論文の概要: Active Perception for Embodied Disambiguation

• arxiv url: http://arxiv.org/abs/2608.13605v1
• Date: Tue, 11 Aug 2026 09:47:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-17 20:14:29.160179
• Title: Active Perception for Embodied Disambiguation
• Title（参考訳）: 身体不明瞭症に対するアクティブ・パーセプション
• Abstract要約: 目的の曖昧さを具現化するための能動的知覚フレームワークを提案する。 このフレームワークは,物理的情報取得とユーザ意図の明確化を組み合わせたものであることを示す。 実ロボット実験により、このフレームワークは物理的情報取得とユーザ意図の明確化を組み合わせたものであることが示された。
• 参考スコア（独自算出の注目度）: 5.8993656688823135
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Natural language provides robots with a flexible task interface, but target ambiguity in embodied environments arises not only from user intent; it can also result from missing taskrelevant physical evidence in the current observation. Existing interactive disambiguation methods primarily obtain additional information by asking the user, whereas occlusion, restricted viewpoints, unreadable text, and unobserved targets require the robot to actively change its observation. We propose an active-perception framework for embodied target disambiguation that uses active observation as the backbone for information acquisition and uses a vision-language model to decide, on the basis of accumulated visual evidence and interaction information, whether to continue observing, request clarification, or complete target selection. Active observation can both directly recover missing discriminative evidence and reveal object names, labels, and semantic attributes, thereby improving user clarification when it remains necessary. Real-robot experiments show that the framework combines physical information acquisition and userintent clarification within a unified embodied disambiguation process.
• Abstract（参考訳）: 自然言語はロボットに柔軟なタスクインターフェースを提供するが、具体化された環境における目的のあいまいさは、ユーザの意図だけでなく、現在の観察におけるタスク関連物理的証拠の欠如からも生じる。 既存の対話的曖昧化手法は、主にユーザに対して、オクルージョン、制限された視点、読めないテキスト、および観測対象を積極的に変更することで、追加情報を取得する。 本稿では,情報取得のバックボーンとして能動的観測を用いた目標不明瞭度を具現化するための能動的知覚フレームワークを提案する。 アクティブな観察は、欠落した識別的証拠を直接回収し、オブジェクト名、ラベル、セマンティック属性を明らかにすることによって、必要なときにユーザの明確化を改善することができる。 実ロボット実験により、このフレームワークは、統一された具体的曖昧化プロセスにおいて、物理的情報取得とユーザ意図の明確化を組み合わせたものであることが示された。

関連論文リスト

• A Real-Time System for Egocentric Hand-Object Interaction Detection in Industrial Domains [48.42136244433369]
  本稿では,ストリーミング・エゴセントリック・ビジョンから手動物体の相互作用を検出するための効率的な手法を提案する。 本手法は,動作認識モジュールとオブジェクト検出モジュールからなり,対話の確認時にアクティブなオブジェクトを識別する。
  論文  参考訳（メタデータ） (2025-07-17T17:45:09Z)
• ObjectFinder: An Open-Vocabulary Assistive System for Interactive Object Search by Blind People [42.050924675417654]
  視覚障害者による対話型オブジェクト検索のためのオープン語彙ウェアラブルシステムであるObjectFinderを提案する。 ObjectFinderでは、フレキシブルなワードでターゲットオブジェクトをクエリできる。 距離や方向を含む、エゴセントリックなローカライゼーション情報をリアルタイムで提供する。
  論文  参考訳（メタデータ） (2024-12-04T08:38:45Z)
• Collaborative Instance Object Navigation: Leveraging Uncertainty-Awareness to Minimize Human-Agent Dialogues [54.81155589931697]
  協調インスタンスオブジェクトナビゲーション(CoIN)は、エージェントがターゲットインスタンスに関する不確実性を積極的に解決する新しいタスク設定である。 未認識者に対するエージェント・ユーザインタラクション(AIUTA)の新たな学習自由化手法を提案する。 まず、オブジェクト検出時に、セルフクエチオナーモデルがエージェント内で自己対話を開始し、完全かつ正確な観察記述を得る。 インタラクショントリガーモジュールは、人間に質問するか、継続するか、ナビゲーションを停止するかを決定する。
  論文  参考訳（メタデータ） (2024-12-02T08:16:38Z)
• Uncertainty-Guided Appearance-Motion Association Network for Out-of-Distribution Action Detection [4.938957922033169]
  セマンティックシフトでテストサンプルを検出し、拒否するOOD(Out-of-Distribution)検出ターゲット。 我々は,新しい不確実性誘導外観運動ネットワーク(UAAN)を提案する。 UAANは最先端の手法をかなりの差で打ち負かし、その効果を実証する。
  論文  参考訳（メタデータ） (2024-09-16T02:53:49Z)
• Active Object Detection with Knowledge Aggregation and Distillation from Large Models [5.669106489320257]
  状態変化中のアクティブオブジェクトを正確に検出することは、人間のインタラクションを理解し、意思決定を容易にするために不可欠である。 既存のアクティブオブジェクト検出法(AOD)は主に、サイズ、形状、手との関係など、入力内のオブジェクトの視覚的外観に依存する。 状態変化は、しばしばオブジェクト上で実行される相互作用の結果であり、AODに対してより信頼性の高い手がかりを提供するために、オブジェクトに関連する可視的相互作用に関する情報的事前利用を提案する。 提案するフレームワークは,Ego4D,Epic-Kitchens,MECCANOの4つのデータセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-05-21T05:39:31Z)
• Latent Object Characteristics Recognition with Visual to Haptic-Audio Cross-modal Transfer Learning [9.178588671620963]
  この研究は、潜伏する観測不可能なオブジェクトの特性を認識することを目的としている。 視覚は一般的にロボットによる物体認識に使われるが、隠された物体を検出するには効果がない。 本稿では,視覚から触覚へのクロスモーダル・トランスファー学習手法を提案する。
  論文  参考訳（メタデータ） (2024-03-15T21:18:14Z)
• Integrating Language-Derived Appearance Elements with Visual Cues in Pedestrian Detection [51.66174565170112]
  本研究では,大言語モデルの強みを文脈的外見の変化の理解に活用するための新しいアプローチを提案する。 本稿では,言語由来の外観要素を定式化し,歩行者検出に視覚的手がかりを取り入れることを提案する。
  論文  参考訳（メタデータ） (2023-11-02T06:38:19Z)
• Information-Theoretic Odometry Learning [83.36195426897768]
  生体計測推定を目的とした学習動機付け手法のための統合情報理論フレームワークを提案する。 提案フレームワークは情報理論言語の性能評価と理解のためのエレガントなツールを提供する。
  論文  参考訳（メタデータ） (2022-03-11T02:37:35Z)
• Skeleton-Based Mutually Assisted Interacted Object Localization and Human Action Recognition [111.87412719773889]
  本研究では,骨格データに基づく「相互作用対象の局所化」と「人間の行動認識」のための共同学習フレームワークを提案する。 本手法は,人間の行動認識のための最先端の手法を用いて,最高の,あるいは競争的な性能を実現する。
  論文  参考訳（メタデータ） (2021-10-28T10:09:34Z)
• INVIGORATE: Interactive Visual Grounding and Grasping in Clutter [56.00554240240515]
  INVIGORATEは、自然言語で人間と対話し、特定の物体をクラッタで把握するロボットシステムである。 我々は、物体検出、視覚的接地、質問生成、OBR検出と把握のために、別々のニューラルネットワークを訓練する。 我々は、学習したニューラルネットワークモジュールを統合する、部分的に観測可能なマルコフ決定プロセス(POMDP)を構築します。
  論文  参考訳（メタデータ） (2021-08-25T07:35:21Z)
• Embodied Visual Active Learning for Semantic Segmentation [33.02424587900808]
  本研究では,エージェントが3次元環境を探索し,視覚シーン理解の獲得を目指す,具体化されたビジュアルアクティブラーニングの課題について検討する。 我々は、学習と事前指定の両方のエージェントのバッテリーを開発し、環境に関する異なるレベルの知識で開発する。 本研究では,matterport3dシミュレータを用いて提案手法を広範囲に評価し,本手法が比較対象よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-12-17T11:02:34Z)

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。