論文の概要: Receding-Horizon Next-Best-View Planning for Highly Occluded Target Perception

• arxiv url: http://arxiv.org/abs/2610.19082v1
• Date: Tue, 13 Oct 2026 19:14:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.769366
• Title: Receding-Horizon Next-Best-View Planning for Highly Occluded Target Perception
• Title（参考訳）: 高収差目標知覚のための逐次水平次ベストビュープランニング
• Abstract要約: アクティブな知覚は、観測されていない領域を徐々に明らかにする視点を選択する必要がある。 RH-NBVは、眼内RGB-Dカメラを搭載したUR5eマニピュレータでシミュレーションにより評価される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robotic systems that must acquire information about a specific target often face severe occlusion from sur- rounding structures or from the target itself, such that a single camera viewpoint provides only partial information. Active perception must therefore select viewpoints that progressively reveal unobserved regions. However, conventional local next- best-view (NBV) methods typically select viewpoints according to their immediate utility, which can overlook views that provide limited information initially but enable more informative obser- vations from subsequent viewpoints. We formulated local target perception as a short-horizon sequential view-planning problem and proposed a Receding-Horizon Next-Best-View (RH-NBV) planner that evaluates candidate sequences of future viewpoints rather than isolated views. RH-NBV is evaluated on a UR5e manipulator with an eye-in-hand RGB-D camera in simulation as well as on physical robot against a gradient-based NBV planner, and random search, using a coffee mug and Stanford bunny under controlled occlusion and a tomato plant with natural self-occlusion. Under heavy occlusion, RH-NBV achieves substantially higher target information recovery, reaching 63.8% ROI coverage versus 34.2% and 85.5% occluded-surface recall versus 7.4% for the single-step NBV baselines on the most occluded mug configuration. A controlled horizon ablation shows that this improvement arises from multi-step reasoning rather than additional computation. RH-NBV provides the greatest benefit for strongly occluded targets, while myopic NBV remains competitive and substantially cheaper when visibility is less constrained.
• Abstract（参考訳）: 特定の対象に関する情報を取得する必要があるロボットシステムは、しばしば、スル・ラウンド構造やターゲット自体からの厳しい排除に直面し、単一のカメラ視点が部分的な情報のみを提供する。 したがって、アクティブな知覚は、観測されていない領域を徐々に明らかにする視点を選択する必要がある。 しかし、従来のNBV方式では、通常は直近の効用に応じて視点を選別し、当初は限られた情報を提供するビューを見渡すことができるが、その後の視点からより情報的なオブザーフレーションを可能にする。 本研究では,局所目標認識を近地連続視点計画問題として定式化し,RH-NBV(Receding-Horizon Next-Best-View)プランナを提案した。 RH-NBVは、手持ちのRGB-Dカメラを搭載したUR5eマニピュレータと、勾配に基づくNBVプランナーに対する物理ロボットと、コーヒーマグとスタンフォードバニーを制御された閉塞下でランダムな探索と、自然の自己閉塞でトマト植物を用いて評価する。 重閉塞下では、RH-NBVは、63.8%のROIカバレッジ、34.2%、85.5%の排他的リコール、そして最も排他的なモグ構成上の単一ステップのNBVベースラインの7.4%を達成する。 制御された地平線アブレーションは、この改善が追加の計算よりも多段階の推論から生じることを示している。 RH-NBVは強い遮断された標的に対して最大の利点を提供するが、筋性NBVは可視性が低い場合に競争力を持ち、実質的に安価である。

関連論文リスト

• Imagine then Verify: Affordance-Targeted Active Perception for Task-Oriented Grasping in Cluttered Scenes [17.80883518301066]
  Affordance-Targeted Active PerceptionフレームワークであるATAPを提案する。 ATAPは、視点計画を、徹底的な目標スキャンから目標価格検証にシフトする。 ATAPは、固定ビューTOGベースラインよりも機能的把握成功率を大幅に向上させる。
  論文  参考訳（メタデータ） (2026-09-20T09:42:38Z)
• Partial Skeleton Visibility for Action Recognition: A Constrained Field-of-View Approach [60.596944437968524]
  partialVisGraphは、制約されたフィールド・オブ・ビューの下で、堅牢なスケルトンベースのアクション認識のための新しいフレームワークである。 部分的な可視性の下では、最先端の精度を一貫して達成し、厳しいFoV制限のあるサブセットでは68.8%まで上昇する。 提案手法は,非拘束環境下でのスケルトンに基づく行動理解を実現するための,原則的かつ実践的な経路を提供する。
  論文  参考訳（メタデータ） (2026-07-01T10:03:11Z)
• Beyond Localization: A Comprehensive Diagnosis of Perspective-Conditioned Spatial Reasoning in MLLMs from Omnidirectional Images [52.50752250573993]
  MLLM(Multimodal Large Language Models)は、視覚的知覚が強いが、視点の変化による空間の推論には限界がある。 本研究では、この課題を全方位360度画像におけるパースペクティブ・コンディションド・スペース・推論(PCSR)として検討する。 我々は2,600全方位画像から84,373組の質問応答対の診断ベンチマークであるPCSR-Benchを紹介する。
  論文  参考訳（メタデータ） (2026-05-12T17:11:17Z)
• OA-NBV: Occlusion-Aware Next-Best-View Planning for Human-Centered Active Perception on Mobile Robots [5.144752180511484]
  移動ロボット(OA-NBV)における人間中心型能動知覚のための隠蔽型次世代視点計画 OA-NBVは、目標中心の可視性モデルを用いて、候補視点を評価することによって、知覚と運動計画を統合する。 シミュレーションと実世界の試験の両方で90%以上の成功率を達成する。
  論文  参考訳（メタデータ） (2026-03-10T18:46:03Z)
• LoLep: Single-View View Synthesis with Locally-Learned Planes and Self-Attention Occlusion Inference [66.45326873274908]
  本稿では,1枚のRGB画像から局所学習平面を回帰してシーンを正確に表現するLoLepを提案する。 MINEと比較して、LPIPSは4.8%-9.0%、RVは73.9%-83.5%である。
  論文  参考訳（メタデータ） (2023-07-23T03:38:55Z)

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。