論文の概要: Macro-Action Topological Navigation under Noisy Localization using Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2608.23055v1
• Date: Mon, 24 Aug 2026 09:57:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:44.018049
• Title: Macro-Action Topological Navigation under Noisy Localization using Reinforcement Learning
• Title（参考訳）: 強化学習を用いた雑音定位時のマクロ摩擦トポロジカルナビゲーション
• Abstract要約: 原画素から大規模で光写実的な3Dマンションをナビゲートすることは、平易な強化学習には不可能であると考えられている。 私たちは、カメラだけで自分のポーズを推定して、それを行うエージェントを構築します。 エージェントは連続していくつかの対象オブジェクトに到達し、その位置はエピソードによって変化するため、それらを見つけるために探索する必要がある。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Navigating large, photorealistic 3D apartments from raw pixels is widely considered infeasible for plain reinforcement learning. We build an agent that does it anyway, estimating its own pose from the camera alone. The agent has to reach several target objects in sequence, and their positions change between episodes, so it must explore to find them. It builds on our earlier object-centric topological controller, which still read the agent's true pose and its object detections from the simulator. Here we replace that true pose with an onboard, object-centric estimate. For each object we keep a bank of ORB features that, when the object is seen again, yield a rough pose measurement, which a minimal Extended Kalman Filter (EKF) fuses with a motion model. As on a real robot, the executed motions are noisy. The estimate drifts, but the agent and the nearby objects drift together, so a locally consistent pose is enough to follow each short edge and then home in visually on the target, which lets us replace full SLAM with a much smaller model, closer to how biological navigation appears to work. In the photorealistic Habitat simulator, the agent reaches its target objects from vision alone, with a pose that only needs to be locally consistent.
• Abstract（参考訳）: 原画素から大規模で光写実的な3Dマンションをナビゲートすることは、平易な強化学習には不可能であると考えられている。 私たちは、カメラだけで自分のポーズを推定して、それを行うエージェントを構築します。 エージェントは連続していくつかの対象オブジェクトに到達し、その位置はエピソードによって変化するため、それらを見つけるために探索する必要がある。 これは私たちの初期のオブジェクト中心のトポロジコントローラの上に構築されており、エージェントの本当のポーズとシミュレーターからのオブジェクト検出を読み取っています。 ここでは、真のポーズをオブジェクト中心の見積もりで置き換えます。 各オブジェクトに対してORBのバンクを保持すると、オブジェクトが再び見えると粗いポーズの測定が行われ、最小拡張カルマンフィルタ(EKF)が動きモデルと融合する。 本物のロボットのように、実行された動きはうるさい。 推定値がドリフトするが、エージェントと近くの物体が一緒にドリフトするので、局所的に一貫したポーズはそれぞれの短辺をたどって視覚的にターゲットに戻すのに十分であり、完全なSLAMをより小さなモデルに置き換えることができます。 フォトリアリスティック・ハビタットシミュレーターでは、エージェントは視覚のみから対象のオブジェクトに到達し、局所的に一貫した姿勢を取る必要がある。

関連論文リスト

• GRAIL: Generating Humanoid Loco-Manipulation from 3D Assets and Video Priors [113.71148915419246]
  GRAILは3Dアセット、シミュレーター対応シーン、およびビデオファンデーションモデル(VFM)の先行データで構成され、物理的環境を再構築したりロボットを遠隔操作したりすることなく対話を合成するデジタル生成パイプラインである。 GRAILは、オブジェクト形状、カメラパラメータ、メートル法スケール、環境深度、ロボットが提案する文字がビデオ生成の前に知られ、再構成中に再利用される、完全に定義された3D構成から始まる。 我々は、回復した動作をヒューマノイドロボットに再ターゲティングし、補完的なタスク・ジェネラル・モルフォロジー・トラッカーを訓練する。 GRAILは、ピックアップ、オブジェクト操作、着座にまたがる2万以上のシーケンスを生成する
  論文  参考訳（メタデータ） (2026-06-03T17:57:45Z)
• PickScan: Object discovery and reconstruction from handheld interactions [99.99566882133179]
  シーンの3次元表現を再構成する対話誘導型クラス依存型手法を開発した。 我々の主な貢献は、操作対象のインタラクションを検出し、操作対象のマスクを抽出する新しいアプローチである。 相互作用ベースとクラス非依存のベースラインであるCo-Fusionと比較すると、これはシャムファー距離の73%の減少に相当する。
  論文  参考訳（メタデータ） (2024-11-17T23:09:08Z)
• Monocular Per-Object Distance Estimation with Masked Object Modeling [33.59920084936913]
  本稿では、Masked Image Modeling (MiM) からインスピレーションを得て、マルチオブジェクトタスクに拡張する。 Masked Object Modeling (MoM) と呼ばれる我々の戦略は、マスキング技術の新しい応用を可能にする。 我々は、標準KITTI、NuScenes、MOT Synthデータセット上の新しい参照アーキテクチャ(DistFormer)におけるMoMの有効性を評価する。
  論文  参考訳（メタデータ） (2024-01-06T10:56:36Z)
• ROAM: Robust and Object-Aware Motion Generation Using Neural Pose Descriptors [73.26004792375556]
  本稿では,3次元オブジェクト認識キャラクタ合成における新しいシーンオブジェクトへのロバストさと一般化が,参照オブジェクトを1つも持たないモーションモデルをトレーニングすることで実現可能であることを示す。 我々は、オブジェクト専用のデータセットに基づいて訓練された暗黙的な特徴表現を活用し、オブジェクトの周りのSE(3)-同変記述体フィールドをエンコードする。 本研究では,3次元仮想キャラクタの動作と相互作用の質,および未知のオブジェクトを持つシナリオに対するロバスト性を大幅に向上することを示す。
  論文  参考訳（メタデータ） (2023-08-24T17:59:51Z)
• Self-Supervised Object Goal Navigation with In-Situ Finetuning [110.6053241629366]
  この研究は、探検を通じて世界の自己監督モデルを構築するエージェントを構築する。 ObjectNavエージェントのすべてのコンポーネントをトレーニングできる強力なセルフスーパービジョンのソースを特定します。 我々は,エージェントが実世界で競争力を発揮し,シミュレーションを行うことを示す。
  論文  参考訳（メタデータ） (2022-12-09T03:41:40Z)
• D-InLoc++: Indoor Localization in Dynamic Environments [2.9398911304923447]
  移動物体には非無視的局所化誤差が組み込まれており,6自由度 (6DoF) がより頑健に作用することを示す新しい手法が提案されている。 動的オブジェクトのマスクは、相対的なポーズ推定ステップと、カメラポーズの提案の最終ソートで使用される。
  論文  参考訳（メタデータ） (2022-09-21T08:35:32Z)
• Object Manipulation via Visual Target Localization [64.05939029132394]
  オブジェクトを操作するための訓練エージェントは、多くの課題を提起します。 本研究では,対象物体を探索する環境を探索し,位置が特定されると3次元座標を計算し,対象物が見えない場合でも3次元位置を推定する手法を提案する。 評価の結果,同じ感覚スイートにアクセス可能なモデルに比べて,成功率が3倍に向上したことが示された。
  論文  参考訳（メタデータ） (2022-03-15T17:59:01Z)
• Moving SLAM: Fully Unsupervised Deep Learning in Non-Rigid Scenes [85.56602190773684]
  従来のカメラ幾何学を用いて異なる視点からソースイメージを再レンダリングするビュー合成という考え方に基づいている。 映像中の合成画像と対応する実画像との誤差を最小化することにより、ポーズや深さを予測するディープネットワークを完全に教師なしで訓練することができる。
  論文  参考訳（メタデータ） (2021-05-05T17:08:10Z)
• Object Detection and Pose Estimation from RGB and Depth Data for Real-time, Adaptive Robotic Grasping [0.0]
  動的ロボットの把握を目的として,リアルタイム物体検出とポーズ推定を行うシステムを提案する。 提案されたアプローチは、ロボットが物体のアイデンティティとその実際のポーズを検出し、新しいポーズで使用するために正準の把握を適応させることを可能にする。 訓練のためのシステムは、ロボットの手首に取り付けられたグリッパーに対する対象の相対的な姿勢を捉えることで、標準的な把握を定義する。 テスト中、新しいポーズが検出されると、物体の正準的な把握が識別され、ロボットアームの関節角度を調整して動的に適応されます。
  論文  参考訳（メタデータ） (2021-01-18T22:22:47Z)

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。