論文の概要: A Sparse Topometric Graph for Scalable Cross-Session Indoor Navigation
- arxiv url: http://arxiv.org/abs/2610.31432v1
- Date: Thu, 22 Oct 2026 15:30:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-24 02:08:44.42627
- Title: A Sparse Topometric Graph for Scalable Cross-Session Indoor Navigation
- Title（参考訳）: スケーラブルなクロスセッション屋内ナビゲーションのためのスパーストポロメトリグラフ
- Abstract要約: 室内環境における従来の実施エージェントは、ノイズの多い実環境計測を蓄積して地図を構築する。
本研究では,ロバストな屋内ナビゲーションのための効率的な構造表現として,スパース幾何グラフを提案する。
学習されたグラフマッチングネットワークは、ノードレベルの幾何学的記述子と近傍接続性の両方を考慮して、セッション間で一貫したサブグラフ構造を求める。
- 参考スコア（独自算出の注目度）: 42.35068992517381
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A conventional embodied agent in an indoor environment builds a map by accumulating noisy real-world measurements and results from heavy inference to guide navigation. While the detailed measurements may differ due to scene changes or sensor settings, the unique topological structure of navigable passages or the connectivity between rooms may provide training-free guidance that complements local observations. We propose a sparse topometric graph as an efficient structural representation for robust indoor navigation, alleviating the need for fine-grained matching, which is computationally expensive, memory-intensive, and prone to real-world variations. The map consists of nodes that encode local 3D geometry and distance-weighted edges that capture traversable connectivity. A learned graph-matching network finds consistent subgraph structures across sessions by considering both node-level geometric descriptors and neighborhood connectivity. The holistic contextual matching is robust to local ambiguities caused by weak distinctiveness or repetitive structure, and establishes stable correspondences despite local scene changes, different sensor modalities, or limited spatial overlap. We analyze the practicality of the graph through cross-session point-goal navigation, where a goal specified in a prior reference map must be reached from an unknown initial pose in a later session. Experiments show that our method achieves the highest success rates (77.1% on Gibson and 40.0% under 3D-FRONT scene changes), while reducing memory by more than two orders of magnitude compared to point-level representations. The proposed approach further supports cross-session alignment and goal-directed navigation with strong scalability and robust real-world transfer.
- Abstract（参考訳）: 室内環境における従来の実施エージェントは、ノイズの多い実世界の計測結果を蓄積して地図を構築し、重い推論結果からナビゲーションを誘導する。
詳細な測定はシーンの変化やセンサーの設定によって異なるかもしれないが、ナビゲーション可能な通路のユニークなトポロジカル構造や、部屋間の接続性は、局所的な観察を補完するトレーニング不要なガイダンスを提供する可能性がある。
本研究では,高精細なマッチングの必要性を軽減し,計算コストが高く,メモリ集約性が高く,実世界の変動に敏感な,ロバストな屋内ナビゲーションのための効率的な構造表現として,スパース幾何グラフを提案する。
地図は、局所的な3D幾何学を符号化するノードと、移動可能な接続をキャプチャする距離重み付きエッジで構成されている。
学習されたグラフマッチングネットワークは、ノードレベルの幾何学的記述子と近傍接続性の両方を考慮して、セッション間で一貫したサブグラフ構造を求める。
全体的文脈マッチングは、弱い特徴または繰り返し構造によって生じる局所的曖昧さに対して堅牢であり、局所的なシーンの変化、異なるセンサーのモーダル性、または限られた空間的重複にもかかわらず安定した対応を確立する。
本稿では,参照マップに指定されたゴールが後続セッションで未知の初期ポーズから到達しなければならない場合の,クロスセッションポイントゴールナビゲーションによるグラフの実用性について分析する。
実験の結果,ギブソンでは77.1%,3D-FRONTシーンでは40.0%であり,メモリはポイントレベルの表現に比べて2桁以上減少することがわかった。
提案手法は、より強力なスケーラビリティと堅牢な現実世界転送を備えた、クロスセッションアライメントとゴール指向ナビゲーションをサポートする。
関連論文リスト
- Multi-Session Multimodal Underwater Mapping with Acoustic and Optical Imaging [0.0]
本稿では,因子グラフの最適化に基づくマルチセッション・マルチモーダル水中マッピングフレームワークを提案する。
提案手法は、カタルーニャ沿岸で収集された実世界のデータセットで検証された。
結果は、最適化されていないベースラインと厳密なアライメントベースラインの両方に対して、マップの一貫性が測定可能な改善を示している。
論文 参考訳（メタデータ） (2026-09-15T23:37:13Z) - OpenNavMap: Structure-Free Topometric Mapping via Large-Scale Collaborative Localization [12.686154192361913]
OpenNavMapは、オンデマンドの再構築に3D幾何学的基礎モデルを活用する軽量で構造のないトポロジカルシステムである。
提案手法は,動的プログラミングに基づくシーケンスマッチング,幾何検証,信頼性校正最適化を,頑健で粗いサブマップアライメントに統一する。
Map-Freeベンチマークの評価は、平均翻訳誤差0.62mを達成し、構造移動ベースラインと回帰ベースラインよりも優れた精度を示す。
論文 参考訳（メタデータ） (2026-01-18T07:24:46Z) - UM3: Unsupervised Map to Map Matching [9.65888302364086]
マップ・ツー・マップマッチング(Map-to-map matching)は異種ソース間で空間データを整列させる重要なタスクである。
3つの重要な革新を通じてこれらの課題に対処する、教師なしグラフベースのフレームワークを提案する。
提案手法は,タスクマッチングにおける最先端の精度を実現し,既存の手法を大きなマージンで上回っている。
論文 参考訳（メタデータ） (2025-08-23T02:14:52Z) - Coupled Laplacian Eigenmaps for Locally-Aware 3D Rigid Point Cloud Matching [0.0]
局所構造を考慮したグラフラプラシアン固有写像に基づく新しい手法を提案する。
ラプラシアン固有写像の順序と符号のあいまいさに対処するために、結合ラプラシアンと呼ばれる新しい作用素を導入する。
これらの高次元空間間の類似性は、形状に一致するような局所的な意味のあるスコアを与えることを示す。
論文 参考訳（メタデータ） (2024-02-27T10:10:12Z) - ALSTER: A Local Spatio-Temporal Expert for Online 3D Semantic
Reconstruction [62.599588577671796]
本稿では,RGB-Dフレームのストリームから3次元セマンティックマップを段階的に再構成するオンライン3次元セマンティックセマンティックセマンティクス手法を提案する。
オフラインの手法とは異なり、ロボット工学や混合現実のようなリアルタイムな制約のあるシナリオに直接適用できます。
論文 参考訳（メタデータ） (2023-11-29T20:30:18Z) - Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud
Analysis [66.49788145564004]
我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。
我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
論文 参考訳（メタデータ） (2022-12-17T15:05:25Z) - DenseGAP: Graph-Structured Dense Correspondence Learning with Anchor
Points [15.953570826460869]
2つの画像間の密接な対応を確立することは、基本的なコンピュータビジョンの問題である。
我々は、アンカーポイントに条件付きグラフ構造化ニューラルネットワークを用いたDense対応学習のための新しいソリューションであるDenseGAPを紹介する。
提案手法は,ほとんどのベンチマークにおいて対応学習の最先端化を図っている。
論文 参考訳（メタデータ） (2021-12-13T18:59:30Z) - Progressive Coordinate Transforms for Monocular 3D Object Detection [52.00071336733109]
本稿では,学習座標表現を容易にするために,PCT(Em Progressive Coordinate Transforms)と呼ばれる,新しい軽量なアプローチを提案する。
本稿では,学習座標表現を容易にするために,PCT(Em Progressive Coordinate Transforms)と呼ばれる,新しい軽量なアプローチを提案する。
論文 参考訳（メタデータ） (2021-08-12T15:22:33Z) - A Real-Time Online Learning Framework for Joint 3D Reconstruction and
Semantic Segmentation of Indoor Scenes [87.74952229507096]
本稿では,屋内シーンの3次元構造とセマンティックラベルを協調的に復元するリアルタイムオンライン視覚フレームワークを提案する。
列車時、ノイズの多い深度マップ、カメラ軌跡、および2Dセマンティックラベルを与えられたニューラルネットワークは、シーン空間に適切なセマンティックラベルでフレームの奥行きを融合させることを学習する。
論文 参考訳（メタデータ） (2021-08-11T14:29:01Z)
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。