論文の概要: Planning Oriented 3D Scene Completion via Coupled TUDF Occupancy Representation Learning from Partial Observations

• arxiv url: http://arxiv.org/abs/2609.36543v1
• Date: Tue, 29 Sep 2026 02:31:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 04:28:51.330487
• Title: Planning Oriented 3D Scene Completion via Coupled TUDF Occupancy Representation Learning from Partial Observations
• Title（参考訳）: 部分的観察によるTUDF占領表現学習による3次元シーンの計画的完成
• Abstract要約: 経路計画指向の3Dシーン補完フレームワークを提案する。 提案手法は, 完了したTruncated Unsigned Distance Field (TUDF) に基づく連続幾何表現とボクセル単位の占有マップを共同で予測する。 未知環境における実験により,提案手法は幾何再構成品質と下流計画性能の両方を一貫して改善することを示した。
• 参考スコア（独自算出の注目度）: 14.283794792494852
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Partial observability remains a fundamental challenge in robotic navigation, where limited sensor coverage and occlusions leave large portions of the environment unobserved. Existing scene completion methods primarily focus on improving incomplete mapping or reconstructing partially observed 3D structures, but rarely investigate how scene completion can be designed to benefit downstream tasks such as path planning. In this work, we propose a path-planning-oriented 3D scene completion framework that moves beyond pure occupancy modeling toward a coupled geometric formulation. Specifically, given partial LiDAR observations as input, the proposed framework jointly predicts completed Truncated Unsigned Distance Field (TUDF)-based continuous geometric representations and voxel-wise occupancy maps. This coupled representation allows the network to better reason about obstacle boundaries and free-space geometry. To fully exploit the synergy between the two representations, we introduce a bidirectionally coupled learning scheme, where TUDF features provide dense geometric guidance to improve occupancy reconstruction, while occupancy features in turn offer complementary structural constraints that refine distance-field estimation. Consequently, the proposed network directly predicts complete occupancy and TUDF representations, allowing seamless integration of TUDF into trajectory planning without post-processing. Extensive experiments on unseen environments demonstrate that the proposed method consistently improves both geometric reconstruction quality and downstream planning performance.
• Abstract（参考訳）: 部分観測性はロボティックナビゲーションの基本的な課題であり、センサーのカバーと閉塞は環境の大部分を観察できないままである。 既存のシーンコンプリート手法は主に不完全なマッピングの改善や部分的に観察された3次元構造の再構築に重点を置いているが、経路計画のような下流の作業に有利なシーンコンプリートをどのように設計するかはめったに研究されていない。 本研究では,経路計画指向の3次元シーン補完フレームワークを提案する。 具体的には、入力として部分的なLiDAR観測が与えられた場合、提案フレームワークは、完了したTruncated Unsigned Distance Field(TUDF)ベースの連続幾何表現とボクセル単位の占有マップを共同で予測する。 この結合表現により、ネットワークは障害物境界と自由空間幾何学をよりよく推論できる。 両表現間の相乗効果をフル活用するために,TUDFの特徴は密集した幾何学的ガイダンスを提供し,占有特性は距離場推定を洗練させる相補的な構造的制約を提供する。 提案するネットワークは,TUDFの完全占有率とTUDF表現を直接予測し,後処理なしでTUDFの軌道計画へのシームレスな統合を可能にする。 未確認環境における大規模な実験により,提案手法は幾何再構成品質と下流計画性能の両方を一貫して改善することを示した。

関連論文リスト

• SphereSOD: Geometry-Structure Coupled Learning for 360 Salient Object Detection [75.77856258186854]
  360度高解像度物体検出は、全視野にわたって高解像度領域を正確に分割することを目的としている。 既存の手法は主に、パノラマ幾何学と健全な物体構造との相互作用を見越しながら、投影歪みを補正することに焦点を当てている。 SphereSODは、パノラマ幾何学と進化する塩分構造を結合したERPネイティブフレームワークである。
  論文  参考訳（メタデータ） (2026-09-07T14:47:54Z)
• SpatialFly: Geometry-Guided Representation Alignment for UAV Vision-and-Language Navigation in Urban Environments [49.966170814478915]
  UAV VLNのための幾何学誘導空間表現フレームワークを提案する。 明示的な3次元再構成を伴わないRGB観測において、SpatialFlyは幾何学誘導2次元表示アライメント機構を導入する。 実験結果から、SpatialFlyは現状のUAV VLNベースラインを目に見える環境と見えない環境の両方で一貫して上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2026-03-22T03:56:58Z)
• Affostruction: 3D Affordance Grounding with Generative Reconstruction [50.586896835836164]
  Affostructionは、部分的な観察から完全な幾何学を再構築する生成フレームワークであり、その全形状に余裕がある。 空き地での19.1 aIoUと3次元再構築のための32.67 IoUを達成し、完全な形状の正確な空き地予測を可能にする。
  論文  参考訳（メタデータ） (2026-01-14T06:33:12Z)
• GFLAN: Generative Functional Layouts [1.1458853556386797]
  GFLANは、フロアプラン合成を明示的な因子化によって、トポロジカルプランニングと幾何学的実現に再構成する生成フレームワークである。 提案手法は,2段階分解の原理を優先して,直接画素間あるいは壁面追跡生成から逸脱する。
  論文  参考訳（メタデータ） (2025-12-18T07:52:47Z)
• Rethinking Multimodal Point Cloud Completion: A Completion-by-Correction Perspective [8.276620253870338]
  ポイント雲の完成は、部分的な観測から完全な3次元形状を再構築することを目的としている。 ほとんどのメソッドは、いまだにCompletion-by-Inpaintingパラダイムに従っている。 完全形状から始まるコンプリーション・バイ・コレクション(Completion-by-Correction)を提案する。
  論文  参考訳（メタデータ） (2025-11-15T11:51:13Z)
• HierRelTriple: Guiding Indoor Layout Generation with Hierarchical Relationship Triplet Losses [52.70183252341687]
  本稿では,空間的関係学習に着目した階層型三重項に基づく屋内関係学習手法HierRelTripleを提案する。 階層型リレーショナル三重項モデリングフレームワークであるHierRelTripleを導入する。 非条件レイアウト合成、フロアプラン条件付きレイアウト生成、シーン再構成の実験により、HierRelは空間関係のメトリクスを15%以上改善することを示した。
  論文  参考訳（メタデータ） (2025-03-26T07:31:52Z)
• VortSDF: 3D Modeling with Centroidal Voronoi Tesselation on Signed Distance Field [5.573454319150408]
  四面体グリッド上での3次元形状特性を推定するために,明示的なSDFフィールドと浅いカラーネットワークを組み合わせた体積最適化フレームワークを提案する。 Chamfer統計による実験結果は、オブジェクト、オープンシーン、人間などの様々なシナリオにおいて、前例のない復元品質でこのアプローチを検証する。
  論文  参考訳（メタデータ） (2024-07-29T09:46:39Z)
• 360 Layout Estimation via Orthogonal Planes Disentanglement and Multi-view Geometric Consistency Perception [56.84921040837699]
  既存のパノラマ配置推定ソリューションは、垂直圧縮されたシーケンスから部屋の境界を復元し、不正確な結果をもたらす傾向にある。 そこで本稿では,直交平面不整合ネットワーク(DOPNet)を提案し,あいまいな意味論を識別する。 また,水平深度と比表現に適した教師なし適応手法を提案する。 本手法は,単分子配置推定と多視点レイアウト推定の両タスクにおいて,他のSoTAモデルよりも優れる。
  論文  参考訳（メタデータ） (2023-12-26T12:16:03Z)

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。