論文の概要: Assessing the Marginal Utility of Exocentric Head Views in UMI-Style Large-FoV Wrist-Camera Manipulation

• arxiv url: http://arxiv.org/abs/2610.14075v1
• Date: Thu, 08 Oct 2026 06:26:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 23:28:40.11308
• Title: Assessing the Marginal Utility of Exocentric Head Views in UMI-Style Large-FoV Wrist-Camera Manipulation
• Title（参考訳）: UMI-Style Large-FoV Wrist-Camera マニピュレーションにおける遠心性頭部視の有用性の評価
• Abstract要約: マルチビュー認識はしばしば、ロボット操作のための安全な設計選択として扱われる。 2台の大型視野カメラ(FoV)でトレーニングされたポリシーを比較することで、テーブルトップバイマニュアル操作における仮定を再考する。 ヘッドビューを追加することで、タスクの完了や実行品質が一貫して改善されないことが分かりました。
• 参考スコア（独自算出の注目度）: 32.620935718275256
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-view perception is often treated as a safe design choice for robot manipulation: if one camera is useful, more cameras should be better. We revisit that assumption in tabletop bimanual manipulation by comparing policies trained with two large-field-of-view (FoV) wrist cameras against policies that additionally receive a head view, using controlled-variable experiments on a real bimanual platform. Across three tabletop tasks, adding a head view does not consistently improve task completion or execution quality: when the wrist cameras already observe the objects, grippers, and goal regions, wrist-only policies form a strong baseline. Restricting the wrist-camera FoV increases the potential value of a head view, but performance improves most reliably when the added view supplies concentrated, task-relevant information: region-of-interest (ROI) cropping yields more consistent head-view gains than the uncropped image, which is dominated by background and task-irrelevant regions. The data-scaling results further suggest an interaction between FoV and demonstration count: wide observations improve coverage but may require more data to stabilize, and they may reach a higher performance ceiling once enough demonstrations are available. These results suggest that camera design should be framed as a task-relevance and information-density problem rather than as a simple count of input views.
• Abstract（参考訳）: マルチビュー認識は、ロボット操作のための安全な設計選択として扱われることが多い。 2台の大型視野カメラ(FoV)で訓練されたポリシーと、実際のバイマンダルプラットフォーム上で制御可能な実験を用いて、ヘッドビューを受信するポリシーを比較することで、テーブルトップのバイマンダル操作における仮定を再考する。 3つのテーブルトップタスク全体において、ヘッドビューの追加は、タスクの完了や実行品質を一貫して改善するものではない。 手首カメラFoVの制限は、ヘッドビューの可能性を増大させるが、追加のビューが集中したタスク関連情報を提供すると、パフォーマンスは最も確実に向上する。 データスケーリングの結果はさらに、FoVとデモカウントの相互作用を示唆している。 広範な観測によりカバレッジが向上するが、安定したデータが必要になり、デモが十分に利用可能になったら高いパフォーマンスの天井に達する可能性がある。 これらの結果から,カメラ設計は単純なインプットビューではなく,タスク関連性や情報密度の問題として考える必要があることが示唆された。

関連論文リスト

• ARGUS: Aligning Robot Scene Geometry Under Shifting Views with Large 3D Vision Models [6.225936390546933]
  ARGUSは、大規模な3Dビジョンモデルを使用して、任意のカメラ視点からの画像観察を標準的な視点に整列させ、下流のヴィジュモータポリシーに渡す、観察前処理パイプラインである。 効率比較では、ARGUSはビュー・ディバースデータから学習する能力を示し、従来の方法よりも4-6倍速く高い成功率に収束する。
  論文  参考訳（メタデータ） (2026-08-06T04:00:07Z)
• Spatially Conditioned Diffusion Policy: Learning Precise and Robust Manipulation with a Single RGB Camera [6.648702147742411]
  空間条件拡散政策(Spatially Conditioned Diffusion Policy, SCDP)は、単一カメラ環境における精密かつ堅牢な操作を実現する拡散型ビズモータ政策である。 SCDPは2つの重要なコンポーネントから構成される: (i) 広義のコンテキストときめ細かな視覚特徴の両方を捉えるマルチスケールの特徴マップを生成するビジュアルエンコーダ、 (ii) 拡散ループの中間端エフェクタ軌道に沿って点方向の特徴をサンプリングする空間条件モジュール。
  論文  参考訳（メタデータ） (2026-06-12T15:12:03Z)
• Multi-view Gaze Target Estimation [42.72151752119855]
  本稿では,視線目標推定(GTE)タスクに複数のカメラビューを利用する手法を提案する。 このアプローチは、さまざまなカメラビューの情報を統合して、精度を改善し、適用性を高める。 本稿では,多視点GTE手法の開発と評価のための多視点データセットを提案する。
  論文  参考訳（メタデータ） (2025-08-07T21:15:15Z)
• Which Viewpoint Shows it Best? Language for Weakly Supervising View Selection in Multi-view Instructional Videos [66.1935609072708]
  LangViewは、ビュー依存のキャプション予測の相対的精度を、擬似ラベルを最もよく見るためのプロキシとして利用するフレームワークである。 推論中、我々のモデルは多視点ビデオ(言語やカメラのポーズなし)のみを入力として、各タイミングで見るのに最適な視点を返します。
  論文  参考訳（メタデータ） (2024-11-13T16:31:08Z)
• Multi-View People Detection in Large Scenes via Supervised View-Wise Contribution Weighting [44.48514301889318]
  本稿では、教師付きビューワイドコントリビューション重み付け手法の開発により、多視点人物検出の改善に焦点をあてる。 モデルの一般化能力を高めるために、大規模な合成データセットが採用されている。 実験により,提案手法が有望な多面的人物検出性能の実現に有効であることを実証した。
  論文  参考訳（メタデータ） (2024-05-30T11:03:27Z)
• Learning to Select Camera Views: Efficient Multiview Understanding at Few Glances [59.34619548026885]
  本稿では,対象物やシナリオを所定のビューから分析し,処理に最適なビューを選択するビュー選択手法を提案する。 提案手法は,MVSelectという強化学習に基づくカメラ選択モジュールを備えており,ビューの選択だけでなく,タスクネットワークとの協調トレーニングも容易である。
  論文  参考訳（メタデータ） (2023-03-10T18:59:10Z)
• Cross-View Cross-Scene Multi-View Crowd Counting [56.83882084112913]
  従来,複数カメラを用いて1台のカメラの視野を拡大する手法が提案されてきた。 任意のカメラレイアウトで異なるシーンでトレーニングやテストを行う,クロスビュー・クロスシーン(CVCS)のマルチビュー・クラウドカウント・パラダイムを提案する。
  論文  参考訳（メタデータ） (2022-05-03T15:03:44Z)
• Unsupervised Foveal Vision Neural Networks with Top-Down Attention [0.3058685580689604]
  本稿では,教師なし学習技術のみを用いたボトムアップ・サリエンシーとトップダウン・アテンションの融合を提案する。 トロントおよびCAT2000データベース上で提案したガンマ塩分濃度法の性能を検証した。 また,CNNの上位層に適用したガンマ塩分度に基づくトップダウンアテンション機構を開発し,背景が乱れの強いマルチオブジェクト画像や画像のシーン理解を改善する。
  論文  参考訳（メタデータ） (2020-10-18T20:55:49Z)

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。