論文の概要: FlipToSee: A Probabilistic Stable Placement Prior for Active Visual Exploration via Regrasping
- arxiv url: http://arxiv.org/abs/2609.20078v1
- Date: Thu, 17 Sep 2026 11:36:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:54.244735
- Title: FlipToSee: A Probabilistic Stable Placement Prior for Active Visual Exploration via Regrasping
- Title（参考訳）: FlipToSee: レギュラピングによるアクティブなビジュアル探索に先立つ確率的安定配置
- Abstract要約: 安定配置予測は本質的にマルチモーダルであり、従来の6-DoF回帰は、モデル変換と面内ヨーによりさらにあいまいさをもたらす。
本稿ではFlipToSeeを提案する。FlipToSeeは、S2$上の単体サポート正規値として配置をパラメータ化することで、この表現のあいまいさを取り除く確率的フレームワークである。
シミュレーションでは、FlipToSeeは配布外物で980.4%、流通外物で955.3%、家庭用のYCBオブジェクトにゼロショットで90.0%の初歩的な成功を達成している。
- 参考スコア（独自算出の注目度）: 2.224313780965179
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Active visual exploration of tabletop objects often requires reorienting an unknown resting object onto a different stable support face to expose occluded surfaces. To identify such placements without exhaustive physical search, we learn a probabilistic placement prior from a single-view point cloud. Stable placement prediction is inherently multimodal, and conventional 6-DoF regression introduces further ambiguity by modeling translation and in-plane yaw. We therefore propose FlipToSee, a probabilistic framework that removes this representational ambiguity by parameterizing placements as unit support normals on $S^2$ while modeling their multimodal conditional distribution via a von Mises--Fisher mixture density network. To decouple mode diversity from physical robustness, FlipToSee deterministically extracts a compact candidate set from the mixture components and applies robustness-aware reranking using an auxiliary head trained with candidate-aligned supervision. In simulation, FlipToSee achieves $98.4\%$ first-proposal success on in-distribution objects, $95.3\%$ on out-of-distribution shapes, and $90.0\%$ under zero-shot transfer to household YCB objects. We further demonstrate the learned placement prior on a physical robot by integrating it with grasp and motion planning for exploratory regrasping.
- Abstract（参考訳）: テーブルトップオブジェクトのアクティブな視覚的な探索は、隠蔽面を公開するために、未知の静止物体を別の安定した支持面に並べ直す必要があることが多い。
物理探索を徹底せずにそのような配置を特定するために,単一視点の雲から確率的配置を事前に学習する。
安定配置予測は本質的にマルチモーダルであり、従来の6-DoF回帰は、モデル変換と面内ヨーによりさらにあいまいさをもたらす。
そこで我々は,FlipToSeeを提案する。FlipToSeeは,フォン・ミセス-フィッシャー混合密度ネットワークを用いて,多モード条件分布をモデル化しながら,S^2$の単体サポート正規化として配置をパラメータ化することで,この表現のあいまいさを除去する確率的フレームワークである。
モードの多様性を物理的堅牢性から切り離すために、FlipToSeeは、混合成分からコンパクトな候補セットを決定的に抽出し、候補を整列した監督を訓練した補助ヘッドを用いてロバストネスを意識的に再評価する。
シミュレーションでは、FlipToSeeは、非分布オブジェクトで9,8.4\%、非分布オブジェクトで9,5.3\%、非分布オブジェクトで90.0\%を達成している。
さらに、物理ロボットに先立って学習した位置を、探索的再現のための把握と運動計画と統合して示す。
関連論文リスト
- Interpretable Fuzzy Inference for UAV Target Tracking Using Bounding-Box Geometry [0.528933036850801]
YOLOボックスから抽出した低次元特徴から連続ヨーコマンドを生成する解釈可能なファジィ推論フレームワークを提案する。
その結果、このフレームワークは透過的で、データ効率が高く、計算量も軽量であり、リアルタイムの視覚に基づくUAV誘導に適していることが判明した。
論文 参考訳（メタデータ） (2026-08-04T18:18:29Z) - The Hyperspherical Geometry of CLIP Latent Space: A Semantic Mixture Model [73.29820477295043]
Contrastive Language-Image Pretraining (CLIP) 表現は、コサイン類似性によって支配されるセマンティック埋め込み空間を形成する。
本稿では,MovMF(MovMF)分布の混合に基づくCLIP潜伏空間の原理密度モデルを提案する。
論文 参考訳（メタデータ） (2026-07-15T10:05:53Z) - Capability $\neq$ Interpretability: Human Interpretability of Vision Foundation Models [24.250649573452666]
視覚モデルの人間の解釈可能性を測定し比較するための枠組みを構築した。
チャンスアンコールされたスコアリング関数は、すべてのモデルを共通のスケールに配置する。
ファンデーションモデルは、監督されたモデルよりも、*無関係に解釈可能である。
論文 参考訳（メタデータ） (2026-05-19T18:00:06Z) - Beyond Thinking: Imagining in 360$^\circ$ for Humanoid Visual Search [50.04233606482412]
Humanoid Visual Search (HVS)では、エージェントが没入型360$circ$環境を積極的に探索する必要がある。
Imagining in 360$circ$, a novel framework that decouples the exploration process into a special Imaginator and an Actor。
本研究では,意味空間の先行を明示的にモデル化することで,複雑な環境下での探索効率と成功率を大幅に向上させることを示す。
論文 参考訳（メタデータ） (2026-05-09T20:10:53Z) - SE(3)-PoseFlow: Estimating 6D Pose Distributions for Uncertainty-Aware Robotic Manipulation [21.433019604658366]
本稿では,SE(3)多様体上のフローマッチングを利用して6次元オブジェクトのポーズ分布を推定する新しい確率的フレームワークを提案する。
我々はReal275、YCB-V、LM-Oの最先端の成果を達成し、下流ロボット操作タスクにおいてサンプルベースのポーズ推定がどのように活用できるかを実証した。
論文 参考訳（メタデータ） (2025-11-03T12:11:35Z) - ProDepth: Boosting Self-Supervised Multi-Frame Monocular Depth with Probabilistic Fusion [17.448021191744285]
多フレーム単分子深度推定は、静的シーンの仮定の下で連続するフレーム間の幾何的整合性に依存する。
動的シーンにおける移動物体の存在は必然的に不整合を引き起こし、トレーニング中に複数のフレームの特徴マッチングと誤解を招く。
本稿では,確率論的アプローチを用いて動的オブジェクトによるミスマッチ問題に効果的に対処するProDepthという新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2024-07-12T14:37:49Z) - Stochastic positional embeddings improve masked image modeling [95.03491875332034]
Masked Image Modeling (MIM)は、ラベルなし画像からの学習を可能にする、有望な自己教師型学習アプローチである。
位置埋め込み(StoP)を用いて位置不確実性をMIMに組み込むことを提案する。
StoPは、ロケーション機能への過度な適合を減らし、ロケーションの不確実性に対して堅牢な学習機能に向けてモデルを導く。
論文 参考訳（メタデータ） (2023-07-31T17:59:08Z) - ProbVLM: Probabilistic Adapter for Frozen Vision-Language Models [69.50316788263433]
本稿では,事前学習された視覚言語モデルの埋め込みに対する確率分布を推定する確率的アダプタProbVLMを提案する。
本稿では,検索タスクにおける不確実性埋め込みのキャリブレーションを定量化し,ProbVLMが他の手法よりも優れていることを示す。
本稿では,大規模な事前学習型潜伏拡散モデルを用いて,埋め込み分布を可視化する新しい手法を提案する。
論文 参考訳（メタデータ） (2023-07-01T18:16:06Z) - ReorientDiff: Diffusion Model based Reorientation for Object
Manipulation [18.95498618397922]
望ましい設定でオブジェクトを操作できることは、ロボットが様々な実践的な応用を完了するための基本的な要件である。
本稿では,拡散モデルに基づく手法を用いたリオリエンテーション計画手法であるReorientDiffを提案する。
提案手法は,YCBオブジェクトの集合と吸引グリップを用いて評価し,95.2%のシミュレーション成功率を示す。
論文 参考訳（メタデータ） (2023-02-28T00:08:38Z) - 6D Camera Relocalization in Ambiguous Scenes via Continuous Multimodal
Inference [67.70859730448473]
あいまいさと不確かさを捉えるマルチモーダルカメラ再ローカライズフレームワークを提案する。
我々は、複数のカメラのポーズ仮説を予測し、それぞれの予測の不確実性も予測する。
あいまいな環境下でのカメラローカライゼーション研究を促進するための新しいデータセットを提案する。
論文 参考訳（メタデータ） (2020-04-09T20:55:06Z)
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。