Fugu-MT 論文翻訳(概要): Low-Resolution Perception for Robotic Packing

論文の概要: Low-Resolution Perception for Robotic Packing

arxiv url: http://arxiv.org/abs/2608.25874v1
Date: Wed, 26 Aug 2026 14:47:47 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-27 14:15:15.870532
Title: Low-Resolution Perception for Robotic Packing
Title（参考訳）: ロボット包装における低分解能知覚
Abstract要約: この研究は、低コストで低解像度の深度センシングを備えたロボットパッキングにおいて、スケーラブルな知覚の問題に取り組む。本研究では,再構成手法が次の視点選択を駆動し,証拠を把握し,オブジェクトごとの安定性推定を更新する枠組みを提案する。
参考スコア（独自算出の注目度）: 6.415992899000302
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: This work tackles the problem of scalable perception for robotic packing with low-cost, low-resolution depth sensing. We propose a framework where reconstruction cues drive next-view selection and grasp evidence updates a per-object stability estimate, jointly deciding what to acquire next and when to grasp. During the reconstruction, a low-resolution Next Best View (NBV) strategy explicitly avoids redundant views while preserving task-relevant geometry. We validate the approach in two steps: (i) an ablation study of the utility function under very low resolution, and (ii) a full end-to-end evaluation across policies, showing how low-resolution perception is a practical, scalable option for robotic packing.
Abstract（参考訳）: この研究は、低コストで低解像度の深度センシングを備えたロボットパッキングにおいて、スケーラブルな知覚の問題に取り組む。提案手法は,次回及び次回取得時期を共同で決定し,対象ごとの安定度推定を更新する枠組みである。復元中、低解像度のNext Best View(NBV)戦略は、タスク関連幾何を維持しながら冗長なビューを明示的に回避する。アプローチを2つのステップで検証します。一効用関数の極低分解能下でのアブレーション研究、及び (II) ロボットパッキングにおける低解像度の知覚が実用的かつスケーラブルな選択肢であることを示す、ポリシー間のエンドツーエンド評価。

関連論文リスト

Pose Anything Anywhere:Model-free Object Poses from Arbitrary References [64.58017857473774]
RGBとRGB-Dの両方の入力をシームレスにサポートするモデルフリーフレームワークであるPANYを提案する。 1つまたはスパースなポーズフリー参照ビューで動作し、新しいオブジェクトに効果的に一般化する。複数のベンチマークで最先端のパフォーマンスを実現し、既存のモデルフリーメソッドを大幅に上回っている。
論文参考訳（メタデータ） (2026-06-22T17:23:57Z)
A Black-Box Evaluation Framework for Semantic Robustness in Bird's Eye View Detection [24.737984789074094]
我々は,BEVモデルを騙すために3つの一般的な意味摂動を逆向きに最適化するロバストネス評価フレームワークを開発する。セマンティック摂動を最適化することで生じる課題に対処するため、mAPメトリックを置き換えるスムーズな距離に基づく代理関数を設計する。最近の10種類のBEVモデルのセマンティックロバスト性に関するベンチマークを提供する。
論文参考訳（メタデータ） (2024-12-18T14:53:38Z)
PVP-Recon: Progressive View Planning via Warping Consistency for Sparse-View Surface Reconstruction [49.7580491592023]
PVP-Recon, 新規かつ効果的なスパースビュー表面再構成法を提案する。 PVP-Reconは3つのビューで初期表面の再構築を開始し、徐々に新しいビューを追加する。このプログレッシブビュー計画の進捗は、神経SDFベースの再構築モジュールによってインターリーブされる。
論文参考訳（メタデータ） (2024-09-09T10:06:34Z)
Autonomous Implicit Indoor Scene Reconstruction with Frontier Exploration [10.975244524831696]
暗黙の神経表現は3Dシーンの再構築に有意な可能性を証明している。最近の研究は、Next Best View (NBV) ベースの手法により、自律的な暗黙的再構築に応用を拡大している。本研究では,表層不確実性に基づく再構築作業にフロンティアベースの探索タスクを組み込むことを提案する。
論文参考訳（メタデータ） (2024-04-16T01:59:03Z)
360 Layout Estimation via Orthogonal Planes Disentanglement and Multi-view Geometric Consistency Perception [56.84921040837699]
既存のパノラマ配置推定ソリューションは、垂直圧縮されたシーケンスから部屋の境界を復元し、不正確な結果をもたらす傾向にある。そこで本稿では,直交平面不整合ネットワーク(DOPNet)を提案し,あいまいな意味論を識別する。また,水平深度と比表現に適した教師なし適応手法を提案する。本手法は,単分子配置推定と多視点レイアウト推定の両タスクにおいて,他のSoTAモデルよりも優れる。
論文参考訳（メタデータ） (2023-12-26T12:16:03Z)
Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning [52.06176253457522]
本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。 CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
論文参考訳（メタデータ） (2023-08-18T13:13:09Z)
Active Implicit Object Reconstruction using Uncertainty-guided Next-Best-View Optimization [1.2268315442962412]
オブジェクト再構築時のセンサビューのアクティブな計画は、自律移動ロボットにとって不可欠である。本稿では,暗黙の表現を能動的再構築タスクとシームレスに統合することを提案する。本手法は,アクティブ・リコンストラクション作業におけるビュープランニングの精度と効率を効果的に向上する。
論文参考訳（メタデータ） (2023-03-29T14:42:30Z)
Image Reconstruction via Deep Image Prior Subspaces [0.18472148461613155]
ディープラーニングは画像再構成タスクの解決に広く利用されているが、高品質なトレーニングデータが不足しているため、そのデプロイ性は後退している。本稿では、DIP最適化をパラメータの疎線型部分空間に制限することにより、これらの問題に対処する新しい手法を提案する。部分空間の低次元性は、DIPのノイズに適合する傾向を減少させ、安定な2階最適化法を可能にする。
論文参考訳（メタデータ） (2023-02-20T20:19:36Z)
RL-PGO: Reinforcement Learning-based Planar Pose-Graph Optimization [1.4884785898657995]
本稿では,最新のDeep Reinforcement Learning (DRL) ベースの環境と2次元ポーズグラフ最適化のためのエージェントを提案する。本研究では、ポーズグラフ最適化問題を部分的に観測可能な決定プロセスとしてモデル化し、実世界および合成データセットの性能を評価することを実証する。
論文参考訳（メタデータ） (2022-02-26T20:10:14Z)
Weakly But Deeply Supervised Occlusion-Reasoned Parametric Layouts [87.370534321618]
複雑な道路シーンのRGBイメージをインプットとして単一の視点で捉えたエンドツーエンドのネットワークを提案し、パースペクティブ空間における閉塞性のあるレイアウトを創出する。私たちのメソッドで必要とされる唯一の人間のアノテーションは、より安価で入手しにくいパラメトリック属性です。私たちは、KITTIとNuScenesという2つの公開データセットのアプローチを検証し、人間の監督を大幅に低下させることで、最先端の結果を実現します。
論文参考訳（メタデータ） (2021-04-14T09:32:29Z)
POMP: Pomcp-based Online Motion Planning for active visual search in indoor environments [89.43830036483901]
本稿では, 屋内環境におけるオブジェクトのアクティブビジュアルサーチ(AVS)の最適ポリシーを, オンライン設定で学習する問題に焦点をあてる。提案手法はエージェントの現在のポーズとRGB-Dフレームを入力として使用する。提案手法を利用可能なAVDベンチマークで検証し,平均成功率0.76,平均パス長17.1とした。
論文参考訳（メタデータ） (2020-09-17T08:23:50Z)

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。