論文の概要: FUSE: Active Functional Affordance Grounding through Adaptive Semantic-Geometric Evidence Acquisition

• arxiv url: http://arxiv.org/abs/2608.12683v1
• Date: Thu, 13 Aug 2026 00:51:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-14 18:29:38.355139
• Title: FUSE: Active Functional Affordance Grounding through Adaptive Semantic-Geometric Evidence Acquisition
• Title（参考訳）: FUSE: アダプティブ・セマンティック・ジオメトリック・エビデンス獲得によるアクティブ機能強化グラウンドディング
• Abstract要約: エージェントが連続してシーンを探索して、機能的なクエリを満たすオブジェクトを識別し、空間的にグラウンドする新しいタスクであるActive Functional Affordance Groundingを紹介する。 FUSEはアダプティブ・セマンティック・ジオメトリ・エビデンス獲得フレームワークであり、明確な不確実性による探索と学習されたアモート化されたプランナーを組み合わせて情報的視点を効率的に選択する。 実験により、FUSEは、完全に明示的な探索に対して計算量を1.33倍に削減しつつ、最も観測された非視線接地性能を達成し、複数のアベイランス知識源で有効であることが示された。
• 参考スコア（独自算出の注目度）: 10.023632148449352
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Embodied agents must often identify and interact with objects based on their function rather than their identity, requiring them to actively acquire observations that reveal discriminative functional evidence. Existing affordance grounding methods operate from fixed viewpoints and lack mechanisms for deciding where to look when functional cues are occluded or incomplete. We introduce Active Functional Affordance Grounding, a new task in which an agent sequentially explores a scene to identify and spatially ground an object satisfying a functional query. To address this problem, we propose FUSE, an adaptive semantic-geometric evidence acquisition framework that combines explicit uncertainty-driven exploration with a learned amortized planner to efficiently select informative viewpoints. We further introduce a Habitat-based benchmark for evaluating active functional grounding. Experiments show that FUSE achieves the highest observed non-oracle grounding performance while reducing computation by 1.33x relative to fully explicit exploration, and remains effective across multiple affordance knowledge sources.
• Abstract（参考訳）: 身体的エージェントは、しばしば自身のアイデンティティではなく、その機能に基づいてオブジェクトを識別し、相互作用し、識別可能な機能的証拠を明らかにする観察を積極的に取得する必要がある。 既存の割当接地法は、固定的な視点から運用され、機能的手がかりが無視されたり不完全であったりした場合の視界を決定するメカニズムが欠如している。 エージェントが連続してシーンを探索して、機能的なクエリを満たすオブジェクトを識別し、空間的にグラウンドする新しいタスクであるActive Functional Affordance Groundingを紹介する。 この問題に対処するために,明示的な不確実性駆動探索と学習された記憶的プランナーを組み合わせた適応的意味幾何学的エビデンス獲得フレームワークであるFUSEを提案する。 さらに,アクティブな機能的グラウンド評価のためのHabitatベースのベンチマークを導入する。 実験により、FUSEは、完全に明示的な探索に対して計算量を1.33倍に削減しつつ、最も観測された非視線接地性能を達成し、複数のアベイランス知識源で有効であることが示された。

関連論文リスト

• ScrambleToolBench: Agents Search Exhaustively Even When Their Own Map Points to the Next Step [74.83535434786145]
  ScrambleToolBenchは,行動推論の分離を目的とした対話型端末ベンチマークである。 このベンチマークでは、エージェントがテストとエラーのインタラクションを通じて、隠されたツールの振る舞いを明らかにする必要がある。 現状の言語モデルに対する我々の評価は、初期発見が成功しても頑健な適応にはならないことを示している。
  論文  参考訳（メタデータ） (2026-08-03T15:07:46Z)
• ESI-Bench: Towards Embodied Spatial Intelligence that Closes the Perception-Action Loop [55.468404995694975]
  我々は,OmniGibson上に構築された10のタスクカテゴリと29のサブカテゴリにまたがる空間知能の具体化ベンチマークを開発した。 我々は最先端のMLLMの実験を行い、活発な探索が受動的に優れていることを発見した。 矛盾した視点を求め、信念を改定する人間とは異なり、モデルは証拠の品質に関わらず、高い信頼をもって早々に行動する。
  論文  参考訳（メタデータ） (2026-05-18T17:59:02Z)
• Beyond Task-Driven Features for Object Detection [2.5700571547896103]
  本稿では,オブジェクト検出バックボーンに埋め込みを注入するアノテーション誘導機能拡張フレームワークを提案する。 野生生物とリモートセンシングデータセットにわたる実験は、複数の監督体制の下で分類、ローカライゼーション、データ効率を評価する。
  論文  参考訳（メタデータ） (2026-04-04T19:34:13Z)
• Theory of Space: Can Foundation Models Construct Spatial Beliefs through Active Exploration? [83.13508919229939]
  宇宙の理論は、自己指向的かつ活発な探索を通じて情報を得るエージェントの能力として定義される。 重要な革新は空間的信念の探索であり、各ステップでモデルが空間的表現を明らかにするように促す。 この結果から,現在の基盤モデルでは,活発な探査において,コヒーレントで変更可能な空間的信念の維持に苦慮していることが示唆された。
  論文  参考訳（メタデータ） (2026-02-04T19:06:40Z)
• Stochastic Encodings for Active Feature Acquisition [100.47043816019888]
  Active Feature Acquisitionは、インスタンスワイドでシーケンシャルな意思決定問題である。 目的は、テストインスタンスごとに独立して、現在の観測に基づいて計測する機能を動的に選択することである。 一般的なアプローチは強化学習(Reinforcement Learning)であり、トレーニングの困難を経験する。 我々は、教師付きで訓練された潜在変数モデルを導入し、潜在空間における観測不能な実現の可能性の多くにまたがる特徴を推論することで獲得する。
  論文  参考訳（メタデータ） (2025-08-03T23:48:46Z)
• Can foundation models actively gather information in interactive environments to test hypotheses? [43.42688356541211]
  基礎モデルはシングルターン推論において優れているが、動的環境におけるマルチターン探索に苦慮している。 これらのモデルを,経験から学び,適応し,情報を収集する能力に基づいて評価した。
  論文  参考訳（メタデータ） (2024-12-09T12:27:21Z)
• Adaptive Activation Functions for Predictive Modeling with Sparse Experimental Data [2.012425476229879]
  本研究では,適応的あるいは訓練可能なアクティベーション関数が,限られたデータ可用性を特徴とする設定における分類精度と予測不確実性に与える影響について検討した。 本研究は,個別の訓練可能なパラメータを持つ指数線形ユニット(ELU)やソフトプラスなどの適応活性化関数が正確かつ確実な予測モデルをもたらすことを示す。
  論文  参考訳（メタデータ） (2024-02-08T04:35:09Z)
• Active Open-Vocabulary Recognition: Let Intelligent Moving Mitigate CLIP Limitations [9.444540281544715]
  オープン語彙認識のための新しいエージェントを提案する。 提案手法は,クラス固有の知識に頼ることなく,フレーム間の類似性や概念間の類似性を利用してエージェントの動きをナビゲートし,特徴を融合する。
  論文  参考訳（メタデータ） (2023-11-28T19:24:07Z)
• Localizing Active Objects from Egocentric Vision with Symbolic World Knowledge [62.981429762309226]
  タスクの指示をエゴセントリックな視点から積極的に下す能力は、AIエージェントがタスクを達成したり、人間をバーチャルに支援する上で不可欠である。 本稿では,現在進行中のオブジェクトの役割を学習し,指示から正確に抽出することで,アクティブなオブジェクトをローカライズするフレーズグラウンドモデルの性能を向上させることを提案する。 Ego4DおよびEpic-Kitchensデータセットに関するフレームワークの評価を行った。
  論文  参考訳（メタデータ） (2023-10-23T16:14:05Z)
• Feature Interaction Aware Automated Data Representation Transformation [27.26916497306978]
  我々は,マルコフ決定過程をカスケードした階層的強化学習構造を開発し,特徴選択と操作選択を自動化する。 我々は、選択された特徴間の相互作用強度に基づいてエージェントに報酬を与える。その結果、人間の意思決定をエミュレートする特徴空間をインテリジェントかつ効率的に探索する。
  論文  参考訳（メタデータ） (2023-09-29T06:48:16Z)
• Learning Geometric Representations of Objects via Interaction [25.383613570119266]
  エージェントとエージェントが相互作用する外部オブジェクトを含むシーンの観察から表現を学習する問題に対処する。 本稿では,任意の自然の非構造化観測からエージェントとオブジェクトの物理的空間における位置を抽出する表現学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-11T09:45:22Z)
• Options of Interest: Temporal Abstraction with Interest Functions [58.30081828754683]
  一般関数近似に適した開始集合の一般化を、オプションに関連付けられた興味関数を定義することによって提供する。 我々は、関心関数に対する勾配に基づく学習アルゴリズムを導出し、新たな関心選択批判的アーキテクチャを創出する。
  論文  参考訳（メタデータ） (2020-01-01T21:24:39Z)

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。