論文の概要: An Information-Space Perspective to Scene Graph Sufficiency for Robotic Task Planning

• arxiv url: http://arxiv.org/abs/2609.15587v1
• Date: Mon, 14 Sep 2026 13:55:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:06.421155
• Title: An Information-Space Perspective to Scene Graph Sufficiency for Robotic Task Planning
• Title（参考訳）: ロボット作業計画におけるシーングラフの有効性への情報空間的視点
• Abstract要約: 複雑な環境での計画には、オブジェクト、関係、余裕をキャプチャする表現に基づくタスク仕様が必要です。 シーングラフはこのニーズを満たすが、大規模な環境でのサイズは効率的な計画を妨げる。 本稿では,計画に十分なシーングラフを構成するタスク中心の形式化を提案する。
• 参考スコア（独自算出の注目度）: 0.45119235878273006
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Planning in complex environments requires task specifications grounded in representations that capture objects, relations, and affordances; scene graphs meet this need, but their size in large environments hinders efficient planning. While task-aware pruning and hierarchical abstractions have been explored, a general, task-centric formalization of what constitutes a sufficient scene graph for planning remains open. This paper provides such a formalization by modeling planning over scene graphs within an information-spaces framework through the definition of scene graph transition systems and relevant action semantics for navigation and manipulation. We then introduce derived scene graphs via information mappings that merge and prune nodes and induce quotient transition systems augmented with motion primitives to capture higher-level actions over merged graph nodes. Sufficiency is characterized by two conditions: (i) the information mapping yields a deterministic quotient, and (ii) the task is well-posed over derived traces, ensuring plans found on the derived model are feasible on the maximal system. We illustrate the framework using a task over an example environment, showing both sufficient and insufficient reduced scene graphs.
• Abstract（参考訳）: 複雑な環境での計画には、オブジェクト、関係、余裕をキャプチャする表現に基づくタスク仕様が必要であり、シーングラフはこのニーズを満たすが、大規模な環境におけるそのサイズは効率的な計画を妨げる。 タスク対応のプルーニングと階層的な抽象化が検討されているが、計画に十分なシーングラフを構成するタスク中心の一般的な形式化は依然としてオープンである。 本稿では,シーングラフ遷移システムと,ナビゲーションと操作のためのアクションセマンティクスの定義を通じて,情報空間フレームワーク内のシーングラフをモデルとした形式化を提案する。 次に,情報マッピングとプルーネノードを結合したシーングラフを導入し,移動プリミティブを付加した商遷移系を誘導し,統合されたグラフノード上の高レベルなアクションをキャプチャする。 満足度には2つの条件がある。 一 情報マッピングが決定論的商を産み出すこと。 (II)タスクは導出トレースの上にうまく配置され、導出モデルで見いだされた計画が最大系上で実現可能であることを保証する。 本稿では,実例環境上のタスクを用いて,シーングラフが十分かつ不十分であることを示す。

関連論文リスト

• GraphReAct: Reasoning and Acting for Multi-step Graph Inference [49.26607058250454]
  GraphReActは、グラフ構造化データに対するステップバイステップの推論を可能にするグラフ推論実行フレームワークである。 検索と精細化の両方で推論をインターリーブすることで、我々のフレームワークは文脈拡張から圧縮への進歩的な移行を可能にします。
  論文  参考訳（メタデータ） (2026-05-08T07:09:42Z)
• Contextual Graph Representations for Task-Driven 3D Perception and Planning [1.7421265706896534]
  コンピュータビジョンの最近の進歩は、視覚慣性データからオブジェクト中心リレーショナル表現を完全に自動抽出することを促進する。 これらの状態表現は、3次元シーングラフと呼ばれ、密な多重グラフ構造を持つ実世界のシーンの階層的な分解である。 この論文は、ロボットタスク計画と3Dシーングラフの交点における研究のために、既存の組み込みAI環境の適合性をテストする。
  論文  参考訳（メタデータ） (2026-03-12T00:45:12Z)
• MomaGraph: State-Aware Unified Scene Graphs with Vision-Language Model for Embodied Task Planning [44.61781303455069]
  家庭の移動マニピュレータは、ナビゲートと操作の両方が必要です。 これは、オブジェクトがどこにあるか、どのように機能し、どの部分が実行可能なのかをキャプチャする、コンパクトでセマンティックにリッチなシーン表現を必要とする。 我々は,空間的機能的関係と部分レベルの対話的要素を統合した,エンボディエージェントのための統一的なシーン表現であるMomaGraphを紹介した。
  論文  参考訳（メタデータ） (2025-12-18T18:59:03Z)
• Towards Graph Foundation Models: Learning Generalities Across Graphs via Task-Trees [50.78679002846741]
  タスクツリーを用いたグラフのクロスタスク一般化のための新しい手法を提案する。 本稿では,グラフニューラルネットワーク(GNN)を多種多様なタスクツリー上で事前学習することにより,伝達可能な知識を誘導することを示す。 これにより、最小限の微調整で下流タスクに効率的に適応できる。
  論文  参考訳（メタデータ） (2024-12-21T02:07:43Z)
• Open-Vocabulary Octree-Graph for 3D Scene Understanding [54.11828083068082]
  Octree-Graphはオープンな3Dシーン理解のための新しいシーン表現である。 セマンティクスを記憶し、その形状に応じてオブジェクトの占有度を調節するアダプティブ・オクツリー構造を開発する。
  論文  参考訳（メタデータ） (2024-11-25T10:14:10Z)
• Task-Driven Graph Attention for Hierarchical Relational Object Navigation [25.571175038938527]
  大きなシーンにいる身体を持つAIエージェントは、オブジェクトを見つけるためにナビゲートする必要があることが多い。 対象ナビゲーションタスクHRON(hierarchical object navigation)の自然に現れる変種について検討する。 本稿では、シーングラフを入力の一部として使用し、グラフニューラルネットワークをバックボーンとして統合するソリューションを提案する。
  論文  参考訳（メタデータ） (2023-06-23T19:50:48Z)
• Location-Free Scene Graph Generation [45.366540803729386]
  シーングラフ生成(SGG)は視覚的理解タスクであり、シーンをエンティティのグラフとして記述し、互いに関連付けることを目的としている。 既存の作業は、バウンディングボックスやセグメンテーションマスクといった形で位置ラベルに依存しており、アノテーションのコストが増加し、データセットの拡張が制限されている。 我々は、この依存関係を破り、位置のないシーングラフ生成(LF-SGG)を導入する。 本課題は, 空間的局所化を明示的に計算することなく, 実体のインスタンスと関係性を予測することを目的とする。
  論文  参考訳（メタデータ） (2023-03-20T08:57:45Z)
• Scene Graph Modification as Incremental Structure Expanding [61.84291817776118]
  本研究では,既存のシーングラフを自然言語クエリに基づいて更新する方法を学習するために,シーングラフ修正(SGM)に注目した。 インクリメンタル構造拡張(ISE)の導入によるグラフ拡張タスクとしてのSGM 既存のデータセットよりも複雑なクエリと大きなシーングラフを含む、挑戦的なデータセットを構築します。
  論文  参考訳（メタデータ） (2022-09-15T16:26:14Z)
• Sequential Manipulation Planning on Scene Graph [90.28117916077073]
  我々は,効率的な逐次タスク計画のための3次元シーングラフ表現であるコンタクトグラフ+(cg+)を考案する。 ゴール設定は、自然にコンタクトグラフに指定され、最適化法を用いて遺伝的アルゴリズムによって作成することができる。 次に、初期接触グラフと目標設定との間のグラフ編集距離(GED)を計算してタスクプランを簡潔化し、ロボット動作に対応するグラフ編集操作を生成する。
  論文  参考訳（メタデータ） (2022-07-10T02:01:33Z)
• Unconditional Scene Graph Generation [72.53624470737712]
  我々はラベル付きおよび有向グラフ上の確率分布を学習できるSceneGraphGenと呼ばれる深層自己回帰モデルを開発した。 SceneGraphGenによって生成されたシーングラフは多様であり、実世界のシーンのセマンティックなパターンに従う。
  論文  参考訳（メタデータ） (2021-08-12T17:57:16Z)

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。