Fugu-MT 論文翻訳(概要): BRAVE-6D: Benchmark for Robotic Active Vision in 6DOF Pose Estimation

論文の概要: BRAVE-6D: Benchmark for Robotic Active Vision in 6DOF Pose Estimation

arxiv url: http://arxiv.org/abs/2609.17106v1
Date: Tue, 15 Sep 2026 12:38:20 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-16 14:56:08.523616
Title: BRAVE-6D: Benchmark for Robotic Active Vision in 6DOF Pose Estimation
Title（参考訳）: BRAVE-6D:6DOFポス推定におけるロボットアクティブビジョンのベンチマーク
Abstract要約: BRAVE-6Dは、オブジェクトポーズ推定のためのロボットアクティブビジョンシステムを評価するために設計されたベンチマークである。シーン内で視覚サーボを行い、小さなオブジェクトのポーズを正確に推定するベースラインソリューションを示す。
参考スコア（独自算出の注目度）: 41.7747182499753
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Detecting and grasping small objects remains a significant challenge in robotics. Active vision, where the robot moves closer to the object, is an intuitive solution, yet comparing approaches on common ground is difficult since identical physical scene setups are required. Hence, we introduce BRAVE-6D, a benchmark designed to evaluate robotic active vision systems for object pose estimation, a crucial first step in grasping objects. BRAVE-6D leverages view synthesis based on Gaussian Splats (3DGS) to provide scenes and tools for benchmarking active vision systems. We show baseline solutions performing visual servoing within the scene and accurately estimating the poses of small objects.
Abstract（参考訳）: 小さな物体を検知し、つかむことは、ロボティクスにおいて重要な課題である。ロボットが物体に近づきつつあるアクティブビジョンは直感的な解決法であるが、同一の物理的シーン設定を必要とするため、共通の地上でのアプローチを比較することは困難である。そこで,BRAVE-6Dは,物体をつかむ上で重要な第一歩であるオブジェクトポーズ推定のためのロボットアクティブビジョンシステムを評価するために設計されたベンチマークである。 BRAVE-6DはGaussian Splats (3DGS)に基づくビュー合成を利用して、アクティブな視覚システムのベンチマークを行うためのシーンとツールを提供する。シーン内で視覚サーボを行い、小さなオブジェクトのポーズを正確に推定するベースラインソリューションを示す。

関連論文リスト

3DGSNav: Enhancing Vision-Language Model Reasoning for Object Navigation via Active 3D Gaussian Splatting [12.057873540714098]
3DGSNavは、3D Gaussian Splatting (3DGS)を視覚言語モデル(VLM)の永続メモリとして組み込んで空間推論を強化する新しいフレームワークである。 3DGSNavは環境の3DGS表現を段階的に構築し、フロンティア対応のファーストパーソンビューの軌跡誘導自由視点レンダリングを可能にする。ナビゲーション中、リアルタイムオブジェクト検出器が潜在的なターゲットをフィルタリングし、VLM駆動のアクティブな視点スイッチングがターゲットを再検証する。
論文参考訳（メタデータ） (2026-02-12T16:41:26Z)
ActiveVLA: Injecting Active Perception into Vision-Language-Action Models for Precise 3D Robotic Manipulation [52.94334113271359]
ActiveVLAは視覚言語によるアクションフレームワークで、ロボットに高い精度できめ細かな操作を可能にする。我々は,ActiveVLAが3つのシミュレーションベンチマークで高精度な3D操作を実現し,最先端のベースラインを上回っていることを示す。
論文参考訳（メタデータ） (2026-01-13T08:29:07Z)
VLAD-Grasp: Zero-shot Grasp Detection via Vision-Language Models [11.02910353976723]
VLAD-Graspは視覚言語モデルを用いたゼロショットによる把握手法である。従来の作業とは異なり、我々のアプローチはトレーニング不要であり、キュレートされた把握データセットに依存しない。さらに,Franka Research 3ロボットを用いた新しい現実世界オブジェクトへのゼロショットの一般化を実証する。
論文参考訳（メタデータ） (2025-11-08T01:47:40Z)
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)
ViTa-Zero: Zero-shot Visuotactile Object 6D Pose Estimation [14.575011735514522]
ViTa-Zeroはゼロショットビゾタクティルポーズ推定フレームワークである。実世界のロボット・セットアップの実験を通して、我々のフレームワークを検証する。
論文参考訳（メタデータ） (2025-04-17T17:59:56Z)
A Data-Centric Revisit of Pre-Trained Vision Models for Robot Learning [67.72413262980272]
事前訓練された視覚モデル(PVM)は現代のロボティクスの基本であるが、その最適構成は定かではない。セマンティック・ボトルネックを導入してオブジェクト中心の表現を誘導する手法であるSlotMIMを開発した。提案手法は,画像認識,シーン理解,ロボット学習評価において,従来の作業よりも大幅に改善されている。
論文参考訳（メタデータ） (2025-03-10T06:18:31Z)
Localizing Active Objects from Egocentric Vision with Symbolic World Knowledge [62.981429762309226]
タスクの指示をエゴセントリックな視点から積極的に下す能力は、AIエージェントがタスクを達成したり、人間をバーチャルに支援する上で不可欠である。本稿では,現在進行中のオブジェクトの役割を学習し,指示から正確に抽出することで,アクティブなオブジェクトをローカライズするフレーズグラウンドモデルの性能を向上させることを提案する。 Ego4DおよびEpic-Kitchensデータセットに関するフレームワークの評価を行った。
論文参考訳（メタデータ） (2023-10-23T16:14:05Z)
Active Visual Search in the Wild [12.354788629408933]
本稿では,フリーフォーム言語を用いてターゲットコマンドを入力できるシステムを提案する。私たちはこのシステムをActive Visual Search in the Wild (AVSW)と呼んでいる。 AVSWは、静的なランドマークで表されるセマンティックグリッドマップを通じて、ユーザが入力したターゲットオブジェクトを検出し、検索する計画である。
論文参考訳（メタデータ） (2022-09-19T07:18:46Z)
6D Robotic Assembly Based on RGB-only Object Pose Estimation [35.74647604582182]
厳密な耐性を有するブロックを知覚・把握・操作・組み立てする統合型6次元ロボットシステムを提案する。本システムは,物理的レンダリングを利用した合成画像のみを訓練したモノクロ6Dオブジェクトのポーズ推定ネットワーク上に構築されている。
論文参考訳（メタデータ） (2022-08-27T11:26:24Z)
Object Manipulation via Visual Target Localization [64.05939029132394]
オブジェクトを操作するための訓練エージェントは、多くの課題を提起します。本研究では,対象物体を探索する環境を探索し,位置が特定されると3次元座標を計算し,対象物が見えない場合でも3次元位置を推定する手法を提案する。評価の結果,同じ感覚スイートにアクセス可能なモデルに比べて,成功率が3倍に向上したことが示された。
論文参考訳（メタデータ） (2022-03-15T17:59:01Z)
MoreFusion: Multi-object Reasoning for 6D Pose Estimation from Volumetric Fusion [19.034317851914725]
本稿では,複数の既知の物体の接触と隠蔽の正確なポーズを,リアルタイムな多視点視から推定するシステムを提案する。提案手法は,1枚のRGB-Dビューからの3Dオブジェクトのポーズ提案を行い,カメラが移動すると,複数のビューからのポーズ推定と非パラメトリック占有情報を蓄積する。提案手法の精度とロバスト性を2つのオブジェクトデータセット(YCB-Video)で実験的に検証する。
論文参考訳（メタデータ） (2020-04-09T02:29:30Z)

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。