Temporal Cycle Confusion [89.1027433760578]
物体検出器の分布外一般化を改善するための補助的自己監視タスクの有効性を検討する。
最大エントロピーの原理に触発されて,新しい自己監督タスクであるインスタンスレベル時間サイクル混乱(cycconf)を導入する。
それぞれのオブジェクトに対して、タスクは、ビデオ内の隣接するフレームで最も異なるオブジェクトの提案を見つけ、自己スーパービジョンのために自分自身にサイクルバックすることです。
論文 参考訳（メタデータ） (2021-04-16T21:35:08Z)
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。