論文の概要: Sensor-Layout-Agnostic Navigation via Geometric Observation Canonicalization

• arxiv url: http://arxiv.org/abs/2610.08306v1
• Date: Tue, 06 Oct 2026 13:11:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:30.000369
• Title: Sensor-Layout-Agnostic Navigation via Geometric Observation Canonicalization
• Title（参考訳）: 幾何学的観測正準化によるセンサレイアウト非依存ナビゲーション
• Abstract要約: 既存のビジュアルナビゲーションポリシーは、本質的に固定されたカメラ構成に縛られている。 多様な深度センサ構成をまたいで一般化可能なエンボディメントインフォームドナビゲーションポリシーを提案する。
• 参考スコア（独自算出の注目度）: 11.648973329789973
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Existing visual navigation policies are inherently bound to fixed camera configurations, creating a fundamental barrier to zero-shot deployment across heterogeneous robot sensor layouts. To overcome this limitation, we present an embodiment-informed navigation policy capable of generalizing across diverse depth sensor configurations on a specific aerial platform. Instead of implicitly learning spatial alignments, our approach explicitly unprojects depth measurements from arbitrary depth sensor payloads, varying in sensor count, mounting extrinsics, and intrinsics, into a shared robot-centric frame, stitching them into a unified spherical range image and a binary validity mask. This mask allows the downstream policy to explicitly distinguish covered space from unobserved blind spots. Trained via reinforcement learning with aggressive camera randomization, our policy generalizes zero-shot to unseen layouts featuring up to seven cameras, scaling success rates from 78% to 95% as total spatial sensing coverage increases. Finally, real-world flight trials on a physical quadrotor, conducted in an obstacle-filled corridor and an outdoor forest, validate the policy's zero-shot transfer across camera configurations and its resilience to sudden online sensor dropouts.
• Abstract（参考訳）: 既存のビジュアルナビゲーションポリシーは、本質的に固定されたカメラ構成に縛られているため、異種ロボットセンサーレイアウトを横断するゼロショットデプロイメントの基本的な障壁となる。 この制限を克服するために,特定の航空プラットフォーム上での多様な深度センサ構成を一般化可能なエンボディメントインフォームドナビゲーションポリシーを提案する。 空間的アライメントを暗黙的に学習する代わりに,センサ数,外在性,内在性など,任意の深度センサペイロードからの深度測定をロボット中心の共有フレームに投射し,それらを統一球面範囲の画像と二値妥当性マスクに縫合する。 このマスクにより、下流のポリシーは、カバーされた空間と観測されていない盲点を明確に区別することができる。 積極的カメラランダム化による強化学習により,最大7台のカメラを備えたゼロショットから非表示レイアウトを一般化し,空間感知範囲の増大に伴い,成功率を78%から95%に拡大する。 最後に、障害物で満たされた廊下と屋外の森で行われた物理的四角形機の実世界飛行試験では、カメラ構成間のゼロショット転送と、突然のオンラインセンサーの落下に対するレジリエンスが検証された。

関連論文リスト

• UniPoint: Unified Point-Level Sensor Fusion for Humanoid Locomotion Across Challenging Terrains [5.891198839622618]
  We present UniPoint, a humanoid whole-body locomotion framework built on multi-source point-level sensor fusion。 地形を意識した報酬、知覚劣化注入、ドメインランダム化を含む単一のトレーニングは、8種類の地形に対して1つのポリシーを生成し、微調整なしでRK3588に展開する。 DR02のヒューマノイドでは、70cmの高さのプラットフォーム、100cmの隙間、細いバリア、スパースまたは狭い足場で、9つの現実的な設定のそれぞれで20の試験が実施されている。
  論文  参考訳（メタデータ） (2026-09-20T14:23:30Z)
• OmniPoint: Universal Monocular Metric Pointcloud from Any Camera [79.24417597712802]
  OmniPointは、様々な画像センサにまたがるメートル法再構成を一般化するために設計された統合されたフレームワークである。 射影剛性を克服するため、OmniPointは従来の平面深度回帰を放棄する。 代わりに、分離された訓練目標とともに、分離された光線と距離の表現を採用する。
  論文  参考訳（メタデータ） (2026-09-08T19:45:58Z)
• Vision-Guided MPPI for Agile Drone Racing: Navigating Arbitrary Gate Poses via Neural Signed Distance Fields [8.66703842496129]
  ドローンレースには、極端なアジリティの下での認識、計画、制御の緊密な結合が必要です。 近年のアプローチは、事前計算された空間基準軌道や明示的な6-DoFゲートポーズ推定に依存している。 そこで我々は,任意の配置と配向ゲートを介して,参照不要のアジャイル飛行を可能にするビジョンガイド付き最適制御フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-07T13:18:07Z)
• Reinforcement Learning for Active Perception in Autonomous Navigation [12.508044072300839]
  本稿では,複雑で未知の環境での自律ナビゲーションにおける能動的認識の課題に対処する。 本稿では,ロボットが目標を達成するだけでなく,カメラを積極的に制御して状況認識を高める,エンドツーエンドの強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-01T14:54:40Z)
• A2VISR: An Active and Adaptive Ground-Aerial Localization System Using Visual Inertial and Single-Range Fusion [17.59898575353575]
  これは、地上と航空の協調システムを用いて、散在した環境下での飛行ロボットのロケライズロバスト性を高めるための実践的なアプローチである。 我々は、アクティブビジョン、単一配列、慣性計測、光学フローを統合した地上局地化フレームワークをより包括的に改善する。 提案手法は、平均根平均平方誤差が約0.09mであり、損失とセンサ故障を捕捉するためのレジリエンスを維持しながら、ロバストなオンラインローカライゼーションを実現する。
  論文  参考訳（メタデータ） (2025-12-18T10:07:06Z)
• NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
  我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。 グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。 我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
  論文  参考訳（メタデータ） (2025-06-23T14:28:30Z)
• Drone Detection and Tracking in Real-Time by Fusion of Different Sensing Modalities [66.4525391417921]
  マルチセンサ・ドローン検知システムの設計と評価を行う。 われわれのソリューションは、魚眼カメラを統合し、空の広い部分を監視し、他のカメラを興味ある対象に向けて操縦する。 このサーマルカメラは、たとえこのカメラが解像度が低いとしても、ビデオカメラと同じくらい実現可能なソリューションであることが示されている。
  論文  参考訳（メタデータ） (2022-07-05T10:00:58Z)
• Event Guided Depth Sensing [50.997474285910734]
  バイオインスパイアされたイベントカメラ駆動深度推定アルゴリズムを提案する。 提案手法では,イベントカメラが検出したシーン活動に応じて,関心領域を高密度に照明する。 シミュレーションされた自律運転シーケンスと実際の屋内環境におけるアプローチの実現可能性を示す。
  論文  参考訳（メタデータ） (2021-10-20T11:41:11Z)
• GenRadar: Self-supervised Probabilistic Camera Synthesis based on Radar Frequencies [12.707035083920227]
  この研究は、確率的シーン再構築のための独自の自己学習融合アプローチにおいて、両方のセンサタイプの相補的な強度を組み合わせる。 提案アルゴリズムは類似性を生かし、訓練中に異なる特徴レベルで両方のドメイン間の対応を確立する。 これらの離散トークンは、最終的にそれぞれの周囲のインストラクティブなビューに変換され、潜在的な危険を視覚的に知覚することができる。
  論文  参考訳（メタデータ） (2021-07-19T15:00:28Z)
• Deep Soft Procrustes for Markerless Volumetric Sensor Alignment [81.13055566952221]
  本研究では、より堅牢なマルチセンサ空間アライメントを実現するために、マーカーレスデータ駆動対応推定を改善する。 我々は、幾何学的制約を終末的に典型的なセグメンテーションベースモデルに組み込み、対象のポーズ推定タスクと中間密な分類タスクをブリッジする。 実験により,マーカーベースの手法で同様の結果が得られ,マーカーレス手法よりも優れ,またキャリブレーション構造のポーズ変動にも頑健であることがわかった。
  論文  参考訳（メタデータ） (2020-03-23T10:51:32Z)

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。