論文の概要: ExcavaTwin: Training-Free Geometry-Guided Semantic Elevation Mapping for Autonomous Excavation

• arxiv url: http://arxiv.org/abs/2609.34719v1
• Date: Mon, 28 Sep 2026 09:25:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 03:26:41.068272
• Title: ExcavaTwin: Training-Free Geometry-Guided Semantic Elevation Mapping for Autonomous Excavation
• Title（参考訳）: ExcavaTwin: 自律的掘削のためのトレーニング不要な幾何ガイド付きセマンティック標高マッピング
• Abstract要約: ExcavaTwinは、掘削固有の訓練を伴わない、純視覚幾何学誘導意味標高マッピングフレームワークである。 マルチビューRGB画像が与えられると、このフレームワークは凍結した視覚モデルを用いてシーンの幾何学と意味的な観察を再構築する。 公共のデータセットと実際の発掘シーンの実験は、信頼できる幾何学的および意味的な知覚を実証している。
• 参考スコア（独自算出の注目度）: 3.460254414101167
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous excavation requires a spatial representation that jointly captures terrain geometry and task-relevant semantics. Existing excavation mapping is largely elevation-centric, while generic semantic models remain unstable in unstructured outdoor scenes. We present ExcavaTwin, a pure-vision geometry-guided semantic elevation mapping framework without excavation-specific training. Given multi-view RGB images, the framework: 1) reconstructs scene geometry and semantic observations using frozen vision models; 2) derives terrain and non-terrain geometric support; 3) performs geometry-constrained multi-view semantic fusion to suppress implausible predictions and recover incomplete observations; and 4) projects the fused state into a task-oriented semantic elevation map. Experiments on public datasets and real excavation scenes demonstrate reliable geometric and semantic perception. In real excavation, the system achieved an average update interval of approximately 1.4 s and a mean elevation error of 12.74cm in dynamically modified regions. Larger errors mainly occur during rapid terrain changes and transient visual disturbances caused by machine motion.
• Abstract（参考訳）: 自律的な発掘には、地形とタスク関連セマンティクスを共同でキャプチャする空間的表現が必要である。 既存の発掘地図は、主に標高中心であるが、非構造屋外のシーンでは、ジェネリックセマンティックモデルが不安定である。 ExcavaTwinは、掘削固有の訓練を伴わない純視覚幾何学誘導意味標高マッピングフレームワークである。 マルチビューのRGBイメージが与えられた場合、フレームワークは以下のようになる。 1)凍結視覚モデルを用いたシーン形状と意味観察の再構築。 2) 地形及び非地形の幾何学的支持を導出すること。 3)不明瞭な予測を抑え、不完全な観測を回復するために、幾何学的に制約された多視点セマンティックフュージョンを実行する。 4) 融合状態をタスク指向のセマンティックな標高マップに投影する。 公共のデータセットと実際の発掘シーンの実験は、信頼できる幾何学的および意味的な知覚を実証している。 実際の発掘では、システムの平均更新間隔は約1.4秒となり、動的に修正された地域での平均標高誤差は12.74cmに達した。 大規模な誤差は主に、機械の動きによる急激な地形変化と過渡的な視覚障害の間に発生する。

関連論文リスト

• DualManip: Agentic Dynamic Manipulation via Dual-Path Semantic Reasoning and Geometric Adaptation [56.09942267971931]
  視覚言語モデル(VLM)は、ロボット操作のオープンボキャブラリ推論を可能にするが、高い推論遅延は動的シーンでの応答性を制限している。 応答的幾何適応から頻繁な意味推論を分離するデュアルパスフレームワークであるDualManipを提案する。 実世界の評価は、非剛性変形、調音再構成、剛性運動、高精度アセンブリを含む6つの操作タスクにまたがる。
  論文  参考訳（メタデータ） (2026-09-25T10:57:02Z)
• LeCropFollow: Latent Space Planning for Navigation in Unstructured Crop Fields [7.898784066160524]
  本稿では,視覚ナビゲーションフレームワークLeCropFollowについて述べる。 その結果,LeCropFollowは非構造行で最先端のベースラインと一致しているが,プランテーションギャップでは著しく優れていた。 これらの結果から,不均一な農業環境下での運用において,潜在計画が幾何的推定に頑健な代替手段となることが示唆された。
  論文  参考訳（メタデータ） (2026-06-30T16:47:08Z)
• Learning 3D Representations for Spatial Intelligence from Unposed Multi-View Images [81.94999489820974]
  UniSplat (UniSplat) は、未提示のマルチビュー画像から3D表現を学習するためのフィードフォワードフレームワークである。 エンコーダにおける幾何誘導を強化するデュアルマスキング戦略を導入する。 第2に,外見のセマンティックな矛盾を解消する粗大なガウス的スプレイティング戦略を開発する。 第3に、予測された3次元点と意味マップを画像平面に相互に関連付ける、ポーズ条件の補正機構を導入する。
  論文  参考訳（メタデータ） (2026-04-12T10:36:18Z)
• G4Splat: Geometry-Guided Gaussian Splatting with Generative Prior [53.762256749551284]
  我々は,3次元シーン再構成を効果的に活用するための基本的な前提条件として,正確な幾何学を同定する。 生成パイプライン全体にこの幾何学的ガイダンスを導入し、可視性マスク推定を改善し、新しいビュー選択をガイドし、ビデオ拡散モデルに着色した場合の多視点一貫性を向上させる。 本手法は,屋内および屋外の両方のシナリオにおいて,高い一般化性を有するシングルビュー入力とアンポーズ映像を自然にサポートする。
  論文  参考訳（メタデータ） (2025-10-14T03:06:28Z)
• AlignGS: Aligning Geometry and Semantics for Robust Indoor Reconstruction from Sparse Views [18.361136390711415]
  屋内シーンのセマンティックにリッチな3Dモデルへの需要は急速に増加しており、拡張現実、仮想現実、ロボット工学の応用によって推進されている。 既存の手法は、しばしば意味論を、既に形成され、潜在的に欠陥のある幾何学に描かれた受動的特徴として扱う。 本稿では、このビジョンを実現する新しいフレームワークであるAlignGSを紹介し、幾何学と意味論の相乗的でエンドツーエンドの最適化を開拓する。
  論文  参考訳（メタデータ） (2025-10-09T06:30:20Z)
• Neural Semantic Surface Maps [52.61017226479506]
  本稿では,2つの属とゼロの形状の地図を自動計算する手法を提案する。 提案手法は,手動のアノテーションや3Dトレーニングデータ要求を排除し,意味的表面-表面マップを生成する。
  論文  参考訳（メタデータ） (2023-09-09T16:21:56Z)

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。