論文の概要: Foundation-Model-Guided Topology-Aware Semantic Risk Fields for Manipulation
- arxiv url: http://arxiv.org/abs/2609.36640v1
- Date: Tue, 29 Sep 2026 03:46:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:47.162717
- Title: Foundation-Model-Guided Topology-Aware Semantic Risk Fields for Manipulation
- Title（参考訳）: ファンデーションモデルに基づくトポロジ--マニピュレーションのセマンティック・リスク・フィールド
- Abstract要約: 本稿では,衝突回避を超えた安全操作のための基礎モデル誘導型トポロジ対応セマンティックリスクフィールドを提案する。
GPU並列バックエンドは、オブジェクトレベル距離とリスク計算をバッチして、密度の高い3Dフィールドを構築する。
本研究は,フィールドの遮蔽挙動を完全かつ部分的障壁下で評価し,その3次元表現を画素単位のセマンティック・プライアベースラインと比較する。
- 参考スコア（独自算出の注目度）: 12.900006436558405
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Robot motion planning in everyday environments must satisfy hard geometric constraints while accounting for context-dependent semantic risk. We present a foundation-model-guided, topology-aware semantic risk field that extends manipulation safety beyond collision avoidance. For each manipulated-object/scene-object pair, a foundation model provides six directional risk weights and a pair-specific spatial decay scale. The method combines these priors with voxelized 3D scene geometry using topology-aware shielding and geodesic spatial decay. A GPU-parallel backend batches object-level distance and risk computations to construct a dense 3D field that serves as a modular cost for downstream motion planning. We evaluate the field's shielding behavior under full and partial barriers and compare its 3D workspace representation with a pixel-wise semantic-prior baseline. Across three household simulation scenarios, trajectories optimized with the proposed field have lower semantic exposure than collision-only trajectories under the same geometric constraints. We also evaluate the computational practicality and reliability of the supporting pipeline. Together, these results support the proposed field as a practical topology-aware semantic cost representation for manipulation planning beyond collision avoidance.
- Abstract（参考訳）: 日常環境におけるロボットの動き計画は、文脈に依存した意味リスクを考慮しつつ、厳密な幾何学的制約を満たす必要がある。
本稿では,衝突回避以外の操作安全性を向上する基礎モデルに基づくトポロジ対応セマンティック・リスク・フィールドを提案する。
操作対象/シーンオブジェクトペア毎に、ファンデーションモデルは6つの方向リスク重みとペア固有の空間減衰スケールを提供する。
この手法は、これらの先行と、トポロジ対応遮蔽と測地空間減衰を用いたボキセル化3次元シーン幾何を組み合わせたものである。
GPU並列バックエンドは、オブジェクトレベルの距離とリスク計算をバッチして、下流のモーションプランニングのモジュールコストとして機能する高密度な3Dフィールドを構築する。
実測および部分的障壁下でのフィールドの遮蔽挙動を評価し,その3次元ワークスペース表現と画素ワイズ・セマンティック・プライアベースラインを比較した。
3つの家庭シミュレーションシナリオにおいて,提案分野に最適化された軌道は,同じ幾何学的制約の下での衝突のみの軌道よりもセマンティック露出が低い。
また,支援パイプラインの計算実用性と信頼性も評価した。
これらの結果は,衝突回避以外の計画の操作を行うための実用的なトポロジ対応のセマンティックコスト表現として,提案分野を支えている。
関連論文リスト
- SemSafe-3DGS: Semantic Risk-Aware Active Navigation in Uncertain 3D Gaussian Splatting Maps [0.0]
属性付き3次元ガウス地図におけるナビゲーションのための安全行動認識フレームワークについて述べる。
セマンティック属性は、クラス依存リスク重みを通して平均値-アット・リスク衝突クリアランスモデルを変調する。
実験では、効率的な安全制約、アクティブな知覚によるナビゲーションの改善、意味依存的な軌道適応、そしてアッカーマン力学による実ロボット実行が示されている。
論文 参考訳（メタデータ） (2026-09-16T18:56:13Z) - SpaceEra++: A Unified Framework Towards 3D Spatial Reasoning in Video [88.79625979053873]
事前学習型視覚言語モデル(VLM)のための新しいフレームワークSpaceEraを提案する。
データ構築、モデル設計、トレーニング最適化、推論の促進にまたがる、SpaceEra++と呼ばれる、オリジナルのフレームワークを包括的なシステムに拡張します。
さらに,空間的推論を強化するために,絶対座標と相対空間関係を協調的に利用することにより,対物制約を強制するSpaceAlignを開発した。
論文 参考訳（メタデータ） (2026-07-02T06:56:29Z) - 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) - CSSDF-Net: Safe Motion Planning Based on Neural Implicit Representations of Configuration Space Distance Field [23.48697826890044]
非構造環境における高次元マニピュレータ操作には、異なるシーンに依存しない距離問合せ機構が必要である。
CSSDF-Netは、連続署名された距離フィールドを構成空間内で直接学習し、共同空間距離と勾配クエリを提供する。
平面アームと7-DoFマニピュレータの実験は、静的および動的シーンにおける安定した勾配、効果的な衝突回避を示す。
論文 参考訳（メタデータ） (2026-03-19T09:31:41Z) - DISF: Disentangled Iterative Surface Fitting for Contact-stable Grasp Planning with Grasp Pose Alignment to the Object Center of Mass [8.61285912675644]
幾何学的整合性を維持しつつ,接触安定性を両立させる新しい表面整合アルゴリズムを提案する。
人間のつかみ動作にインスパイアされた本手法は,グリップポーズ最適化を3段階に分割する。
我々は,3つのロボットプラットフォーム上でのシミュレーションと実環境実行におけるアプローチを検証する。
論文 参考訳（メタデータ） (2025-12-31T01:15:09Z) - SpatialActor: Exploring Disentangled Spatial Representations for Robust Robotic Manipulation [63.48859753472547]
SpaceActorは、意味論と幾何学を明確に分離する堅牢なロボット操作のためのフレームワークである。
RLBenchの87.4%で最先端のパフォーマンスを達成し、ノイズの異なる条件下では13.9%から19.4%改善している。
論文 参考訳（メタデータ） (2025-11-12T18:59:08Z) - Aligning Silhouette Topology for Self-Adaptive 3D Human Pose Recovery [70.66865453410958]
アーティキュレーション中心の2D/3Dポーズ監視は、既存の多くの人間のポーズ推定技術においてコアトレーニング目標を形成する。
本稿では,ソース学習モデルベース回帰器を適応させるために,シルエット監視のみに依存する新しいフレームワークを提案する。
我々は、トポロジカル・スケルトン表現を生シルエットから切り離すために、一連の畳み込みに優しい空間変換を開発する。
論文 参考訳（メタデータ） (2022-04-04T06:58:15Z) - Nothing But Geometric Constraints: A Model-Free Method for Articulated
Object Pose Estimation [89.82169646672872]
本稿では,ロボットアームの関節構成を,モデルに先入観を持たずにRGBまたはRGB-D画像のシーケンスから推定する,教師なし視覚ベースシステムを提案する。
我々は,古典幾何学的定式化と深層学習を組み合わせることで,この課題を解決するために,極性多剛体制約を拡張した。
論文 参考訳（メタデータ） (2020-11-30T20:46:48Z) - 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。