論文の概要: DeltaSeek: Toward Active Perception in Evolving Construction Environments
- arxiv url: http://arxiv.org/abs/2609.33836v1
- Date: Sun, 27 Sep 2026 18:36:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-04 16:22:47.001788
- Title: DeltaSeek: Toward Active Perception in Evolving Construction Environments
- Title（参考訳）: DeltaSeek: 建設環境の進化におけるアクティブな知覚に向けて
- Abstract要約: DeltaSeekは、構築環境の進化におけるアクティブな認識に向けた最初のフレームワークである。
我々は、エンボディメントの許容可能な観測セットを形式化し、UR5eを備えたHusky A300で評価する。
両方の実施形態で観察される変更は、手首カメラが6.0ドル、シャシーカメラが15.2ドルである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Construction environments evolve continuously, causing large geometric changes that degrade static mapping and registration performance. This necessitates active perception, where robots deliberately select sensing configurations to resolve the environment's current state. We present DeltaSeek, an initial framework toward active perception in evolving built environments. While our broader objective is a system that reasons about where, how, and when to observe, this paper addresses a critical prerequisite: how a robot's sensing embodiment constrains the observations it can acquire. We formalize an embodiment's permissible observation set and evaluate with a Husky A300 equipped with a UR5e on an IFC-derived benchmark under chassis-mounted and wrist-mounted RGB-D configurations, scoring observations by geometric visibility and effort by drivable distance. In a room-scale scene with eight controlled changes spanning four observability conditions, exhaustive evaluation over 240 permissible base poses and five arm postures shows that two changes admit no chassis viewpoint whatsoever, while the wrist camera resolves both. For changes observed by both embodiments, the median base travel is $6.0$~m for the wrist camera and $15.2$~m for the chassis camera. These results distinguish sensing limitations from acquisition costs, clarifying whether an observation is impossible or simply requires more travel.
- Abstract（参考訳）: 建設環境は継続的に進化し、静的マッピングと登録性能を低下させる大きな幾何学的変化を引き起こす。
これはアクティブな知覚を必要とし、ロボットは環境の現在の状態を解決するために、意図的に感知された構成を選択する。
DeltaSeekは、構築環境の進化におけるアクティブな認識に向けた最初のフレームワークである。
より広い目的は、どこで、どのように、いつ観察するかを判断するシステムであるが、本論文は、ロボットの知覚的体感が、取得可能な観察をいかに制限するかという、重要な前提条件に対処する。
我々は,IFC系ベンチマークにUR5eを装着したHusky A300をシャーシマウントおよび手首マウントのRGB-D構成で実施し,幾何学的視界による観察と乾燥距離による努力で評価する。
4つの可観測条件にまたがる8つの制御された変化のある部屋の大きさのシーンでは、240以上の許容ベースポーズと5つの腕の姿勢を徹底的に評価すると、2つの変更がシャーシ視点を認めていないのに対し、手首カメラは両方を解決している。
両方の実施形態で観察される変更は、手首カメラでは6.0$~m、シャシーカメラでは15.2$~mである。
これらの結果は、観測が不可能であるか、単により多くの旅行を必要とするかを明確にすることで、取得コストと知覚的制限を区別する。
関連論文リスト
- Underwater C3-JEPA: An Object-Centric Cross-View World Model for ROV Salvage [26.19898363758348]
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。
論文 参考訳（メタデータ） (2026-09-24T17:45:42Z) - LIBERO-VPro: Benchmarking Closed-Loop Visual Robustness of Robotic Foundation Models [61.038310084204056]
本稿では,ロボット基礎モデルの閉ループ視覚的堅牢性を評価するためのベンチマークであるLIBERO-VProを紹介する。
約196,000回にわたって3つの視覚言語行動モデルと3つの世界行動モデルを評価した。
以上の結果から,強い名目性能は視覚的接地や適応において重大な弱点を隠蔽する可能性が示唆された。
論文 参考訳（メタデータ） (2026-09-21T09:43:41Z) - AquaOrbit: Sim-to-Real Reinforcement Learning for Underwater Target Orbiting under Intermittent Visual Feedback [51.92060148406936]
間欠的な視覚的損失は、水中周回中の目標相対的なフィードバックを妨害する。
AquaOrbitは、水中の目標軌道を周回するリカバリモジュールを備えた強化学習用コントローラである。
論文 参考訳（メタデータ） (2026-09-21T03:29:45Z) - 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) - Robostral Navigate [138.74472687550374]
Robostral Navigateは、大規模なナビゲーションシステムのための視覚言語モデルである。
モノラルなRGB画像のストリームのみを消費し、現在のカメラビューの次のターゲット位置を指して、ウェイポイントを予測する。
我々は、実世界のデータ収集への依存を減らすため、350kのシミュレートされたシーンに240万のトラジェクトリを生成します。
論文 参考訳（メタデータ） (2026-07-22T23:13:05Z) - Can Vision Foundation Models Navigate? Zero-Shot Real-World Evaluation and Lessons Learned [5.561294055181353]
ビジュアルナビゲーションモデル(VNM)は、大規模な視覚的なデモンストレーションから学ぶことで、一般化可能なロボットナビゲーションを約束する。
室内と屋外にまたがる2つのロボットプラットフォームと5つの環境にまたがる5つの最先端VNMの現実的評価について述べる。
論文 参考訳（メタデータ） (2026-03-26T22:04:49Z) - Mobile Robot Localization Using a Novel Whisker-Like Sensor [2.4440761580878823]
本稿では,単一のウィスカセンサを用いて,既知の平面環境下での接触点とロボット位置を推定するための枠組みを提案する。
その結果,7mm以下の誤差で正確な接触推定と位置推定が得られた。
論文 参考訳（メタデータ） (2026-01-09T08:11:15Z) - The RoboSense Challenge: Sense Anything, Navigate Anywhere, Adapt Across Platforms [244.78980521248445]
RoboSense 2025 Challengeは、さまざまな知覚シナリオにわたるロボット知覚における堅牢性と適応性を向上するために設計された。
言語による意思決定、社会的に適合したナビゲーション、センサー構成の一般化、クロスプラットフォームとクロスプラットフォームの対応、クロスプラットフォームの3D知覚にまたがる5つの補完的な研究トラックを統一する。
この挑戦は16カ国の85の機関から143のチームが参加し、コミュニティの幅広い関与を反映した。
論文 参考訳（メタデータ） (2026-01-08T15:16:18Z) - RoboSense: Large-scale Dataset and Benchmark for Egocentric Robot Perception and Navigation in Crowded and Unstructured Environments [62.5830455357187]
我々は3種類のセンサー(Camera, LiDAR, Fisheye)をベースとした自我中心型マルチセンサデータ収集プラットフォームを構築した。
大規模なマルチモーダルデータセットであるRoboSenseは、エゴセントリックなロボット知覚を促進するために構築されている。
論文 参考訳（メタデータ） (2024-08-28T03:17:40Z)
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。