論文の概要: TRACE: Interactive Bi-Directional Tracing of Monochrome Cables Amid Clutter
- arxiv url: http://arxiv.org/abs/2609.29103v1
- Date: Thu, 24 Sep 2026 06:33:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 21:10:09.753799
- Title: TRACE: Interactive Bi-Directional Tracing of Monochrome Cables Amid Clutter
- Title（参考訳）: TRACE:モノクロームケーブルの双方向双方向トレーディング
- Abstract要約: 本稿では双方向ケーブルトレーシングと対話的知覚プリミティブを組み合わせたTRACEについて述べる。
110の物理実験による評価は、TRACEが複雑なシナリオで正しく追跡されたケーブル長の割合を増大させることができることを示唆している。
- 参考スコア（独自算出の注目度）: 15.825701467603926
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate state estimation (tracing) of Deformable Linear Objects (DLOs) such as cables is a critical challenge for data centers, manufacturing, construction, homes, and surgery, where precise cable management directly impacts operational safety and efficiency. However, resolving the state of multiple monochrome cables amid foreground and background clutter poses challenges due to occlusions, overlap, and ambiguous crossings. We present Two-way Routing And Cable Estimation (TRACE), which combines bi-directional cable tracing with interactive perception primitives-Divergence Push and Cluster Dilation-to actively resolve ambiguities. Evaluation with 110 physical experiments suggests that TRACE can increase the percentage of cable length correctly traced in complex scenarios (with up to 4 cables and 40 crossings) from ~60% with the strongest prior method, HANDLOOM 2.0, to ~90%, outperforming RT-DLO, Nano Banana Pro, and ChatGPT 5.2 as well. For a trial run on a workstation with an NVIDIA GeForce RTX 4090 GPU, the average computation time is 0.4 seconds per cable. Project website: https://trace-paper.github.io/.
- Abstract（参考訳）: ケーブルなどの変形可能な線形オブジェクト(DLO)の正確な状態推定(トレース)は、正確なケーブル管理が運用上の安全性と効率に直接影響を与える、データセンター、製造、建設、住宅、手術において重要な課題である。
しかし、前景や背景の乱れの中で複数のモノクロケーブルの状態を解消することは、閉塞、重なり合い、あいまいな交差による問題を引き起こす。
本稿では双方向のケーブルトレーシングと対話的知覚プリミティブを組み合わせた双方向ルーティング・アンド・ケーブル推定(TRACE)について述べる。
110の物理実験による評価では、TRACEは複雑なシナリオ(最大4本のケーブルと40本の踏切)で正しく追跡されたケーブル長の比率を、最強のHANDLOOM 2.0で60%から90%に向上し、RT-DLO、Nano Banana Pro、ChatGPT 5.2を上回っている。
NVIDIA GeForce RTX 4090 GPUを搭載したワークステーション上でのトライアルでは、平均計算時間はケーブルあたり0.4秒である。
プロジェクトウェブサイト:https://trace-paper.github.io/.com
関連論文リスト
- Autonomous Subsea Cable Search and Tracking with Graph-Optimised Priors and Visual Tracking [0.7674821758469581]
本稿では,未確定なケーブル経路マップを利用した新しいケーブル探索・追跡手法を提案する。
経路不確実性は、物理に基づくカテナリーモデルを用いた観測からの距離の関数として制約される。
初期のケーブルルートマップに意図的な誤りがあったにもかかわらず、システムはケーブルを正常に配置し、これを観測と一致させるように更新した。
論文 参考訳（メタデータ） (2026-06-22T17:08:10Z) - Scaling Parallel Sequence Models to Foundation-Scale Vision Encoders [123.58723804218151]
ビジョンファウンデーションモデルは、自己注意の二次的なコストによってボトルネックとなる。
2次元空間伝搬伝搬に基づくC-GSPNを提案する。
論文 参考訳（メタデータ） (2026-05-30T14:29:43Z) - Autonomously Unweaving Multiple Cables Using Visual Feedback [27.549099502088875]
ケーブルは変形可能であり、結び目と複数の織布のセグメントの組み合わせを持つことができる。
本稿では、視覚フィードバックを利用して、ゆるく絡み合ったケーブルの束を解き放つ方法を提案する。
上記の認識計画処理を繰り返すことで、電線や靴紐を84%の成功率で解織できることを実験的に実証した。
論文 参考訳（メタデータ） (2025-12-13T21:42:45Z) - CADTrack: Learning Contextual Aggregation with Deformable Alignment for Robust RGBT Tracking [68.71826342377004]
RGB-Thermal (RGBT) トラッキングは、堅牢な全天候物体追跡のために可視および熱赤外モードを活用することを目的としている。
既存のRGBTトラッカーはモダリティの相違を解決するのに苦労している。
RGBT追跡のためのCADTrackと呼ばれる,変形可能なアライメントによるコンテキストアグリゲーション(Contextual Aggregation)を提案する。
論文 参考訳（メタデータ） (2025-11-22T08:10:02Z) - SCoTT: Strategic Chain-of-Thought Tasking for Wireless-Aware Robot Navigation in Digital Twins [78.53885607559958]
無線対応経路計画フレームワークであるSCoTTを提案する。
SCoTT は DP-WA* の2% 以内で経路ゲインを達成し, 連続的に短い軌道を生成できることを示す。
また,ガゼボシミュレーションにおいて,SCoTTをROSノードとして配置することにより,本手法の実用性を示す。
論文 参考訳（メタデータ） (2024-11-27T10:45:49Z) - CARE Transformer: Mobile-Friendly Linear Visual Transformer via Decoupled Dual Interaction [77.8576094863446]
本稿では,新しいdetextbfCoupled dutextbfAl-interactive lineatextbfR atttextbfEntion (CARE) 機構を提案する。
まず,非対称な特徴分離戦略を提案し,非対称的に学習プロセスを局所帰納バイアスと長距離依存に分解する。
分離学習方式を採用し,特徴間の相補性を完全に活用することにより,高い効率性と精度を両立させることができる。
論文 参考訳（メタデータ） (2024-11-25T07:56:13Z) - A Collision-Aware Cable Grasping Method in Cluttered Environment [12.17415219032655]
粗い環境下での堅牢なケーブルグルーピングを容易にするために設計したケーブル型Grasp畳み込みニューラルネットワークを提案する。
我々は、ケーブルポーズの複雑さを模倣し、ケーブルとロボットグリップの潜在的な衝突を要因とするデータセットを生成する。
我々は、ケーブルで92.3%、未知のケーブルで88.4%の成功率を達成した。
論文 参考訳（メタデータ） (2024-02-22T12:47:04Z) - Hysteresis Compensation of Flexible Continuum Manipulator using RGBD Sensing and Temporal Convolutional Network [2.387821008001523]
ケーブル駆動マニピュレータは、摩擦、伸縮、結合などのキャブリング効果によって制御困難に直面している。
本稿では、ディープニューラルネットワーク(DNN)に基づくデータ駆動型アプローチを提案し、これらの非線形および過去の状態依存特性を捉える。
この手法を実際の手術シナリオに適用することで、制御精度を高め、手術性能を向上させることができる。
論文 参考訳（メタデータ） (2024-02-17T16:20:59Z) - Autonomously Untangling Long Cables [79.09016120505088]
ケーブルは多くの設定でユビキタスですが、セルフオクルージョンや結び目が多いです。
本稿では,二足歩行ロボットを用いて,最大3mのケーブルを自律的にアンハングリングすることに焦点を当てた。
我々は,この作業に特化した長尺ケーブルと新しい顎を効率的に切り離す新しい動作プリミティブを開発した。
論文 参考訳（メタデータ） (2022-07-16T02:35:09Z) - Cascaded Regression Tracking: Towards Online Hard Distractor
Discrimination [202.2562153608092]
本稿では,2段階の逐次回帰トラッカーを提案する。
第1段階では, 容易に同定可能な負の候補を抽出する。
第2段階では、残留するあいまいな硬質試料をダブルチェックするために、離散サンプリングに基づくリッジ回帰を設計する。
論文 参考訳（メタデータ） (2020-06-18T07:48:01Z)
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。