論文の概要: Underwater C3-JEPA: An Object-Centric Cross-View World Model for ROV Salvage
- arxiv url: http://arxiv.org/abs/2609.30214v1
- Date: Thu, 24 Sep 2026 17:45:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 21:10:10.180446
- Title: Underwater C3-JEPA: An Object-Centric Cross-View World Model for ROV Salvage
- Title（参考訳）: 水中C3-JEPA: ROV救難のためのオブジェクト中心のクロスビュー世界モデル
- Abstract要約: 水中C$3$-JEPA(英語: Underwater C$3$-JEPA)は、水中ROV回収のためのオブジェクト中心の多視点予測世界モデルである。
C$3$-JEPAは、マルチカメラの観察をタスクオブジェクトとコンテキストトークンにエンコードし、カメラ間の証拠を監視対象の注意を通して融合させ、制御された将来の状態を直接予測する。
- 参考スコア（独自算出の注目度）: 26.19898363758348
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present Underwater C$^{3}$-JEPA (cross-view, control-conditioned, context-extended), an object-centric multi-view predictive world model for near-field heavy-load underwater ROV salvage. Without contact sensors, it predicts in latent space how the task-object state evolves through contact interaction and under the hydrodynamic lag of the vehicle, from synchronized multi-view RGB observations and vehicle control signals. C$^{3}$-JEPA encodes multi-camera observations into task-object and context tokens, fuses cross-camera evidence through held-out-view attention, and directly predicts future states conditioned on control. Weak binding anchors the target and gripper at low annotation cost, while SIGReg sharpens the geometric representation. Experiments show that the learned representation transfers substantially more task-relevant information to downstream probes than a reconstruction-free latent baseline, while keeping the predictor lightweight. The resulting predictive interface supports model-predictive-control (MPC) candidate evaluation and imagined-rollout behavior-agent training. Validation on real underwater video shows the same architecture recovering a withheld camera's object state and staying ahead of persistence, so the recipe transfers beyond simulation.
- Abstract（参考訳）: 我々は、近距離場重負荷水中ROV回収のためのオブジェクト中心多視点予測世界モデルとして、水中C$^{3}$-JEPA(クロスビュー、制御条件付き、コンテキスト拡張)を提案する。
接触センサーがなければ、マルチビューのRGB観測と車両制御信号から、接触相互作用と車両の動的ラグの下でタスク・オブジェクト状態がどのように進化するかを潜在空間で予測する。
C$^{3}$-JEPAは、マルチカメラ観測をタスクオブジェクトとコンテキストトークンにエンコードし、ホールド・アウト・ビュー・アテンションを通じてクロスカメラエビデンスを融合させ、制御された将来の状態を直接予測する。
弱結合は低いアノテーションコストでターゲットとグリップをアンカーし、SIGRegは幾何学的表現をシャープする。
実験により、学習された表現は、予測器を軽量に保ちながら、再構成のない潜伏ベースラインよりも、下流プローブにタスク関連情報をかなり多く伝達することを示した。
結果として得られる予測インターフェースは、モデル予測制御(MPC)候補の評価と、想像的なロールアウト行動エージェントトレーニングをサポートする。
実際の水中ビデオの検証では、保持されていないカメラのオブジェクト状態が回復し、永続性の前に留まっているのと同じアーキテクチャが示されており、レシピはシミュレーションを超えて転送される。
関連論文リスト
- Hydra: A Navigation World Action Model with Discrete Latent Planning and Continuous Flow-Matching Execution [51.519325778407016]
世界モデルは、ロボットが未来を想像することを可能にするが、リアルタイム制御にこの能力を活用することは、表現のミスアライメントによってボトルネックとなる。
我々は、このギャップを埋める個別のワールドアクションモデルであるHydraを紹介します。
Hydraは、目標指向の計画において最先端の世界モデルよりも優れており、主要なリアクティブ基盤ポリシーのクローズドループ実行能力にマッチまたは超越している。
論文 参考訳（メタデータ） (2026-08-29T01:58:19Z) - PBD-AG: Persistent Baseline-Delta Active Graphs with Uncertainty-Aware Inspection for Long-Horizon Service Robots [31.157360078765155]
長距離サービスロボットは、目に見えない環境で自律的に構築できる永続的な世界モデルを必要とする。
本稿では,ロボットが検証した安定なフィクスチャを,変更可能な動的オブジェクトイベントから分離する,永続的ベースラインデルタアクティブグラフフレームワークPBD-AGを提案する。
論文 参考訳（メタデータ） (2026-08-11T04:03:54Z) - OASIS: Observation-Action Space Alignment via SE(3) Trajectory Prediction for Robotic Manipulation [41.754765514902736]
本稿では,中間表現と作用空間を$SE(3)$ trajectory predictionで整列するビジュモータポリシーを提案する。
OASISは、3D対応の機能エンコーダを結合し、視覚言語とメートル法深度機能を$SE(3)$ trajectory predictorで融合する。
OASISは、VLAとWAMのベースラインを成功率とアウト・オブ・ディストリビューションの一般化で上回っている。
論文 参考訳（メタデータ） (2026-05-25T13:28:33Z) - Asset Harvester: Extracting 3D Assets from Autonomous Driving Logs for Simulation [63.01022057888141]
Asset Harvesterはイメージ・ツー・3Dモデルとエンドツーエンドのパイプラインで、実際の運転ログからスパース・イン・ザ・ワン・オブジェクトの観察を完全なシミュレーション可能なアセットに変換する。
SparseViewDiTは、限定角度ビューやその他の実世界のデータ課題に対処するように明示的に設計されている。
論文 参考訳（メタデータ） (2026-04-20T16:20:57Z) - LatentPilot: Scene-Aware Vision-and-Language Navigation by Dreaming Ahead with Latent Visual Reasoning [51.969318585152116]
LatentPilotは、トレーニング中の将来の観察を貴重なデータソースとして利用して、アクション条件付きビジュアルダイナミクスを学習する。
そこで本稿では,フライホイール方式のトレーニング機構を提案する。これは,道路上の軌道を反復的に収集し,エージェントの行動分布に適合するようにモデルを再訓練する。
R2R-CE、RxR-CE、R2R-PEベンチマークの実験では新たなSOTA結果が得られた。
論文 参考訳（メタデータ） (2026-03-31T02:21:59Z) - FlowHOI: Flow-based Semantics-Grounded Generation of Hand-Object Interactions for Dexterous Robot Manipulation [23.19464039872024]
FlowHOIは、時間的にコヒーレントなHOIシーケンスを生成するフローマッチングフレームワークである。
本研究では,FlowHOIが最も高い動作認識精度と1.7$times$高い物理シミュレーション成功率を達成することを示す。
論文 参考訳（メタデータ） (2026-02-13T20:46:08Z) - Bench2Drive-R: Turning Real World Data into Reactive Closed-Loop Autonomous Driving Benchmark by Generative Model [63.336123527432136]
我々は,リアクティブ閉ループ評価を可能にする生成フレームワークであるBench2Drive-Rを紹介する。
既存の自動運転用ビデオ生成モデルとは異なり、提案された設計はインタラクティブなシミュレーションに適したものである。
我々は、Bench2Drive-Rの生成品質を既存の生成モデルと比較し、最先端の性能を達成する。
論文 参考訳（メタデータ） (2024-12-11T06:35:18Z) - iSDF: Real-Time Neural Signed Distance Fields for Robot Perception [64.80458128766254]
iSDFは実時間符号付き距離場再構成のための連続学習システムである。
より正確な再構築と、衝突コストと勾配のより良い近似を生成する。
論文 参考訳（メタデータ） (2022-04-05T15:48:39Z) - MODS -- A USV-oriented object detection and obstacle segmentation
benchmark [12.356257470551348]
海上物体検出とより一般的な海上障害物セグメンテーションの2つの主要な知覚タスクを考慮する新しい障害物検出ベンチマークMODSを紹介します。
船載IMUと同期する約81kのステレオ画像と60k以上の物体を注釈付けした新たな海洋評価データセットを提案する。
実用的なUSVナビゲーションに有用な方法で検出精度を反映した新しい障害物分割性能評価プロトコルを提案する。
論文 参考訳（メタデータ） (2021-05-05T22:40:27Z) - Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for
Online Collision Avoidance [95.86944752753564]
本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。
我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。
本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
論文 参考訳（メタデータ） (2020-07-28T07:34:30Z)
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。
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。