論文の概要: Lightweight and Resource-Efficient Perception for Robotic Guide Dogs

• arxiv url: http://arxiv.org/abs/2610.03187v2
• Date: Mon, 05 Oct 2026 13:20:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-07 04:43:28.540923
• Title: Lightweight and Resource-Efficient Perception for Robotic Guide Dogs
• Title（参考訳）: ロボットガイド犬に対する軽量・資源効率の認知
• Abstract要約: 衝突回避のための360度カメラと2D LiDARを融合したデバイス上での認識モジュールを提案する。 視覚言語モデルは、ユーザーの不安を軽減するための安全メカニズムとして経路の説明を提供する。 実世界のEgocentric GuideDogQAベンチマークでは,GPT-4oの67.1%と比較して83.8%の精度を達成した。
• 参考スコア（独自算出の注目度）: 14.851753967489849
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Robotic guide dogs should understand their surroundings, objects, and potential risks. Prior research has focused on raw sensor data from cameras and 2D or 3D LiDAR, which precisely measure distance points rather than provide a semantic understanding of the scene. While these physical measurements are effective for robot-centric collision avoidance and robot safety, they are not suitable for human-centric guidance. The system should recognize the type and relevance of obstacles and explain them, clearly and actionably, in terms of their spatial relation to the user. We present complete on-device perception modules that fuse a 360 camera and a 2D LiDAR for reliable collision avoidance, with moving-object detection and tracking for human-centric guidance. Finally, in walking-impossible situations, a vision--language model delivers pathway explanations as a safety mechanism to reduce user anxiety. In experiments, verification of fused 360 camera--LiDAR depth shows reliable near-range perception but inherent mid-range bias, while the system as a whole sustained real-time performance under 55 W. On the real-world egocentric GuideDogQA benchmark, our system achieved 83.8\% accuracy, compared with 67.1\% for GPT-4o. These results demonstrate that practical human-centric guidance with real-time on-device inference is feasible even on quadrupeds.
• Abstract（参考訳）: ロボットガイド犬は周囲、物体、潜在的なリスクを理解しなければならない。 これまでの研究では、カメラと2Dまたは3D LiDARからの生のセンサーデータに焦点が当てられていた。 これらの物理的測定は、ロボット中心の衝突回避とロボットの安全性に有効であるが、人間中心のガイダンスには適さない。 本システムは,ユーザの空間的関係から,障害の種類と関連性を認識し,明確かつ実用的な説明を行う。 衝突回避のための360度カメラと2D LiDARを融合したデバイス上での認識モジュールについて,人中心誘導のための移動物体検出と追跡を行った。 最後に、歩行不可能な状況下では、視覚言語モデルが、ユーザーの不安を軽減するための安全メカニズムとして経路の説明を提供する。実験では、融合した360度カメラ-LiDAR深度は、信頼性の高い近距離知覚を示すが、固有の中距離バイアスを示す一方、システムは、55W以下で持続的なリアルタイム性能を示す。実世界中心の GuideDogQAベンチマークでは、我々のシステムは、67.1\%の精度で、GPT-4oと比較して83.8\%の精度を達成した。 これらの結果から,実時間オンデバイス推論による実践的人間中心指導は,四足歩行でも実現可能であることが示された。

関連論文リスト

• Characterizing Vision-Language-Action Models across XPUs: Constraints and Acceleration for On-Robot Deployment [8.758783768535805]
  VLA(Vision-Language-Action)モデルは、一般的なロボット制御に期待できるが、ロボット上での展開は、コストとエネルギー予算の厳しいリアルタイム推論によってボトルネックとなる。 本稿では,モデル・ハードウエアのコキャラクタリゼーションによる低コストVLAデプロイメントの系統的解析を行う。
  論文  参考訳（メタデータ） (2026-04-27T13:12:16Z)
• End-to-end RL Improves Dexterous Grasping Policies [64.8476328230578]
  本研究は,画像に基づくエンドツーエンド学習のスケールアップ手法について,腕+手システムによる器用な把握について検討する。 我々は、深度と状態に基づく政策の両方をステレオRGBネットワークに訓練・蒸留し、深度蒸留がシミュレーションと現実の両方においてより良い結果をもたらすことを示す。
  論文  参考訳（メタデータ） (2025-09-19T21:21:29Z)
• Minute-Long Videos with Dual Parallelisms [57.22737565366549]
  Diffusion Transformer (DiT)ベースのビデオ拡散モデルは、大規模に高品質なビデオを生成するが、長いビデオの処理遅延とメモリコストは禁じられている。 我々はDualParalと呼ばれる新しい分散推論戦略を提案する。 1つのGPUでビデオ全体を生成する代わりに、時間フレームとモデルレイヤの両方をGPU間で並列化します。
  論文  参考訳（メタデータ） (2025-05-27T11:55:22Z)
• Characterization of GPU TEE Overheads in Distributed Data Parallel ML Training [7.236249885667945]
  信頼できるコンピューティング(CC)または信頼できる実行エンクレーブ(TEE)は、クラウドでセキュアなコンピューティングを実現するための最も一般的なアプローチである。 NVIDIAによるGPU TEEの導入により、モデルウェイトやデータをクラウドプロバイダにリークすることなく、マシンラーニング(ML)モデルをトレーニングすることが可能になった。 本稿では,GPU TEEを用いた分散データ並列(DDP)MLトレーニングの実行に伴う性能オーバーヘッドについて,詳細な解析を行った。
  論文  参考訳（メタデータ） (2025-01-20T22:23:50Z)
• Adaptive Elastic Training for Sparse Deep Learning on Heterogeneous Multi-GPU Servers [65.60007071024629]
  本稿では,Adaptive SGDが4つの最先端ソリューションよりも精度が高いことを示す。 本稿では,Adaptive SGDが時間と精度で4つの最先端ソリューションより優れていることを示す。
  論文  参考訳（メタデータ） (2021-10-13T20:58:15Z)
• Data-Efficient Instance Segmentation with a Single GPU [88.31338435907304]
  我々は2021年のVIPriors Instance Challengeで使用したデータ効率のセグメンテーション手法を紹介した。 私たちのソリューションは、強力なツールボックスであるmmdetectionをベースにした、Swin Transformerの修正版です。 本手法は,全競技者の2位である0.592のAP@0.50:0.95(medium)を達成した。
  論文  参考訳（メタデータ） (2021-10-01T07:36:20Z)
• Faster than FAST: GPU-Accelerated Frontend for High-Speed VIO [46.20949184826173]
  この研究は、既存のコンピュータビジョンアルゴリズムを改善するために、効率的な低レベルGPUハードウェア固有の命令の適用性に焦点を当てている。 特に、非マックス抑圧とその後の特徴選択は、全体的な画像処理遅延への顕著な寄与である。
  論文  参考訳（メタデータ） (2020-03-30T14:16:23Z)

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。