論文の概要: SGE: Semantically-Guided Exploration for Unstructured Environments via Image-Space Waypoint Sampling
- arxiv url: http://arxiv.org/abs/2608.29315v1
- Date: Sat, 29 Aug 2026 14:58:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 18:31:30.923541
- Title: SGE: Semantically-Guided Exploration for Unstructured Environments via Image-Space Waypoint Sampling
- Title（参考訳）: SGE: Image-Space Waypoint Smplingによる非構造化環境のシーマンティックガイドによる探索
- Abstract要約: この研究は、地上車両のためのモジュラー探査フレームワークであるSGE(Semantically-Guided Exploration)を導入している。
SGEは、画素レベルのセマンティックセマンティックセグメンテーションをサンプリングベースのウェイポイント選択と回帰水平経路最適化に統合する。
- 参考スコア（独自算出の注目度）: 3.1921155114863407
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This work introduces Semantically-Guided Exploration (SGE), a modular exploration framework for ground vehicles that integrates pixel-level semantic segmentation into sampling-based waypoint selection and receding-horizon route optimization. Unlike conventional geometric exploration methods, SGE evaluates candidate exploration goals directly in the image space using a semantic-aware utility function that accounts for terrain traversability, obstacle proximity, objects of interest, and depth-based exploration reward. Sampled waypoints are projected into 3D and ordered through a real-time Traveling Salesman Problem (TSP) formulation, enabling receding-horizon goal selection. To address real-world navigation uncertainty, the framework introduces mechanisms, including temporary taboo regions to handle navigation failures and a graph-based relocation strategy for efficient backtracking across explored areas. We evaluate SGE in standardized simulation benchmarks against state-of-the-art exploration planners and demonstrate competitive performance in volumetric coverage, while enabling semantic task biasing that cannot be achieved by purely geometric methods. The framework is further validated through real-world experiments using multiple robotic platforms in indoor campus buildings and in limestone and coal mines. Results show consistent performance and adaptability across platforms and domains.
- Abstract（参考訳）: 本研究は,SGE(Semantically-Guided Exploration)を紹介した。これは,画素レベルのセマンティックセマンティックセマンティックセマンティクスをサンプリングに基づく経路選択と回帰水平経路最適化に統合する,地上車両用モジュール探索フレームワークである。
従来の幾何学的探索法とは異なり、SGEは、地形の移動性、障害物近接性、興味の対象、深度に基づく探索報酬を考慮に入れたセマンティック・アウェア・ユーティリティー機能を用いて、画像空間における候補探索目標を直接評価する。
サンプリングされたウェイポイントは3Dに投影され、リアルタイムトラベリングセールスマン問題(TSP)の定式化を通じて発注される。
現実世界のナビゲーションの不確実性に対処するため、このフレームワークでは、ナビゲーション障害を処理する一時的なタブーリージョンや、探索領域を横断する効率的なバックトラックのためのグラフベースのリロケーション戦略などのメカニズムを導入している。
我々は,最先端の探査プランナに対する標準化されたシミュレーションベンチマークにおけるSGEを評価し,ボリュームカバレッジにおける競争性能を実証するとともに,純粋に幾何学的手法では達成できない意味的タスクバイアスを実現する。
このフレームワークは、屋内キャンパスの建物や石灰岩や炭鉱で複数のロボットプラットフォームを用いた実世界の実験を通じてさらに検証されている。
結果は、プラットフォームとドメイン間で、一貫したパフォーマンスと適応性を示します。
関連論文リスト
- Hierarchical 3D Scene Graph Construction and Belief-based Planning for Semantic Navigation [34.08516675160383]
エンボディエージェントのためのゼロショットセマンティックナビゲーションフレームワークを提案する。
本手法は,オブジェクト,ゾーン,領域を網羅したオンライン階層型3次元シーングラフ(HSG)を漸進的に維持し,グローバルプランニングのためのコンパクトな状態抽象化として機能する。
このメモリ上に構築された階層的信念に基づく計画フレームワークは,HSGの探索証拠とセマンティック先行を融合させ,HSGベースのシミュレータ上で有限水平ロールアウトを行い,候補マクロアクションの長期的リターンを明示的に推定する。
論文 参考訳（メタデータ） (2026-06-30T03:01:44Z) - Semantic-Aware Autonomous Exploration for UAVs in Unknown Indoor Environments [2.379911867541422]
本稿では,ロードマップに基づく探索戦略に意味情報を追加する意味認識探索フレームワークを提案する。
意味のあるオブジェクトや構造を含む領域を優先するためにセマンティック報酬関数が導入され、UAVはより高い情報値を持つ領域に集中することができる。
複数のシミュレーション環境における実験結果から,提案手法は90%から94%の探査範囲を達成できることが示された。
論文 参考訳（メタデータ） (2026-06-21T21:07:40Z) - SpaceVLN: A Zero-Shot Vision-and-Language Navigation Agent with Online Spatial Cognitive Memory and Reasoning [59.64305326980364]
SpaceVLNは、空間認知記憶とタスク誘導空間推論を中心に構築されたナビゲーションエージェントである。
このメモリ上に構築されたSpatial-CoTは、タスクプログレス推論と空間知覚、分析、予測を統合する。
R2R-CE、RxR-CE、GN-Bench、HM3D-OVONの他、SpaceVLNは最先端のゼロショット性能を実現している。
論文 参考訳（メタデータ） (2026-06-08T03:42:08Z) - STEM: Semantic Target Search and Exploration using MAVs in Cluttered Environments [17.009653719709213]
本稿では,目的探索時間と探索時間を最小限に抑えるために,意味誘導型視点プランナを用いた新しいフレームワークを提案する。
具体的には,対象に繋がる可能性のある視点を優先順位付けすることで,効率的な意味探索計画を生成するプランナーを開発する。
論文 参考訳（メタデータ） (2026-05-30T15:00:58Z) - GeoMamba: A Geometry-driven MambaVision Framework and Dataset for Fine-grained Optical-SAR Object Retrieval [54.741349848771144]
GeoMambaは光学SAR微細検索のための幾何学駆動フレームワークである。
GFIモジュールは、クロスモーダルな機能相互作用を強化し、構造的な事前を組み込む。
GeoMambaは既存の手法を上回り、全検索環境で63.3% mAPと77.0% Rank-1の精度を達成した。
論文 参考訳（メタデータ） (2026-05-19T12:08:09Z) - SignNav: Leveraging Signage for Semantic Visual Navigation in Large-Scale Indoor Environments [57.79171900005793]
人間は、大規模屋内環境内の目的地に向かうために、手話によって提供される意味的ヒントを日常的に活用する。
本稿では,手話からの意味的ヒントを解釈し,現在の観察に基づくその後の行動の推論を行うための,新しい具体的ナビゲーションタスクSignNavを紹介する。
空間認識モジュールは物理的世界へのサインの意味的ヒントを基盤として,時間認識モジュールは歴史的状態と現在の観測との長距離依存性を捉えている。
論文 参考訳（メタデータ） (2026-03-17T06:36:26Z) - Seeing Where to Deploy: Metric RGB-Based Traversability Analysis for Aerial-to-Ground Hidden Space Inspection [48.120690574682875]
本稿では,RGBを用いた幾何学的意味的再構成と,空中から地上への隠れ空間検査のためのトラベル可能性解析フレームワークを提案する。
テザリングされたUAV-UGVプラットフォームでの実験では、隠れた空間シナリオにおける信頼性の高いデプロイメントゾーンの識別が示されている。
論文 参考訳（メタデータ） (2026-03-15T22:20:59Z) - From Reactive to Map-Based AI: Tuned Local LLMs for Semantic Zone Inference in Object-Goal Navigation [0.7734726150561086]
Object-Goal Navigation(ObjectNav)は、エージェントが未知の環境で対象のオブジェクトカテゴリを見つけてナビゲートする必要がある。
我々は,LLMに基づく意味推論とハイブリッドトポロジカルグリッドマッピングシステムを統合することにより,リアクティブAIから"マップベースAI"への移行を提案する。
本フレームワークでは,Llama-2モデルを用いて,言語化された対象観測から意味領域のカテゴリと目的存在確率を推定する。
論文 参考訳（メタデータ） (2026-03-09T08:27:28Z) - Real-time Spatial-temporal Traversability Assessment via Feature-based Sparse Gaussian Process [15.756895046886406]
本研究では,自律型ロボットが複雑な地形を移動できるようにすることを目的とした,空間的時間的トラバーサビリティ評価手法を提案する。
我々の手法は精度と計算効率の両面でSOTAよりも優れている。
本研究では,移動可能性マップと統合された自律ナビゲーションフレームワークを開発し,複雑な屋外環境下での微分駆動車による検証を行う。
論文 参考訳（メタデータ） (2025-03-06T06:26:57Z) - Occupancy Anticipation for Efficient Exploration and Navigation [97.17517060585875]
そこで我々は,エージェントが自我中心のRGB-D観測を用いて,その占有状態を可視領域を超えて推定する,占有予測を提案する。
エゴセントリックなビューとトップダウンマップの両方でコンテキストを活用することで、私たちのモデルは環境のより広いマップを予測できます。
われわれのアプローチは、2020 Habitat PointNav Challengeの優勝だ。
論文 参考訳（メタデータ） (2020-08-21T03:16:51Z) - Object Goal Navigation using Goal-Oriented Semantic Exploration [98.14078233526476]
本研究は,未確認環境における対象カテゴリーのインスタンスにナビゲートするオブジェクトゴールナビゲーションの問題を研究する。
本稿では,表層的なセマンティックマップを構築し,効率的に環境を探索する「ゴール指向セマンティック探索」というモジュールシステムを提案する。
論文 参考訳（メタデータ） (2020-07-01T17:52:32Z)
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。