論文の概要: The Neverwhere Visual Parkour Benchmark Suite

• arxiv url: http://arxiv.org/abs/2609.16443v1
• Date: Mon, 14 Sep 2026 23:50:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 14:56:08.262541
• Title: The Neverwhere Visual Parkour Benchmark Suite
• Title（参考訳）: Visual Parkour Benchmark Suiteはどこにもない
• Abstract要約: Neverwhere Benchmark Suiteは、ハイパーフォトリアリスティックでクローズドループ評価環境のコレクションである。 我々の目標は、大規模かつ再現可能なロボットの評価を促進することである。 複数のNeverwhereシーン上でトレーニングされたポリシーチェックポイントと、新規シーンでの評価時のパフォーマンスを提供する。
• 参考スコア（独自算出の注目度）: 38.062392876562576
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: State-of-the-art visual locomotion controllers are increasingly capable at handling complex visual environments, making evaluating their real-world performance before deployment increasingly difficult. This work intends to narrow this train/evaluation gap by developing a collection of hyper-photo-realistic, closed-loop evaluation environments - The Neverwhere Benchmark Suite - comprised of over sixty 3D Gaussian Splatting reconstructions of urban indoor and outdoor scenes. Our goal is to encourage large-scale and reproducible robot evaluation by making it easier to create and integrate Gaussian splats-based reconstructions into simulated continuous testing setups. We also underscore the potential pitfalls of relying exclusively on 3D Gaussian-generated data for training, by providing policy checkpoints trained over multiple Neverwhere scenes and their performance when evaluated in novel scenes. Our analysis illustrates the necessity of sourcing diverse data to ensure performance. Code and data are available on the project page: https://ziyc.github.io/neverwhere-bench/.
• Abstract（参考訳）: 最先端のビジュアルロコモーションコントローラは、複雑なビジュアル環境を扱う能力が増し、デプロイ前に実際のパフォーマンスを評価することがますます難しくなっている。 本研究は, 都市屋内及び屋外の3次元ガウススプラッティングの再構築を60以上行う超リアル・クローズドループ評価環境「The Neverwhere Benchmark Suite」の開発により, この列車・評価ギャップを狭めることを目的としている。 我々のゴールは、ガウスのスプラペットに基づく再構築をシミュレーションされた連続的なテスト環境に簡単に作成、統合できるようにすることで、大規模かつ再現可能なロボット評価を促進することである。 また、複数のNeverwhereシーンでトレーニングされたポリシーチェックポイントと、新規シーンで評価された場合のパフォーマンスを提供することで、3Dガウス生成データのみをトレーニングに頼ることの潜在的な落とし穴を指摘した。 我々の分析は、パフォーマンスを確保するために多様なデータをソーシングする必要があることを示している。 コードとデータはプロジェクトのページ(https://ziyc.github.io/neverwhere-bench/)で公開されている。

関連論文リスト

• Stipple: Real-Time Incremental Gaussian Splatting with Visual-Inertial Tracking [45.88028371034407]
  本稿では,効率的な視覚慣性追跡システムを活用することで,リアルタイムに追跡と再構築を行う新しい手法を提案する。 3DGSの重い前処理とトレーニングのステップの多くは、より効率的なインクリメンタルトレーニング戦略に置き換えられることが示されています。
  論文  参考訳（メタデータ） (2026-08-02T02:17:05Z)
• GASE: Gaussian Splatting-Based Automated System for Reconstructing Embodied-Simulation Environments [63.222920701596564]
  実世界での実施エージェントの訓練には熟練したオペレーターと高価なハードウェアが必要である。 シミュレーション環境は、大規模で費用対効果の高いデータ拡張を可能にすることで、魅力的な代替手段を提供する。 シミュレーションシーンを最小限のsim-to-realギャップで高速に構築することは、ロボット学習において重要な目標となっている。
  論文  参考訳（メタデータ） (2026-06-16T05:00:42Z)
• SAGE: Scalable Agentic 3D Scene Generation for Embodied AI [67.43935343696982]
  既存のシーン生成システムは、しばしばルールベースまたはタスク固有のパイプラインに依存し、アーティファクトと物理的に無効なシーンを生成する。 本稿では,ユーザが特定した具体的タスクを与えられたエージェントフレームワークであるSAGEについて,その意図を理解し,大規模にシミュレーション可能な環境を自動的に生成する。 得られた環境は現実的で多様性があり、政策訓練のための現代的なシミュレーターに直接デプロイできる。
  論文  参考訳（メタデータ） (2026-02-10T18:59:55Z)
• GaussGym: An open-source real-to-sim framework for learning locomotion from pixels [78.05453137978132]
  本稿では,3次元ガウススプラッティングをベクトル化物理シミュレータのドロップインとして統合した光現実的ロボットシミュレーションを提案する。 これにより、コンシューマGPUで毎秒10万ステップを超える、前例のないスピードを実現している。 また,シミュレーティブ・トゥ・リアル・ロボティクス・セッティングにおける適用性を実証した。
  論文  参考訳（メタデータ） (2025-10-17T06:34:52Z)
• SplArt: Articulation Estimation and Part-Level Reconstruction with 3D Gaussian Splatting [15.098827709119087]
  SplArtは,2組のRGB画像から調音対象を再構成し,キネマティクスを推定する,自己教師型カテゴリー認識フレームワークである。 SplArtは幾何学的自己スーパービジョンを利用して、3Dアノテーションやカテゴリ固有の事前処理を必要とせずに、困難なシナリオに効果的に対処する。 確立された、新しく提案されたベンチマークの評価と、ハンドヘルドのRGBカメラを用いた実世界のシナリオへの応用は、SplArtの最先端のパフォーマンスと実世界の実用性を実証している。
  論文  参考訳（メタデータ） (2025-06-04T05:53:16Z)
• Extrapolated Urban View Synthesis Benchmark [53.657271730352214]
  光シミュレーターは視覚中心型自動運転車(AV)の訓練と評価に不可欠である 中心となるのはノベルビュー合成(英語版)(NVS)であり、これはAVの広範かつ連続的なポーズ分布に対応するために、様々な目に見えない視点を生成する能力である。 近年の3次元ガウス・スプラッティングのような放射場の発展は、リアルタイムなリアルタイムレンダリングを実現し、大規模ドライビングシーンのモデリングに広く利用されている。 自動運転車と都市ロボットシミュレーション技術の進歩を支援するために、データを公開します。
  論文  参考訳（メタデータ） (2024-12-06T18:41:39Z)
• Simple and Effective Synthesis of Indoor 3D Scenes [78.95697556834536]
  1枚以上の画像から3D屋内シーンを没入する問題について検討する。 我々の狙いは、新しい視点から高解像度の画像とビデオを作成することである。 本稿では,不完全点雲の再投影から高解像度のRGB-D画像へ直接マップするイメージ・ツー・イメージのGANを提案する。
  論文  参考訳（メタデータ） (2022-04-06T17:54:46Z)

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。