論文の概要: Diagnosing and Dynamically Filtering Occupancy World Models for Active Mapping
- arxiv url: http://arxiv.org/abs/2609.06820v1
- Date: Sun, 06 Sep 2026 20:29:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 23:53:35.050563
- Title: Diagnosing and Dynamically Filtering Occupancy World Models for Active Mapping
- Title（参考訳）: アクティブマッピングのための機能世界モデルの診断と動的フィルタリング
- Abstract要約: アクティブマッピングでは、未知の3Dシーンを効率的に再構築するカメラ視点を選択する必要がある。
近年のシステムは、不足した幾何学を完備する世界モデルとして、事前訓練された占有ネットワークを使用している。
ロボットが探索する場所と移動可能な場所の両方を変えることができることを示す。
- 参考スコア（独自算出の注目度）: 19.524885038269293
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Active mapping requires a robot to select camera viewpoints that efficiently reconstruct an unknown 3D scene. To reason about unobserved regions, recent systems use pretrained occupancy networks as world models that complete missing geometry. The predicted structure contributes to expected coverage gain and constrains feasible robot motion. Consequently, occupancy errors can change both what the robot chooses to explore and where it is able to move. We diagnose these effects by holding the planner fixed and varying only the occupancy representation provided to it. We consider planning without completion, with learned occupancy, with false positives removed by a ground truth oracle, with false negatives restored by an oracle, and with ground truth occupancy. Our experiments show that correcting false positives or false negatives alone does not consistently improve final coverage. This finding reveals a gap between occupancy accuracy and downstream planning performance. Ground truth occupancy provides a much larger improvement in coverage efficiency than in endpoint coverage, suggesting that planning and reachability remain important bottlenecks even when the geometric world model is accurate. Based on these findings, we introduce a dynamic filtering strategy that preserves predictions in unexplored space while suppressing repeatedly unsupported occupancy using online observations. Preliminary examples show that this strategy can redirect viewpoint selection toward reachable surfaces that would otherwise remain unobserved.
- Abstract（参考訳）: アクティブマッピングでは、未知の3Dシーンを効率的に再構築するカメラ視点を選択する必要がある。
未観測領域を推論するために、近年のシステムは、不足した幾何学を完備する世界モデルとして、事前訓練された占有ネットワークを使用している。
予測された構造は、期待されるカバレッジゲインと、実現可能なロボットの動きの制約に寄与する。
その結果、占有誤差は、ロボットが探索する場所と移動可能な場所の両方を変えることができる。
我々はこれらの効果を、プランナーを固定し、与えられた占有率のみを変動させることで診断する。
我々は、未完成の計画、学習された占有力、真理託によって偽陽性が取り除かれ、虚偽の否定が神託によって修復され、真理の占有力で検討する。
実験の結果,偽陽性や偽陰性の修正だけでは最終カバレッジが向上しないことがわかった。
この発見は、占有精度と下流計画性能のギャップを明らかにする。
地上の真実の占有は、エンドポイントのカバレッジよりもカバー効率をはるかに向上させ、幾何学的世界モデルが正確である場合でも、計画と到達性は重要なボトルネックであり続けることを示唆している。
これらの知見に基づいて,オンライン観測を用いて繰り返し中断された居住を抑えつつ,未探索空間における予測を保存できる動的フィルタリング戦略を導入する。
予備的な例は、この戦略が、そうでなければ観測されないような到達可能な面への視点選択をリダイレクトできることを示している。
関連論文リスト
- Rethinking Learned Occupancy in Autonomous Active Mapping with Observation-Gated Filtering [17.872923588416846]
アクティブマッピングでは、ナビゲーションに必要なジオメトリを構築しながら、どこに感知するかを選択するために、宇宙ロボットが必要である。
サポートされていない乗員は、ロボットの見た目と移動可能な場所の両方を歪めることができる。
我々は,この結合インタフェースを,アクティブマッピングシステムを固定し,平面面の占有率だけを変化させることで,制御されたクローズドループベンチマークで検討した。
論文 参考訳（メタデータ） (2026-09-08T17:23:37Z) - Latent Geometry Beyond Search: Amortizing Planning in World Models [17.571800971505787]
学習した表現は、単に予測を有効にするのではなく、制御を単純化できることを示す。
反復計画を手軽なゴール条件逆ダイナミクスモデル(GC-IDM)に置き換える
コントローラは環境プロトコール設定8つのうち7つでCEMと一致または超過し、判定あたりのコストを100-130倍に削減する。
論文 参考訳（メタデータ） (2026-05-09T06:36:23Z) - Task-Conditioned Uncertainty Costmaps for Legged Locomotion [8.377206870832945]
脚のあるロボットは、地形との多接触相互作用を通じて動的実現性を維持する。
本研究では,地形観測と指示運動を条件に予測された足場におけるモデリングの不確実性が,分布外操作系と分布外動作系とを区別することを示す。
我々は、この学習された不確実性を利用して、OOD領域を検出し、不確実性を認識した経路計画のための統一されたコストマップ生成フレームワークに組み込む。
論文 参考訳（メタデータ） (2026-04-30T21:54:43Z) - Into the Unknown: Towards using Generative Models for Sampling Priors of Environment Uncertainty for Planning in Configuration Spaces [28.37021202108478]
事前は部分的な可観測性の下での計画には不可欠だが、実際は入手が困難である。
本稿では, 大規模事前学習モデルを用いて, ゼロショット方式で事前生成を行う確率論的パイプラインを提案する。
我々は、ロボットが観測されていない対象物にナビゲートする必要がある戸口を通して部分的に見える部屋のMatterport3Dベンチマークを構築した。
論文 参考訳（メタデータ） (2025-10-13T05:08:48Z) - Sight Over Site: Perception-Aware Reinforcement Learning for Efficient Robotic Inspection [57.37596278863949]
本研究では,認識・認識の観点からの検査を再考する。
本稿では,目標視認性を主目的とするエンドツーエンド強化学習フレームワークを提案する。
提案手法は,既存の古典的および学習的ナビゲーション手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2025-09-22T15:14:02Z) - Reimagination with Test-time Observation Interventions: Distractor-Robust World Model Predictions for Visual Model Predictive Control [51.14656121641822]
世界モデルは、現在の観測と計画された行動によって、ロボットが将来の観察を「想像」することができる。
新たな視覚的障害は、行動結果の予測を破損させ、ロボットが計画や行動検証のために世界モデルの想像力に依存するとき、下流の障害を引き起こす可能性がある。
本稿では、世界モデルによるより信頼性の高い行動結果の予測を可能にする簡易かつ効果的なテストタイム戦略であるReOI(Reimagination with Observation Intervention)を提案する。
論文 参考訳（メタデータ） (2025-06-19T19:41:29Z) - Map Space Belief Prediction for Manipulation-Enhanced Mapping [35.04168032835369]
本研究では,操作強化セマンティックマッピングの問題に対処する。
ロボットは、散らかった棚の中のすべての物体を効率的に識別する必要がある。
提案する新しいPOMDPプランナは,既存の手法よりも地図の完全性と精度を向上する。
論文 参考訳（メタデータ） (2025-02-28T00:10:52Z) - OccNeRF: Advancing 3D Occupancy Prediction in LiDAR-Free Environments [77.0399450848749]
本稿では,OccNeRF法を用いて,3次元監視なしで占有ネットワークを訓練する手法を提案する。
我々は、再構成された占有領域をパラメータ化し、サンプリング戦略を再編成し、カメラの無限知覚範囲に合わせる。
意味的占有予測のために,事前学習した開語彙2Dセグメンテーションモデルの出力をフィルタリングし,プロンプトを洗練するためのいくつかの戦略を設計する。
論文 参考訳（メタデータ） (2023-12-14T18:58:52Z) - Implicit Occupancy Flow Fields for Perception and Prediction in
Self-Driving [68.95178518732965]
自動運転車(SDV)は、周囲を認識でき、他の交通参加者の将来の行動を予測できなければならない。
既存の作業は、検出されたオブジェクトの軌跡が続くオブジェクト検出を実行するか、シーン全体の密度の高い占有とフローグリッドを予測するかのいずれかである。
これは、認識と将来の予測に対する統一されたアプローチを動機付け、単一のニューラルネットワークで時間とともに占有とフローを暗黙的に表現します。
論文 参考訳（メタデータ） (2023-08-02T23:39:24Z) - Unsupervised Adaptation from Repeated Traversals for Autonomous Driving [54.59577283226982]
自動運転車はエンドユーザー環境に一般化し、確実に動作させなければならない。
潜在的な解決策の1つは、エンドユーザの環境から収集されたラベルのないデータを活用することである。
適応過程を監督する信頼性のある信号はターゲット領域に存在しない。
この単純な仮定は、ターゲット領域上の3次元物体検出器の反復的自己学習を可能にする強力な信号を得るのに十分であることを示す。
論文 参考訳（メタデータ） (2023-03-27T15:07:55Z) - Dfferentiable Raycasting for Self-supervised Occupancy Forecasting [52.61762537741392]
自動運転のための運動計画では、エゴ車の周囲の環境が時間とともにどのように進化するかを学ぶ必要がある。
本稿では,自由空間のようなビュー依存表現の自然な代替手段として,幾何学的占有を用いる。
私たちの重要な洞察は、差別化可能なレイキャストを使用して、将来の占有率予測を、将来のLiDARスイープ予測に"レンダリング"することです。
論文 参考訳（メタデータ） (2022-10-04T21:35:21Z)
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。