論文の概要: Demo: Vision-Language Model-Guided Online Calibration of an Electromagnetic Digital Twin
- arxiv url: http://arxiv.org/abs/2610.07081v1
- Date: Mon, 05 Oct 2026 11:15:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 02:58:29.544981
- Title: Demo: Vision-Language Model-Guided Online Calibration of an Electromagnetic Digital Twin
- Title（参考訳）: デモ:電磁デジタルツインのビジョンランゲージモデルによるオンライン校正
- Abstract要約: 我々はUnitree G1ロボットとNVIDIA Sionnaを用いた視覚言語モデル(VLM)誘導フレームワークを実演する。
実際の屋内シナリオでは、このフレームワークは通常の平均絶対伝導率誤差を20m以内で1.74times10-4$とする。
- 参考スコア（独自算出の注目度）: 49.722587429415775
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: An electromagnetic (EM) digital twin gives mobile robots wireless situational awareness but depends on material conductivities that change with the environment. Online calibration faces initialization sensitivity and measurement travel costs. We demonstrate a vision-language model (VLM)-guided framework using a Unitree G1 robot and NVIDIA Sionna, with two VLM calls: material classification maps visible materials through ITU-R P.2040 to conductivity priors for Sionna's gradient descent on accumulated received signal strength (RSS) measurements; waypoint planning selects the next measurement location online using residual RSS calibration error and image coverage. In a real indoor scenario, the framework achieves a normalized mean absolute conductivity error of $1.74\times10^{-4}$ within 20 m of travel; random initialization never converges, while random waypoints require over twice the travel.
- Abstract（参考訳）: 電磁式(EM)デジタルツインは、移動ロボットに無線による状況認識を与えるが、環境によって変化する物質伝導度に依存する。
オンラインキャリブレーションは初期化感度と測定旅行コストに直面する。
我々は、Unitree G1ロボットとNVIDIA Sionnaを用いた視覚言語モデル(VLM)誘導フレームワークを、2つのVLMコールで示す: 物質分類は、ITU-R P.2040を介して可視物質をマッピングし、Sionnaの勾配降下の導電率先行を、蓄積された受信信号強度(RSS)の測定、ウェイポイントプランニングは、残差RSSキャリブレーション誤差と画像カバレッジを用いて、次の計測位置をオンラインで選択する。
実際の屋内シナリオでは、このフレームワークは通常の平均絶対伝導率誤差を20m以内で1.74\times10^{-4}$で達成する。
関連論文リスト
- TRACE: Learning to Self-Calibrate Wireless Digital Twins from ISAC Measurements [4.4332734458209435]
無線デジタルツイン(DT)は、無線伝搬を予測し、無線ネットワークの決定をサポートするために3D環境モデルに依存している。
本稿では,既存のDTを無線周波数(RF)測定で修復する方法について検討する。
論文 参考訳（メタデータ） (2026-09-26T20:24:21Z) - Solution for UCF UrbanTwin V2X-Real Track: Sim-to-Real Urban LiDAR 3D Object Detection [54.03436243843709]
本報告では,Sim2Real 3D検出のためのマルチソース協調学習とクラス認識融合フレームワークを提案する。
この方法は、デジタルツインスキャン、拡散露光スキャン、密度安定化スキャン、歩行者形態に整列したサンプルを補完的な役割を持つ統合トレーニングプールに整理する。
論文 参考訳（メタデータ） (2026-09-07T15:16:15Z) - Solution for UCF UrbanTwin LUMPI Track: Sim-to-Real Urban LiDAR 3D Object Detection [54.03436243843709]
UCF UrbanTwin Sim2Real LiDAR Challenge at the 6th DriveX Workshop, ECCV 2026。
検出器は合成データのみに基づいて訓練され、50個の実LiDARフレームで評価される。
ポイントクラウドリアリズムに対して、別の50フレームの合成提案が評価される。
論文 参考訳（メタデータ） (2026-09-07T15:03:36Z) - KODAMA: Multimodal Digital Twin Reconstruction for Urban RF Propagation Modelling [0.0]
Kodamaは、市販の地理空間データだけで都市規模でレイトレーシング対応RFDTを再構築する自動パイプラインである。
ポイント・ツー・ポイントの誤差を、自動ベースライン上で最大5.35dB削減し、測定校正された手作りRFDTの0.22dB以内となる。
論文 参考訳（メタデータ） (2026-09-07T10:16:44Z) - LLM-Empowered Multimodal Fusion Framework for Autonomous Driving: Semantic Enhancement and Channel-Adaptive Design [56.76240343283953]
本稿では,大規模言語モデル中心のセマンティック・レイヤ・チャネル・アウェア・インテグレート・パーセプション・フレームワークを提案する。
ローカルな視覚ストリームと、知覚盲点をカバーするために使用される品質の変化した外部レーダーストリームを融合させる。
nuScenesとVIRATの実験は、我々のアプローチを検証する。
論文 参考訳（メタデータ） (2026-07-02T06:44:02Z) - Taming Vision Priors for Data Efficient mmWave Channel Modeling [17.020987773588907]
微分可能なレイトレーシングは、ミリ波伝搬(mmWave)をモデル化するための物理地上ソリューションを提供する。
微分可能な光線トレーシングは物理地上のソリューションを提供するが、網羅的なチャネル測定への過度な依存のため、まだ展開上の課題に直面している。
我々は、視覚由来の素材と異なる光線トレーシングを統合する、スケーラブルでデータ効率のよいデジタルツインフレームワークであるVisRFTwinを提案する。
論文 参考訳（メタデータ） (2026-03-11T04:35:51Z) - Vision-Language-Model-Guided Differentiable Ray Tracing for Fast and Accurate Multi-Material RF Parameter Estimation [45.40179208702883]
本稿では,マルチマテリアルパラメータ推定を高速化し,安定化する視覚言語モデル(VLM)のフレームワークを提案する。
NVIDIA Sionnaの屋内シーンの実験では、2-4$times$高速収束、10-100$times$低い最終パラメータエラーが示されている。
論文 参考訳（メタデータ） (2026-01-26T07:54:53Z) - LIBRE: The Multiple 3D LiDAR Dataset [54.25307983677663]
We present LIBRE: LiDAR Benchmarking and Reference, a first-of-in-kind dataset with 10 different LiDAR sensor。
LIBREは、現在利用可能なLiDARを公平に比較するための手段を提供するために、研究コミュニティに貢献する。
また、既存の自動運転車やロボティクス関連のソフトウェアの改善も促進する。
論文 参考訳（メタデータ） (2020-03-13T06:17:39Z)
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。