論文の概要: Yggdrasil: a Layer-First 3D Scene Graph for Real-Time Querying

• arxiv url: http://arxiv.org/abs/2609.38640v1
• Date: Tue, 29 Sep 2026 22:59:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:26.820214
• Title: Yggdrasil: a Layer-First 3D Scene Graph for Real-Time Querying
• Title（参考訳）: Yggdrasil: リアルタイムクエリのためのレイヤファーストな3Dシーングラフ
• Abstract要約: 生成と消費の両方に効率的であるように設計された最初の3DシーングラフであるYggdrasilを提示する。 Yggdrasilは、発行されたDSGベースラインに対して、クエリを最大121倍高速に回答する。 我々は,Yggdrasilを3つの公開パイプラインに統合し,人間の軌道予測,目標ナビゲーション,人間を意識した行動計画を行う。
• 参考スコア（独自算出の注目度）: 2.7769526284206982
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robotic agents use 3D scene graphs (3DSG) to perform tasks ranging from scene understanding to scene interaction. Although an extensive body of work addresses scene graph generation, little attention has been paid to optimizing the graph for consumption, which leaves state-of-the-art perception pipelines to work around their own scene graph and to pay a latency cost that does not fit the real-time budget a perception loop runs on. We present Yggdrasil, the first 3D scene graph designed to be efficient for both generation and consumption: a layer-first hierarchical graph built from generic nodes, edges, and layers, which expresses the representations existing pipelines already produce, indoor or outdoor, flat or hierarchical, while natively answering the positional and semantic queries downstream tasks issue. Against a published DSG baseline, Yggdrasil answers queries up to $121\times$ faster, and every query we measure falls between 2 and 127 microseconds, three to five orders of magnitude inside the 200 microsecond keyframe budget a 3DSG consumer lives in, on both a workstation and embedded class device. We integrate Yggdrasil into three published pipelines spanning human trajectory prediction, object-goal navigation, and human-aware motion planning, where it removes up to 99% of the time each spends on its scene graph. The implementation, benchmark harness, and all three integrations are available online.
• Abstract（参考訳）: ロボットエージェントは3Dシーングラフ(3DSG)を使用してシーン理解からシーンインタラクションまでタスクを実行する。 広い範囲の作業ユニットがシーングラフの生成に対処する一方で、現在の認識パイプラインが自身のシーングラフを回避し、認識ループが実行しているリアルタイム予算に適合しないレイテンシコストを支払わなければならないため、消費のためのグラフの最適化にはほとんど注意が払われていない。 ジェネリックノード、エッジ、レイヤから構築されたレイヤファースト階層グラフは、既存のパイプラインがすでに生成している屋内、屋外、フラット、階層的な表現を表現し、位置的およびセマンティックなクエリーと下流タスクの問題にネイティブに答える。 公開されたDSGベースラインに対して、Yggdrasilは、クエリを最大121\times$高速に回答し、計測するすべてのクエリは、ワークステーションと組込みクラスデバイスの両方で、200マイクロ秒のキーフレーム予算内にある3～5桁の2～127マイクロ秒に該当する。 我々は、Yggdrasilを、人間の軌道予測、オブジェクトゴールナビゲーション、人間の認識した動き計画にまたがる3つの公開パイプラインに統合し、それぞれがシーングラフに費やす時間のうち、最大99%を除去する。 実装、ベンチマーク、および3つの統合はすべてオンラインで利用可能である。

関連論文リスト

• Faster Optimization in S-Graphs Exploiting Hierarchy [8.17925295907622]
  冗長なロボットのポーズを余剰にすることでグラフサイズを削減するため,階層構造を利用したSグラフの改良版を提案する。 ベースラインに対する計算時間を39.81%削減しながら,ベースラインと同等の精度を示す。
  論文  参考訳（メタデータ） (2023-08-22T07:35:15Z)
• Incremental 3D Semantic Scene Graph Prediction from RGB Sequences [86.77318031029404]
  RGB画像列が与えられたシーンの一貫性のある3Dセマンティックシーングラフをインクリメンタルに構築するリアルタイムフレームワークを提案する。 提案手法は,新たなインクリメンタルエンティティ推定パイプラインとシーングラフ予測ネットワークから構成される。 提案するネットワークは,シーンエンティティから抽出した多視点および幾何学的特徴を用いて,反復的メッセージパッシングを用いた3次元セマンティックシーングラフを推定する。
  論文  参考訳（メタデータ） (2023-05-04T11:32:16Z)
• SceneGraphFusion: Incremental 3D Scene Graph Prediction from RGB-D Sequences [76.28527350263012]
  rgb-dフレームのシーケンスを与えられた3次元環境から意味的シーングラフを漸進的に構築する手法を提案する。 我々は、グラフニューラルネットワークを用いて、プリミティブシーンコンポーネントからpointnet機能を集約する。 提案手法は,35hzで動作する他の3dセマンティクスおよびパンオプティカルセグメンテーション法と同等の精度で,高いマージンで3dシーングラフ予測手法を上回る。
  論文  参考訳（メタデータ） (2021-03-27T13:00:36Z)
• Learning 3D Semantic Scene Graphs from 3D Indoor Reconstructions [94.17683799712397]
  我々は、グラフ内のシーンのエンティティを整理するデータ構造であるシーングラフに焦点を当てる。 本研究では,シーンの点雲からシーングラフを回帰する学習手法を提案する。 本稿では,3D-3Dおよび2D-3Dマッチングの中間表現としてグラフが機能するドメインに依存しない検索タスクにおける本手法の適用について述べる。
  論文  参考訳（メタデータ） (2020-04-08T12:25:25Z)
• 3D Dynamic Scene Graphs: Actionable Spatial Perception with Places, Objects, and Humans [27.747241700017728]
  動作可能な空間知覚のための統一表現として,3次元ダイナミックシーングラフを提案する。 3D Dynamic Scene Graphsは、計画と意思決定、人間とロボットのインタラクション、長期的な自律性、シーン予測に大きな影響を与える可能性がある。
  論文  参考訳（メタデータ） (2020-02-15T00:46:32Z)

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。