論文の概要: Perception Beyond the Visible: Incompleteness-Aware Scene Understanding for Robot Autonomy

• arxiv url: http://arxiv.org/abs/2610.18670v1
• Date: Tue, 13 Oct 2026 16:29:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 20:10:06.353645
• Title: Perception Beyond the Visible: Incompleteness-Aware Scene Understanding for Robot Autonomy
• Title（参考訳）: 可視性を超えた知覚:ロボットの自律性に対する不完全性を考慮したシーン理解
• Abstract要約: 不完全を意識したシーン理解のための研究ビジョンを提示する。 私はこのビジョンを,不完全な証拠,不完全な知識,不完全なセンサ信頼性という,3つの基本的な課題についてまとめています。 信仰中心の4Dシーン表現に向けた今後の研究の方向性について概説する。
• 参考スコア（独自算出の注目度）: 3.783140873958548
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable robot autonomy requires reasoning about the world from partial and noisy observations. However, many perception systems model only visible scene regions, rely on fixed semantic categories, and assume reliable sensor measurements. These assumptions break under occlusion, novel object encounters, and sensor degradation. In this paper, I present a research vision for incompleteness-aware scene understanding. I organize this vision around three fundamental challenges: incomplete evidence, incomplete knowledge, and incomplete sensor reliability. I discuss my research contributions toward addressing these challenges through amodal perception, semantic occupancy forecasting, open-world scene understanding, label-efficient learning, and uncertainty-guided multi-modal fusion. Building on these contributions, I outline future research directions toward belief-centric 4D scene representations. These representations aim to jointly model geometry, semantics, motion, and uncertainty. I also discuss active sensing and safe adaptation strategies that allow robots to reduce uncertainty through interaction. The goal is to develop calibrated and actionable scene representations that support reliable autonomy in dynamic, open-world environments.
• Abstract（参考訳）: 信頼性の高いロボットの自律性は、部分的かつノイズの多い観察から世界についての推論を必要とする。 しかし、多くの知覚システムは、目に見えるシーン領域のみをモデル化し、一定の意味圏に依存し、信頼性の高いセンサ計測を前提としている。 これらの仮定は、隠蔽、新しい物体の遭遇、センサーの劣化によって破られる。 本稿では,不完全性を考慮したシーン理解研究の展望について述べる。 私はこのビジョンを,不完全な証拠,不完全な知識,不完全なセンサ信頼性という,3つの基本的な課題についてまとめています。 本稿では,アモーダル認識,セマンティック占有予測,オープンワールドシーン理解,ラベル効率学習,不確実性誘導型マルチモーダル融合などを通じて,これらの課題に対処するための研究成果について論じる。 これらの貢献に基づいて、信仰中心の4Dシーン表現に向けた今後の研究の方向性を概説する。 これらの表現は、幾何学、意味論、運動、不確実性を共同でモデル化することを目的としている。 また、ロボットが対話を通じて不確実性を軽減できるアクティブセンシングと安全な適応戦略についても論じる。 目標は、ダイナミックでオープンな環境で信頼性の高い自律性をサポートする、キャリブレーションされたアクション可能なシーン表現を開発することである。

関連論文リスト

• ESI-Bench: Towards Embodied Spatial Intelligence that Closes the Perception-Action Loop [55.468404995694975]
  我々は,OmniGibson上に構築された10のタスクカテゴリと29のサブカテゴリにまたがる空間知能の具体化ベンチマークを開発した。 我々は最先端のMLLMの実験を行い、活発な探索が受動的に優れていることを発見した。 矛盾した視点を求め、信念を改定する人間とは異なり、モデルは証拠の品質に関わらず、高い信頼をもって早々に行動する。
  論文  参考訳（メタデータ） (2026-05-18T17:59:02Z)
• Learning Situated Awareness in the Real World [63.75211123289058]
  SAW-Benchは、実世界のビデオを用いて自我中心的な位置認識を評価するための新しいベンチマークである。 6つの異なる認識タスクでモデルのオブザーバ中心の理解を探索する。 我々の総合評価では、最高のMFMであるGemini 3 Flashでさえ、人間モデルのパフォーマンスギャップは37.66%である。
  論文  参考訳（メタデータ） (2026-02-18T18:22:52Z)
• From Prompts to Worlds: How Users Iterate, Explore, and Make Sense of AI-Generated 3D Environments [0.0]
  商業用テキスト・ツー・3Dプラットフォームの最初の実証的研究について述べる。 我々は、思考情報プロトコル、行動観察、およびユーザビリティ、プレゼンス、エンゲージメントの検証された尺度を組み合わせる。 効果的なシステムには、ハイブリッドな入力モダリティ、透過的なフィードバック、低コストなイテレーションが必要です。
  論文  参考訳（メタデータ） (2026-01-24T06:10:02Z)
• OmniScene: Attention-Augmented Multimodal 4D Scene Understanding for Autonomous Driving [21.143038784114154]
  人間の視覚は、2次元の観察をエゴセントリックな3次元のシーン理解に変換することができる。 我々は,総合的な4Dシーン理解のための多視点と時間的知覚を統合する,OmniSceneと呼ばれる新しいヒューマンライクなフレームワークを提案する。 我々のアプローチは、認識、予測、計画、視覚的質問応答における新しいベンチマークを確立することで、常に優れた結果を達成する。
  論文  参考訳（メタデータ） (2025-09-24T10:28:06Z)
• A Comprehensive Review of 3D Object Detection in Autonomous Driving: Technological Advances and Future Directions [11.071271817366739]
  3次元物体認識は、自律運転システムの開発において重要な要素となっている。 本稿では,カメラベース,LiDARベース,核融合検出技術を中心に,従来の3次元物体検出手法を概説する。 本稿では、時間知覚、占有グリッド、エンドツーエンド学習フレームワークなどの精度向上手法を含む今後の方向性について論じる。
  論文  参考訳（メタデータ） (2024-08-28T01:08:33Z)
• Towards Interpretable Visuo-Tactile Predictive Models for Soft Robot Interactions [2.4100803794273]
  ロボットエージェントの現実の状況への統合は、知覚能力に依存している。 我々は、周囲を探索するために、様々な感覚モダリティの融合の上に構築する。 生の感覚モダリティに応用されたディープラーニングは、実行可能な選択肢を提供する。 我々は、知覚モデルとその制御目的への含意の展望を掘り下げる。
  論文  参考訳（メタデータ） (2024-07-16T21:46:04Z)
• See, Hear, and Feel: Smart Sensory Fusion for Robotic Manipulation [49.925499720323806]
  視覚的、聴覚的、触覚的知覚が、ロボットが複雑な操作タスクを解くのにどのように役立つかを研究する。 私たちは、カメラで見たり、コンタクトマイクで聞いたり、視覚ベースの触覚センサーで感じるロボットシステムを構築しました。
  論文  参考訳（メタデータ） (2022-12-07T18:55:53Z)
• Exploring Contextual Representation and Multi-Modality for End-to-End Autonomous Driving [58.879758550901364]
  最近の知覚システムは、センサー融合による空間理解を高めるが、しばしば完全な環境コンテキストを欠いている。 我々は,3台のカメラを統合し,人間の視野をエミュレートするフレームワークを導入し,トップダウンのバードアイビューセマンティックデータと組み合わせて文脈表現を強化する。 提案手法は, オープンループ設定において0.67mの変位誤差を達成し, nuScenesデータセットでは6.9%の精度で現在の手法を上回っている。
  論文  参考訳（メタデータ） (2022-10-13T05:56:20Z)

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。