論文の概要: Imagine then Verify: Affordance-Targeted Active Perception for Task-Oriented Grasping in Cluttered Scenes

• arxiv url: http://arxiv.org/abs/2609.23504v1
• Date: Sun, 20 Sep 2026 09:42:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-24 16:36:42.882151
• Title: Imagine then Verify: Affordance-Targeted Active Perception for Task-Oriented Grasping in Cluttered Scenes
• Title（参考訳）: クリーニングシーンにおけるタスク指向型グラフプのためのアクティベート知覚
• Abstract要約: Affordance-Targeted Active PerceptionフレームワークであるATAPを提案する。 ATAPは、視点計画を、徹底的な目標スキャンから目標価格検証にシフトする。 ATAPは、固定ビューTOGベースラインよりも機能的把握成功率を大幅に向上させる。
• 参考スコア（独自算出の注目度）: 17.80883518301066
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Task-oriented grasping (TOG) requires robots to grasp functional parts of objects (e.g., the handle of a mug for pouring), yet these affordance regions are frequently occluded in cluttered scenes. Active perception via next-best-view (NBV) planning can resolve such occlusions by moving the camera for more informative observations. However, existing NBV methods typically optimize viewpoints for grasping the target object as a whole without distinguishing which part is task-relevant. A naive adaptation, fully scanning the target object before predicting the affordance, wastes most of the viewpoint budget on task-irrelevant surfaces (e.g., the mug body for pouring). To address this, we propose ATAP, an Affordance-Targeted Active Perception framework that shifts viewpoint planning from exhaustive target scanning to targeted affordance verification. ATAP hypothesizes the occluded target geometry via a generative shape prior and predicts the affordance distribution over the imagined complete surface. In cluttered scenes, severe occlusion can make the location of the hidden affordance ambiguous, leaving multiple locations plausible given the partial observation. ATAP therefore introduces an uncertainty-aware viewpoint planner that jointly optimizes expected entropy reduction over these competing hypotheses and expected affordance verification gain from real observations. This process iterates until the affordance is sufficiently verified for grasp execution. Experiments in simulation and real-world cluttered scenes show that ATAP substantially improves the functional grasp success rate over fixed-view TOG baselines, and outperforms reconstruction-based active perception with over 57% fewer NBV steps.
• Abstract（参考訳）: タスク指向グリーピング(TOG)では、ロボットが物体の機能的部分(例えば、注ぐためのマグカップのハンドル)を把握する必要があるが、これらの余裕領域は散らばったシーンでしばしば閉鎖される。 次世代ビュー(NBV)計画によるアクティブな知覚は、より情報的な観察のためにカメラを移動させることで、そのような閉塞を解消することができる。 しかし,既存のNBV手法では,どの部分がタスク関連であるかを区別することなく,対象対象全体を把握するための視点を最適化することが一般的である。 空き地を予測する前に対象物を完全にスキャンするナイーブ適応は、タスク非関連表面(例えば、注ぐマグカップ本体)の視点予算の大部分を無駄にする。 そこで,本稿では,対象目標のスキャンから目標金額の検証に視点計画を移行させる,Affordance-Targeted Active PerceptionフレームワークであるATAPを提案する。 ATAPは、隠蔽されたターゲット形状を前もって生成形状で仮説化し、想像された完全な表面上の空隙分布を予測する。 散らかったシーンでは、厳密な閉塞が隠れた余地の位置を曖昧にし、部分的な観察によって複数の場所が明らかになる。 そのため、ATAPは、これらの競合する仮説に対する期待エントロピー削減と、実際の観測から期待される可測性検証を共同で最適化する不確実性対応の視点プランナーを導入している。 この処理は、実行の把握に十分な可否が検証されるまで反復する。 シミュレーションおよび実世界の散在シーンにおける実験により、ATAPは固定ビューTOGベースラインよりも機能的把握成功率を大幅に向上し、NBVステップを57%以上減らして再構成に基づく能動知覚を上回った。

関連論文リスト

• Imagine-TAMP: Imagination-Guided Task and Motion Planning in Partial Observability [2.624902795082451]
  imagine-TAMPはタスクレベルの戦略のためのインターリーブな計画および実行フレームワークである。 視覚言語モデルは、ターゲット位置に対する粒子の信念を形成する。 生成的シーンモデルは、観測されていない領域における可塑性幾何を推定する。 実験により、想像力による評価が観察と操作の意思決定を改善することが示された。
  論文  参考訳（メタデータ） (2026-09-17T13:44:35Z)
• Pose-aware Legged Robot Semantic Exploration with Omnidirectional Perception in Confined Unknown Environments [10.06498723895673]
  POSEは、地上ロボットのためのポーズアウェアな意味探索システムである。 脚のあるロボットの本質的なボディピッチを利用し、全方向カメラとLiDARの認識で回転する。
  論文  参考訳（メタデータ） (2026-09-16T22:04:07Z)
• Seek to Segment: Active Perception for Panoramic Referring Segmentation [76.39419654494505]
  既存の参照セグメンテーションモデルは、固定された視点からキャプチャされた静的イメージを受動的に処理する。 能動パノラマ参照のためのメモリ拡張エージェントであるPanoSeekerを提案する。 新たに確立したAPRSベンチマーク実験により、PanoSeekerはより優れた探索効率とセグメンテーション精度を実現することが示された。
  論文  参考訳（メタデータ） (2026-07-02T17:56:49Z)
• GCNGrasp-VP: Affordance-Guided View Planning for Efficient Task-Oriented Grasping [5.388304847250797]
  GCNGrasp-VPは、アベイランスフィールド予測とアクティブなビュープランニングを統合した効率的なフレームワークである。 本手法は,一視点調整のみで,シーン不確実性駆動ベースラインを著しく上回る。
  論文  参考訳（メタデータ） (2026-06-17T13:59:19Z)
• Motion-Uncertainty-Aware Next-Best-View Planning for Moving Object Reconstruction [13.309411974709574]
  本研究では、平面運動中の未知の剛体物体を再構成するための運動不確実性を考慮したNBVフレームワークを提案する。 この予測的信念を得るために、固定ラグガウス過程はよりスムーズな推定を行い、ノイズのある位置測定から対象状態を予測する。 得られた信念は、予測対象位置に関する候補視点を生成し、到達可能性によってそれらをフィルタリングし、予測されるカバレッジ駆動スコアを推定するために使用される。
  論文  参考訳（メタデータ） (2026-05-17T18:45:38Z)
• PosA-VLA: Enhancing Action Generation via Pose-Conditioned Anchor Attention [92.85371254435074]
  PosA-VLAフレームワークは、ポーズ条件付き監視を通じて視覚的注意を保ち、タスク関連領域に対するモデルの認識を一貫して導く。 本手法は,多様なロボット操作ベンチマークにおいて,正確かつ時間効率のよい動作を実施できることを示す。
  論文  参考訳（メタデータ） (2025-12-03T12:14:29Z)
• OC-SOP: Enhancing Vision-Based 3D Semantic Occupancy Prediction by Object-Centric Awareness [18.342569823885864]
  本稿では,検出ブランチから抽出した高レベルなオブジェクト中心キューを,意味的占有率予測パイプラインに統合するフレームワークを提案する。 このオブジェクト中心の統合により、前景オブジェクトの予測精度が大幅に向上する。
  論文  参考訳（メタデータ） (2025-06-23T16:03:53Z)
• Seamless Detection: Unifying Salient Object Detection and Camouflaged Object Detection [73.85890512959861]
  本稿では,SOD(Salient Object Detection)とCOD(Camouflaged Object Detection)を統合化するためのタスク非依存フレームワークを提案する。 我々は、間隔層と大域的コンテキストを含む単純で効果的なコンテキストデコーダを設計し、67fpsの推論速度を実現する。 公開SODデータセットとCODデータセットの実験は、教師なし設定と教師なし設定の両方において、提案したフレームワークの優位性を実証している。
  論文  参考訳（メタデータ） (2024-12-22T03:25:43Z)
• Top-Down Visual Attention from Analysis by Synthesis [87.47527557366593]
  我々は、古典的分析・合成(AbS)の視覚的視点からトップダウンの注意を考察する。 本稿では,AbSを変動的に近似したトップダウン変調ViTモデルであるAbSViT(Analytic-by-Synthesis Vision Transformer)を提案する。
  論文  参考訳（メタデータ） (2023-03-23T05:17:05Z)

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。