論文の概要: Illumination-Aware Active Perception for Spacecraft Inspection
- arxiv url: http://arxiv.org/abs/2610.22335v1
- Date: Thu, 15 Oct 2026 17:54:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-17 06:09:33.269371
- Title: Illumination-Aware Active Perception for Spacecraft Inspection
- Title（参考訳）: イルミネーションを意識した宇宙機検査のためのアクティブ・パーセプション
- Abstract要約: 本稿では,視認性をカメラ情報の学習尺度に置き換える検査計画フレームワークを提案する。
光現実物理学シミュレータにおけるガイダンス,ナビゲーション,制御アーキテクチャの実装によるアプローチの評価を行った。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Harsh and rapidly varying orbital illumination introduces failure modes during spacecraft inspection. Existing planners rely on line-of-sight inspection metrics which perform occlusion checks against a known target and conflate geometric visibility with task-relevant information. These metrics overlook illumination effects including eclipse, self-shadowing, and specular reflection from spacecraft materials and tend to declare components as inspected despite the corresponding images lacking sufficient information. We propose an inspection-planning framework that replaces geometric visibility with a learned measure of camera information derived from a classifier variational autoencoder (VAE) that operates directly on the captured image. The encoder model is trained to classify spacecraft surface components from rendered patches, and its total latent variance is used to learn the varying illumination of said components, replacing binary visibility checks with a continuous, image-grounded quantity. We evaluate the approach by implementing a Guidance, Navigation, and Control architecture in a photorealistic physics simulator, and vary lighting and viewing geometries with multiple orbits. We show that, although all approaches successfully maximize their own objective, our approach results in better illumination: a mean brightness of $0.57$, with $81.6\%$ of observations above $0.25$, compared with $0.02$ ($3.0\%$) for geometric planning with an illumination band and $0.04$ ($6.0\%$) for purely geometric planning.
- Abstract（参考訳）: ハーシュと急速に変化する軌道照明は、宇宙船の点検中に故障モードを導入する。
既存のプランナーは、既知の目標に対して閉塞チェックを実行し、タスク関連情報と幾何学的可視性を両立させる、視線検査のメトリクスに依存している。
これらのメトリクスは、日食、自影、そして宇宙船の材料からの分光反射などの照明効果を見落とし、対応する画像に十分な情報がないにもかかわらず、検査対象の成分を宣言する傾向にある。
本稿では,画像を直接操作する分類器変分オートエンコーダ(VAE)から得られたカメラ情報の学習尺度に,幾何学的可視性を置き換える検査計画フレームワークを提案する。
エンコーダモデルは、レンダリングされたパッチから宇宙船表面のコンポーネントを分類するために訓練され、その全潜時変動を利用して、そのコンポーネントの様々な照度を学習し、バイナリ可視性チェックを連続的な画像接地量に置き換える。
光リアル物理シミュレーターにおける誘導・航法・制御アーキテクチャの実装によるアプローチの評価を行い,複数の軌道を持つ照明・視界の変化について検討した。
平均輝度が0.57ドル、平均輝度が0.25ドルより81.6セント高いのに対し、照明バンドを持つ幾何学的計画では0.02ドル(3.0セント)、純幾何学的計画では0.04ドル(6.0セント)である。
関連論文リスト
- Precision-Aware Illumination-Disentangled Vision Transformer for Spacecraft 6D Pose Estimation [9.901626173454389]
本稿では, 宇宙船のロバスト姿勢推定のための高精度照準距離変換器(PAID-ViT)を提案する。
提案モデルでは、照度に敏感な外観トークンからポーズ関連構造トークンを分離し、ポーズアグリゲーションの前にパッチの信頼性を推定し、シルエットキューを保存するために前景マスク監視を使用する。
本研究では,SPEED+バリデーション/ライトボックス/サンランプ評価方式であるSPEED+ V2の実験結果から,PAID-ViTは翻訳誤差を低減し,サンランプ領域の堅牢性を向上させることが示唆された。
論文 参考訳（メタデータ） (2026-06-10T03:30:05Z) - PairedGTA: Generating Driving Datasets for Controlled Photometric Shift Analysis [43.25348855116086]
本研究では,完全対画像抽出のための高忠実度ゲームエンジンに基づくデータ生成フレームワークを提案する。
サンプリングされた各場所について、動的エンティティを手続き的にインスタンス化し、さまざまな悪条件下でピクセル整列画像をレンダリングする。
シナリオ駆動における生成フレームワークの利点は,セマンティックセグメンテーションモデルの体系的解析を通じて示される。
論文 参考訳（メタデータ） (2026-05-31T12:13:19Z) - dLITE: Differentiable Lighting-Informed Trajectory Evaluation for On-Orbit Inspection [2.7532313761753713]
$partial$LITEは、軌道上のインスペクション操作のためのエンドツーエンドの微分可能なシミュレーションパイプラインである。
我々は、最先端の微分可能レンダリングツールとカスタム軌道プロパゲータを活用し、軌道パラメータのエンドツーエンドの最適化を可能にする。
私たちの異なる検査計画パイプラインは、その種の最初のもので、宇宙船のミッション計画に対する現代の計算アプローチに関する新たな洞察を提供する。
論文 参考訳（メタデータ） (2025-12-17T22:40:05Z) - SplitNeRF: Split Sum Approximation Neural Field for Joint Geometry,
Illumination, and Material Estimation [65.99344783327054]
本稿では, 実世界の物体の形状, 材料特性, 照明特性を推定してデジタル化する手法を提案する。
提案手法は,実時間物理ベースのレンダリングに画像ベースの照明で使用される分割和近似を,レーダランスニューラルネットワーク(NeRF)パイプラインに組み込む。
提案手法は,NVIDIA A100 GPUを1つのGPUで1時間に1ドル程度のトレーニングをした後で,最先端のリライト品質を実現することができる。
論文 参考訳（メタデータ） (2023-11-28T10:36:36Z) - Inertial Guided Uncertainty Estimation of Feature Correspondence in
Visual-Inertial Odometry/SLAM [8.136426395547893]
慣性ガイダンスを用いて特徴対応の不確かさを推定する手法を提案する。
また,近年の視覚-慣性オドメトリー/SLAMアルゴリズムの1つに組み込むことにより,本手法の有効性を実証する。
論文 参考訳（メタデータ） (2023-11-07T04:56:29Z) - Multitask AET with Orthogonal Tangent Regularity for Dark Object
Detection [84.52197307286681]
暗黒環境下でのオブジェクト検出を強化するために,新しいマルチタスク自動符号化変換(MAET)モデルを提案する。
自己超越的な方法で、MAETは、現実的な照明劣化変換を符号化して復号することで、本質的な視覚構造を学習する。
我々は,合成および実世界のデータセットを用いて最先端のパフォーマンスを達成した。
論文 参考訳（メタデータ） (2022-05-06T16:27:14Z) - MonoDistill: Learning Spatial Features for Monocular 3D Object Detection [80.74622486604886]
本稿では,LiDAR信号からの空間情報を単分子3D検出器に導入するための簡易かつ効果的な手法を提案する。
得られたデータを用いて、ベースラインモデルと同じアーキテクチャで3D検出器をトレーニングする。
実験の結果,提案手法はベースラインモデルの性能を大幅に向上させることができることがわかった。
論文 参考訳（メタデータ） (2022-01-26T09:21:41Z) - Lighting, Reflectance and Geometry Estimation from 360$^{\circ}$
Panoramic Stereo [88.14090671267907]
本研究では,360$circ$ステレオ画像から高精細な空間変動照明,反射率,形状を推定する手法を提案する。
我々のモデルは、360$circ$入力を利用して、幾何学的詳細でシーン全体を観察し、物理的制約でシーンのプロパティを共同で推定する。
論文 参考訳（メタデータ） (2021-04-20T10:41:50Z) - Self-supervised Visual-LiDAR Odometry with Flip Consistency [7.883162238852467]
自己監督型視覚ライダー・オドメトリー(Self-VLO)フレームワークを提案する。
3dlidarポイントから投影された単眼画像とスパース深度マップの両方を入力として取得する。
エンドツーエンドの学習方法でポーズと深さの推定を生成する。
論文 参考訳（メタデータ） (2021-01-05T02:42:59Z) - Relighting Images in the Wild with a Self-Supervised Siamese
Auto-Encoder [62.580345486483886]
本研究では,野生の単一ビュー画像の自己教師付きリライティング手法を提案する。
この方法は、イメージを2つの別々のエンコーディングに分解するオートエンコーダに基づいている。
Youtube 8MやCelebAなどの大規模データセットでモデルをトレーニングします。
論文 参考訳（メタデータ） (2020-12-11T16:08:50Z) - Multi-View Photometric Stereo: A Robust Solution and Benchmark Dataset
for Spatially Varying Isotropic Materials [65.95928593628128]
多視点光度ステレオ技術を用いて3次元形状と空間的に異なる反射率の両方をキャプチャする手法を提案する。
我々のアルゴリズムは、遠近点光源と遠近点光源に適している。
論文 参考訳（メタデータ） (2020-01-18T12:26:22Z)
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。