論文の概要: T-ConSG: A LiDAR-Based Real-Time Temporal Construction Scene Graph for Dynamic and Evolving Environments
- arxiv url: http://arxiv.org/abs/2610.34041v1
- Date: Sun, 25 Oct 2026 04:10:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:27:13.524028
- Title: T-ConSG: A LiDAR-Based Real-Time Temporal Construction Scene Graph for Dynamic and Evolving Environments
- Title（参考訳）: T-ConSG: 動的・進化環境のためのLiDARに基づくリアルタイム時空間構築シーングラフ
- Abstract要約: 本稿では, 自由空間領域, 静的オブジェクト, 動的オブジェクト, および空間関係およびイベント参加エッジを持つ環境事象を共同で表現するLiDARベースのリアルタイム時間構成シーングラフ(T-ConSG)を提案する。
提案手法は,3つの相補的なアプリケーション研究,すなわち,レンガ敷き試験場における動的認識ナビゲーション,ConSLAMデータセットにおける構築進捗監視,およびシミュレーションされた建設環境におけるオンライン変更検出の3つを通じて,その表現を実証する。
- 参考スコア（独自算出の注目度）: 1.9473307808172182
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Dynamic and continuously evolving environments present significant challenges for robotic mapping and scene understanding, particularly on construction sites where moving agents, temporary obstacles, and persistent structural changes coexist. While dynamic and long-term SLAM methods can detect motion and environmental changes, their outputs are predominantly metric representations that provide limited structure for higher-level spatial and temporal reasoning. This paper presents a LiDAR-based real-time temporal construction scene graph (T-ConSG) that jointly represents free-space regions, static objects, dynamic objects, and environmental events with spatial-relational and event-participation edges. The proposed framework incrementally constructs the graph from LiDAR-derived geometric evidence, maintaining persistent free-space and static-object information while tracking dynamic objects. Changes in accumulated spatial evidence are further represented as explicit installation and removal events, allowing the graph to capture both transient dynamics and persistent environmental evolution. We demonstrate the proposed representation through three complementary application studies: dynamics-aware navigation in a bricklaying testbed, construction progress monitoring on the ConSLAM dataset, and online change detection in a simulated construction environment. The results demonstrate that the proposed T-ConSG provides a unified representation for organizing spatial and temporal information and supports robotic reasoning across environments containing both short-term dynamics and persistent changes.
- Abstract（参考訳）: 動的かつ継続的に進化する環境は、ロボットマッピングとシーン理解にとって重要な課題であり、特に移動エージェント、一時的な障害物、永続的な構造変化が共存する建設現場においてである。
動的かつ長期のSLAM法は動きや環境変化を検出できるが、その出力は主にメートル法表現であり、高次空間的および時間的推論のための制限された構造を提供する。
本稿では, 自由空間領域, 静的オブジェクト, 動的オブジェクト, および空間関係およびイベント参加エッジを持つ環境事象を共同で表現するLiDARベースのリアルタイム時間構成シーングラフ(T-ConSG)を提案する。
提案フレームワークはLiDARから得られる幾何学的証拠からグラフを漸進的に構築し,動的オブジェクトをトラッキングしながら,永続的な自由空間および静的オブジェクト情報を維持する。
蓄積された空間的証拠の変化は明示的なインストールと削除のイベントとして表現され、グラフは過渡的なダイナミクスと永続的な環境進化の両方を捉えることができる。
提案手法は,3つの相補的なアプリケーション研究,すなわち,レンガ敷き試験場における動的認識ナビゲーション,ConSLAMデータセットにおける構築進捗監視,およびシミュレーションされた建設環境におけるオンライン変更検出の3つを通じて,その表現を実証する。
提案したT-ConSGは,空間的・時間的情報を整理するための統一的な表現を提供し,短期的ダイナミクスと持続的変化の両方を含む環境におけるロボット推論を支援することを実証した。
関連論文リスト
- Reconstructing the Dynamic World: A Representation-Centric View of 4D Scene Reconstruction [149.43330608888922]
4Dシーンの再構成は、視覚的観察から動的環境の進化的形状、外観、動きを復元することを目的としている。
ニューラルレイディアンス・フィールド(NeRF)と3Dガウス・スプレイティング(3DGS)の最近の進歩は、動的シーンの表現と再構成に様々なアプローチを導入している。
本稿では,4次元シーンの再構築,シーン表現,時間的モデリング戦略,再構築パイプライン,最適化目標に関する既存手法の整理について述べる。
論文 参考訳（メタデータ） (2026-09-30T15:29:43Z) - DyG$^2$T: Modeling Object Dynamics with 3D Gaussian Temporal-Spatial Particle Graph Transformer [86.4618122245946]
DyG$2$Tは動的モデリングフレームワークで、キーポイント表現を空間的に完了し、時間的に識別することでオブジェクトの運動軌跡を推定する。
合成データセットと実世界のデータセットの両方の実験は、DyG$2$Tが正確な動的モデリングと推論を実現することを示した。
論文 参考訳（メタデータ） (2026-08-19T03:44:28Z) - WorldDirector: Building Controllable World Simulators with Persistent Dynamic Memory [106.28234880163723]
WorldDirectorは、高度に制御可能なビデオワールドモデルフレームワークである。
我々のフレームワークは、視覚生成から意味的な動きのオーケストレーションを明示的に分離する。
長時間の視界外から再突入しても,動的実体の正確な視覚的アイデンティティを保たせることができた。
論文 参考訳（メタデータ） (2026-07-02T17:59:59Z) - Towards Physically Consistent 4D Scene Reconstruction for Closed-loop Autonomous Driving Simulation [19.055975606481635]
高忠実なストリートシーンの再構築は、エンドツーエンドの自動運転シミュレーションにおいて重要である。
既存の3DGSメソッドとその4D拡張は、両方を同時に達成できない。
空間的識別性を回復するための直交射影勾配(OPG)を提案する。
論文 参考訳（メタデータ） (2026-05-20T11:09:53Z) - 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) - Structured Latent Dynamics in Wireless CSI via Homomorphic World Models [39.38895182380197]
本稿では,無線チャネルの予測および構造化表現を,コンパクトな潜在空間における状態情報(CSI)の時間的進化をモデル化して学習するための自己教師型フレームワークを提案する。
本手法では,CSIトラジェクトリからの動作条件付き潜伏ダイナミクスの学習にJEPA(Joint Embedding Predictive Architecture)を活用する。
論文 参考訳（メタデータ） (2026-03-20T15:32:47Z) - Meta Dynamic Graph for Traffic Flow Prediction [4.6060644265855775]
動的メタグラフ(MetaDG)と呼ばれる交通予測のためのフレームワークを提案する。
ノード表現の動的グラフ構造をモデル時間力学に明示的に活用する。
4つの実世界のデータセットに対する大規模な実験は、MetaDGの有効性を検証する。
論文 参考訳（メタデータ） (2026-01-15T12:15:54Z) - Aion: Towards Hierarchical 4D Scene Graphs with Temporal Flow Dynamics [11.811137192267402]
Aionは、時間の流れを階層的な3DSGに直接埋め込むフレームワークである。
AionはグラフベースのスパースMOD表現を用いて任意の時間間隔で動きの流れをキャプチャする。
論文 参考訳（メタデータ） (2025-12-10T15:13:30Z) - Online Segment Any 3D Thing as Instance Tracking [60.20416622842975]
オンライン3Dセグメンテーションをインスタンス追跡問題として再認識する(AutoSeg3D)。
視覚基礎モデルに固有の断片化問題を緩和するために,空間整合性学習を導入する。
ScanNet200上でESAMを2.8 AP上回る新しい最先端技術を確立する。
論文 参考訳（メタデータ） (2025-12-08T14:48:51Z) - EvoEmpirBench: Dynamic Spatial Reasoning with Agent-ExpVer [5.855255212938064]
空間的理解と適応計画におけるモデルの能力を評価する2つの動的空間的ベンチマークを導入する。
実験の結果、我々のベンチマークは、動的空間推論と長期記憶における主流モデルの鍵となる限界を明らかにしている。
論文 参考訳（メタデータ） (2025-09-16T06:21:38Z)
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。