論文の概要: Rethinking Learned Occupancy in Autonomous Active Mapping with Observation-Gated Filtering

• arxiv url: http://arxiv.org/abs/2609.09069v1
• Date: Tue, 08 Sep 2026 17:23:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 14:56:26.42733
• Title: Rethinking Learned Occupancy in Autonomous Active Mapping with Observation-Gated Filtering
• Title（参考訳）: 観察ゲートフィルタリングによる自律型アクティブマッピングにおける学習活動の再考
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 17.872923588416846
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autonomous 3D active mapping requires a space robot to choose where to sense while building the geometry needed for navigation. Learned occupancy completion extends spatial context beyond the current field of view, but one predicted map often serves two planning roles: it scores expected surface gain and constrains collision-free motion. Unsupported occupancy can therefore distort both where the robot looks and where it believes it can travel. We study this coupled interface in a controlled closed-loop benchmark by holding the active-mapping system fixed and varying only its planner-facing occupancy across observation-only, learned, oracle-corrected, and ground-truth conditions. Improving occupancy accuracy does not monotonically improve closed-loop coverage: across 25 starts, planning with ground-truth occupancy reaches 70% of the learned baseline's final coverage 12.7 steps earlier on average, while increasing final coverage by only 0.031. Guided by this diagnosis, we introduce an observation-gated filter that retains completion in insufficiently observed regions and suppresses predictions only after repeated frustum exposure without nearby RGB-D support. The filter improves both targeted failure-prone starts without retraining or ground truth. These results motivate online revision of planner-facing geometry during autonomous intervals between communication windows. The current study assumes benchmark RGB-D observations and sufficiently accurate pose estimates; planetary sensing conditions and accumulated localization drift remain to be evaluated.
• Abstract（参考訳）: 自律的な3D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、宇宙ロボットがどこに感知するかを選択する必要がある。 学習された占有完了は、現在の視野を超えて空間的コンテキストを延長するが、予測された1つのマップは、2つの計画的な役割を果たす。 これにより、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。 本研究では, 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, 観測のみ, 学習, オラクル補正, 地中構造条件にのみ適用することで, 制御されたクローズドループベンチマークにおいて検討した。 クローズドループのカバレッジを単調に改善することはなく、25回のスタートで、学習ベースラインの最終カバレッジの70%を学習ベースラインの12.7ステップに到達し、最終カバレッジは0.031に向上した。 本報告では, 近距離RGB-Dサポートを伴わないフラストラム曝露後にのみ, 未観察領域の完成度を保ち, 予測を抑える観測ゲートフィルタを導入する。 フィルタは、ターゲットとなる障害が発生しやすいスタートを、トレーニングや根拠となる真実なしに改善する。 これらの結果は,通信窓間の自律的間隔におけるプランナー面形状のオンラインリビジョンを動機付けている。 現在の研究では、RGB-Dの標準観測と十分に正確なポーズ推定を仮定し、惑星の検知条件と蓄積された局所化ドリフトを評価する必要がある。

関連論文リスト

• Human-Aware Target Tracking and Navigation: Fusing Kinematic State Estimation with Structural Map Constraints [3.9308813646788625]
  本研究は,地図インフォームド空間推論による目標閉塞に対処するエンド・ツー・エンドの自律ナビゲーションスタックを提案する。 提案システムは,2次元LiDAR点クラスタリングによる深層学習に基づく視覚的トラッキングを融合して,タグ付き人物の高忠実度追跡を行うマルチモーダル認識パイプラインを備える。 密集した多人数環境における実世界の評価は、システムの堅牢性を示し、71.4%の目標再獲得成功率を達成した。
  論文  参考訳（メタデータ） (2026-09-07T06:31:17Z)
• Diagnosing and Dynamically Filtering Occupancy World Models for Active Mapping [19.524885038269293]
  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。
  論文  参考訳（メタデータ） (2026-09-06T20:29:17Z)
• Map the Possibilities: Spatial Belief Fields for Language-Goal Aerial Navigation [49.03955946482723]
  SBFNavは、言語条件付き空間的信念場を中心としたクローズドループナビゲーションフレームワークである。 主に観測されたことを記録しているエゴ中心の地図とは異なり、SBFレポジトリ-はタスク条件付き分布を可視な目標位置上で再送する。 SBFNavは、制御のためのメットリックなウェイポイントとして、命令と観察に最も適したゴールを選択する。
  論文  参考訳（メタデータ） (2026-09-05T03:11:01Z)
• 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)
• 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)
• Beyond the Frontier: Predicting Unseen Walls from Occupancy Grids by Learning from Floor Plans [3.432284729311483]
  本研究では,360deg LIDARセンサの軌跡に沿って集積された占有格子上に2次元の線分を配置し,部分観測環境の見えない壁面を予測する課題に取り組む。 大学キャンパスからのオフィススケールフロアプランのコレクションにおいて、ランダムにサンプリングされたウェイポイントのセット間で仮想ロボットをナビゲートすることにより、そのような占有グリッドとその対象壁セグメントのデータセットを収集する。 行セグメント予測タスクを自己回帰シーケンス予測タスクとして定式化し、データセット上で注目ベースのディープネットワークをトレーニングする。
  論文  参考訳（メタデータ） (2024-06-13T14:22:59Z)
• 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)
• Spatiotemporal Relationship Reasoning for Pedestrian Intent Prediction [57.56466850377598]
  視覚データに対する推論は、ロボティクスとビジョンベースのアプリケーションにとって望ましい能力である。 本稿では,歩行者の意図を推論するため,現場の異なる物体間の関係を明らかにするためのグラフ上でのフレームワークを提案する。 歩行者の意図は、通りを横切る、あるいは横断しない将来の行動として定義され、自動運転車にとって非常に重要な情報である。
  論文  参考訳（メタデータ） (2020-02-20T18:50:44Z)

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。