論文の概要: Functional-SLAM: Interaction-Aware Mapping with Online Functional Scene Graphs

• arxiv url: http://arxiv.org/abs/2609.07497v1
• Date: Mon, 07 Sep 2026 13:46:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-12 00:14:19.829094
• Title: Functional-SLAM: Interaction-Aware Mapping with Online Functional Scene Graphs
• Title（参考訳）: 機能SLAM:オンライン機能シーングラフを用いたインタラクション対応マッピング
• Abstract要約: 機能SLAMは、オンラインSLAMステートとして機能的なシーングラフを維持するフレームワークである。 オンラインで安定した関数型マップを効率的に構築し、オフラインメソッドよりも実行時間を大幅に改善する。 ピアSLAMシステムと比較して、関数トポロジ支援ループクロージャによるポーズ推定精度をさらに向上する。
• 参考スコア（独自算出の注目度）: 52.091507529866725
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing SLAM systems lack modeling of the functional relations required for fine-grained robotic interaction. Functional 3D scene graphs can represent relations between objects and interaction elements, but existing methods rely on offline reconstruction, making them inadequate for real-time interaction in real-world exploration. To address this limitation, we propose Functional-SLAM, the first framework that continuously and recursively maintains a functional scene graph as an online SLAM state. The framework combines anchor-keyframe geometry with functional-context constraints for persistent node maintenance, accumulates multi-frame evidence through temporal relations to commit stable functional edges, and supplements visual loop-closure candidates with functional topology in scenes with repetitive appearance or degraded texture. Experiments show that Functional-SLAM efficiently constructs stable functional maps online, substantially improving runtime over offline methods while maintaining highly competitive accuracy. Compared with peer SLAM systems, it further improves pose estimation accuracy through functional-topology-assisted loop closure. The code is publicly available at https://github.com/Hbelief1998/Functional-SLAM-CoRL_2026.
• Abstract（参考訳）: 既存のSLAMシステムは、きめ細かいロボットインタラクションに必要な機能関係のモデリングを欠いている。 機能的な3Dシーングラフはオブジェクトと相互作用要素の関係を表現できるが、既存の手法はオフラインの再構成に依存しており、実世界の探索においてリアルタイムの相互作用には不十分である。 この制限に対処するため,オンラインSLAMとして機能的なシーングラフを継続的に再帰的に維持する最初のフレームワークであるFunctional-SLAMを提案する。 このフレームワークは、アンカー・キーフレームの幾何学と、永続的なノード保守のための関数コンテキストの制約を組み合わせるとともに、時間的関係を通じて複数のフレームのエビデンスを蓄積し、安定した機能エッジをコミットし、繰り返し外観や劣化したテクスチャを持つシーンにおいて、視覚的ループ閉鎖候補を機能的トポロジで補う。 実験の結果,Functional-SLAMはオンラインの安定な関数マップを効率的に構築し,オフラインメソッド上でのランタイムを大幅に改善し,高い競争精度を維持した。 ピアSLAMシステムと比較して、関数トポロジ支援ループクロージャによるポーズ推定精度をさらに向上する。 コードはhttps://github.com/Hbelief1998/Functional-SLAM-CoRL_2026で公開されている。

関連論文リスト

• Functionalization via Structure Completion and Motion Rectification [44.37223222305385]
  視覚的に可視だが非機能的な3Dモデルを機能的かつ物理的に操作可能なモデルに変換することを目的とした,新しいタスクであるオブジェクト機能化を導入する。 非機能な3Dオブジェクトを表す不完全グラフを完成させるために,ニューラルグラフ汎関数器 (GraFu) を開発した。 完成したグラフは、予測されたコネクタと構造要素を3Dでインスタンス化する幾何学的実現段階を駆動する。
  論文  参考訳（メタデータ） (2026-05-18T08:05:07Z)
• Hierarchical and Holistic Open-Vocabulary Functional 3D Scene Graphs for Indoor Spaces [116.57196064763924]
  我々は、高密度テーブルトップオブジェクトと明示的なマルチレベル機能関係を導入することで、ベンチマークカバレッジを拡大する。 この研究は、小規模、高密度、および類似のインスタンスにかかわる重要な課題を提起する。 2次元視覚的グラウンドリングと3次元グラフ最適化に基づくオープン語彙パイプラインを提案する。
  論文  参考訳（メタデータ） (2026-05-15T09:14:50Z)
• FunFact: Building Probabilistic Functional 3D Scene Graphs via Factor-Graph Reasoning [48.3789545323541]
  確率的開語彙関数型3Dシーングラフを構築するためのフレームワークであるFunFactを紹介する。 FunFactはまず、オブジェクトと部分中心の3Dマップを構築し、基礎モデルを使用して意味論的に妥当な機能関係を提案する。 この設定をベンチマークするために、AI2-THORに基づく合成データセットであるFunThorを紹介した。
  論文  参考訳（メタデータ） (2026-04-04T11:53:12Z)
• ArtiSG: Functional 3D Scene Graph Construction via Human-demonstrated Articulated Objects Manipulation [51.54082859171464]
  ArtiSGは、人間のデモを構造化されたロボットメモリにエンコードすることで、機能的な3Dシーングラフを構築するフレームワークである。 本研究では,ArtiSGが機能的要素リコールおよび調音推定精度において,ベースラインを著しく上回ることを示す。
  論文  参考訳（メタデータ） (2025-12-31T13:10:40Z)
• Multiway Non-rigid Point Cloud Registration via Learned Functional Map Synchronization [105.14877281665011]
  我々は、点雲上に定義された学習関数に関する地図を同期させることにより、複数の非剛体形状を登録する新しい方法であるSyNoRiMを提案する。 提案手法は,登録精度において最先端の性能を達成できることを実証する。
  論文  参考訳（メタデータ） (2021-11-25T02:37:59Z)
• SPINE: Soft Piecewise Interpretable Neural Equations [0.0]
  完全に接続されたネットワークはユビキタスだが解釈不能である。 本論文は,個々の部品に設定操作を施すことにより,ピースワイズに新しいアプローチを採っている(一部)。 完全に接続されたレイヤを解釈可能なレイヤに置き換えなければならない、さまざまなアプリケーションを見つけることができる。
  論文  参考訳（メタデータ） (2021-11-20T16:18:00Z)
• Modern Non-Linear Function-on-Function Regression [8.231050911072755]
  本稿では,ニューラルネットワークを用いた関数データに対する非線形関数オン関数回帰モデルを提案する。 FDNN(Functional Direct Neural Network)とFBNN(Functional Basis Neural Network)の2つのモデルフィッティング戦略を提案する。
  論文  参考訳（メタデータ） (2021-07-29T16:19:59Z)
• Compressing Deep ODE-Nets using Basis Function Expansions [105.05435207079759]
  重みの定式化を基底関数の線形結合を用いた連続深度関数とみなす。 この観点では、ほぼ最先端の性能を維持しながら、再トレーニングすることなく、ベースの変化によって重みを圧縮することができる。 これにより、推論時間とメモリフットプリントの両方が削減され、計算環境間の高速で厳密な適応が可能となる。
  論文  参考訳（メタデータ） (2021-06-21T03:04:51Z)

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。