論文の概要: RoPT: Robust 6DoF Object Pose Tracking in Video

• arxiv url: http://arxiv.org/abs/2610.28962v1
• Date: Tue, 20 Oct 2026 22:25:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.154214
• Title: RoPT: Robust 6DoF Object Pose Tracking in Video
• Title（参考訳）: RoPT:ロバスト6DoFオブジェクトの追跡
• Abstract要約: 我々は,視覚知覚,時間運動学,グローバルな再局在化を密結合した閉ループに統一することで,制約を克服する堅牢なトラッキングフレームワークであるRoPTを提案する。 我々は,実世界のロボットによる実演と並行して,挑戦的なベンチマークによるフレームワークの有効性を実証し,高速動作下でのトラッキングの生存可能性を大幅に向上させた。
• 参考スコア（独自算出の注目度）: 10.566315616638724
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate 6-DoF object pose tracking is essential for robotic interaction, yet conventional monocular pipelines frequently suffer from catastrophic divergence under rapid object motion. We present RoPT, a robust tracking framework engineered to overcome this limitation by unifying visual perception, temporal kinematics, and global re-localization into a tightly coupled closed loop. Unlike existing open-loop trackers, RoPT delivers three critical capabilities that fundamentally alter system resilience. First, the visual perception component tracks object masks to robustly handle partial and severe occlusions. Second, a kinematic factor graph regularizes frame-to-frame updates, forecasts forward pose predictions, and drives a parallel multi-hypothesis verification scheme to bypass local minima. Finally, an active re-localization module transforms the pipeline into a closed-loop system, making it failure-aware and capable of deterministic self-recovery. We demonstrate the effectiveness of our framework across challenging benchmarks alongside real-world robotic demonstrations, achieving significantly higher tracking survivability under rapid motion.
• Abstract（参考訳）: 正確な6-DoFオブジェクトのポーズ追跡はロボットの相互作用に不可欠であるが、従来の単分子パイプラインは高速な物体の動きの下で破滅的な分岐に悩まされることが多い。 我々は,視覚知覚,時間運動学,グローバルな再局在化を密結合した閉ループに統一することで,この制限を克服するために設計された頑健な追跡フレームワークであるRoPTを提案する。 既存のオープンループトラッカーとは異なり、RoPTはシステムのレジリエンスを根本的に変える3つの重要な機能を提供する。 まず、視覚知覚コンポーネントは、オブジェクトマスクを追跡して、部分的および重度の閉塞を堅牢に処理する。 第二に、キネマティック・ファクター・グラフはフレーム間更新を正規化し、前方のポーズ予測を予測し、局所ミニマをバイパスする並列多仮説検証スキームを駆動する。 最後に、アクティブな再ローカライゼーションモジュールはパイプラインをクローズドループシステムに変換し、失敗を認識し、決定論的自己回復を可能にする。 我々は,実世界のロボットによる実演と並行して,挑戦的なベンチマークによるフレームワークの有効性を実証し,高速動作下でのトラッキングの生存可能性を大幅に向上させた。

関連論文リスト

• A Task-Space Receding Horizon Controller for Fast Collision Avoidance [0.08594140167290099]
  ロボットマニピュレータのリアルタイム衝突回避には、予期せぬ障害物運動に対する迅速な反応が必要である。 完全なモデル予測制御は、この展望を提供することができるが、オンラインコストは、水平線長、モデル忠実度、アクティブな幾何学的制約の数とともに急速に増大する可能性がある。 本稿では, 短時間の接触一貫性を持つロールアウトを用いて, 終端キネマティック参照を生成するタスクスペースリテーディング・ホライゾンコントローラを提案する。
  論文  参考訳（メタデータ） (2026-07-17T08:13:12Z)
• Again-Pose: Anchor-Guided Adaptive Inter-Frame Motion Cues Propagating for High-quality Human Pose Reconstruction [4.345128976485766]
  Anchor-guided Adaptive Inter-frame Motion cues propagating (Again-Pose) という,シンプルで効果的なフレームワークを提案する。 動き誘導型回復作業としての劣化フレームにおけるポーズポーズの再検討 標準ベンチマーク(Human3.6M, 3DPW, PoseTrack)と挑戦的なFineDivingデータセットの実験により、Return-Poseは堅牢性と安定性において最先端の手法を大幅に上回っていることが示された。
  論文  参考訳（メタデータ） (2026-06-28T06:37:50Z)
• Reactive Robot-Centric Safety for Autonomous Navigation in Constrained and Dynamic Environments [14.321190258774358]
  本稿では,3次元LIDAR認識に基づく複合制御バリア関数を統合したリアルタイム制御アーキテクチャを提案する。 地下環境における複数フィールド実験を通してシステムを検証する。
  論文  参考訳（メタデータ） (2026-05-15T09:42:13Z)
• Event-based SLAM Benchmark for High-Speed Maneuvers [68.148886127117]
  イベントベースのカメラはバイオインスパイアされたセンサーで、独立して、マイクロ秒の解像度で明るさの変化に非同期に反応する。 既存のイベントベースのアプローチは、高速操作による動きのぼかしを緩和することに成功したが、多くの制限に悩まされた。 イベントベースの状態推定のためのベンチマークフレームワークであるEvSLAMを導入する。
  論文  参考訳（メタデータ） (2026-04-27T04:36:41Z)
• Hypergraph-State Collaborative Reasoning for Multi-Object Tracking [63.32950991964095]
  複数の相関オブジェクト間の共同推論による動き推定を向上する協調推論フレームワークを提案する。 類似の運動状態を持つ物体同士を互いに拘束し、互いに洗練させることで、我々のフレームワークはノイズの軌道を安定させ、目標を遮蔽しても可塑性運動の連続性を推測する。
  論文  参考訳（メタデータ） (2026-04-14T12:37:39Z)
• FASTER: Rethinking Real-Time Flow VLAs [82.58822112377923]
  VLA(Vision-Language-Action)モデルを物理世界に展開するには、リアルタイム実行が不可欠である。 反応時間は、TTFA(Time to First Action)と実行地平線によって決定される一様分布に従っていることを示す。 即時反応のための高速動作サンプリング(FASTER)を提案し,この問題を克服する。
  論文  参考訳（メタデータ） (2026-03-19T17:51:37Z)
• Robust Dynamic Object Detection in Cluttered Indoor Scenes via Learned Spatiotemporal Cues [15.517814236046055]
  鳥眼視(BEV)により時間的占有感に基づく運動分節を融合させるLiDARのみのフレームワークを提案する。 モーションキャプチャー地上真実を用いた実験により,本手法は28.67%のリコール率,18.50%のF1スコアを達成した。
  論文  参考訳（メタデータ） (2026-03-16T18:59:51Z)
• LEAP-VO: Long-term Effective Any Point Tracking for Visual Odometry [53.5449912019877]
  本稿では,LEAP(Long-term Effective Any Point Tracking)モジュールについて述べる。 LEAPは、動的トラック推定のために、視覚的、トラック間、時間的キューと慎重に選択されたアンカーを革新的に組み合わせている。 これらの特徴に基づき,強靭な視力計測システムLEAP-VOを開発した。
  論文  参考訳（メタデータ） (2024-01-03T18:57:27Z)
• Unified Control Framework for Real-Time Interception and Obstacle Avoidance of Fast-Moving Objects with Diffusion Variational Autoencoder [2.5642257132861923]
  動的環境におけるロボットアームによる高速移動物体のリアルタイムインターセプションは、非常に困難な課題である。 本稿では,動的オブジェクトを同時にインターセプトし,移動障害を回避することで,課題に対処する統一的な制御フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-09-27T18:46:52Z)

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。