論文の概要: SCOUT: Planning under Occlusion via Object-Centric World Model Rollouts

• arxiv url: http://arxiv.org/abs/2611.01600v1
• Date: Sun, 01 Nov 2026 05:32:18 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:08:02.535298
• Title: SCOUT: Planning under Occlusion via Object-Centric World Model Rollouts
• Title（参考訳）: SCOUT: オブジェクト中心の世界モデルロールアウトによる排他的計画
• Abstract要約: SCOUTは,物理ロールアウトによるハイレベルな議論をブリッジするオクルージョン対応の計画フレームワークである。 SCOUTはVLA(Vision-Language-Action)ポリシー,エンボディエージェント,3Dワールドモデルよりも優れていることを示す。 乱雑な棚の環境下での現実世界のロボット操作により,フレームワークの堅牢性をさらに検証する。
• 参考スコア（独自算出の注目度）: 10.496384265790281
• License:
• Abstract: Robots manipulating in cluttered spaces must often plan from partial views where foreground objects occlude the target, surrounding geometry, and usable free space. Reactive policies often miss these hidden constraints, while exhaustive search becomes computationally prohibitive in dense clutter. We present SCOUT, an occlusion-aware planning framework that bridges high-level deliberation with grounded physical rollouts. SCOUT leverages an object-centric scene representation to reconstruct hidden geometry and derive a relational planning state capturing blocker hierarchies and accessibility corridors. To navigate the vast action space in clutter, an LLM proposes structured action candidates which are then rigorously evaluated via Monte Carlo Tree Search (MCTS) using a learned action-conditioned world model. Evaluations on 'Reveal' and 'Placement' tasks show that SCOUT outperforms Vision-Language-Action (VLA) policies, embodied agents, and 3D world models, with significant gains in long-horizon tasks requiring reasoning over occluded geometry. We further validate the framework's robustness through real-world robotic manipulation in a cluttered shelf environment.
• Abstract（参考訳）: 乱雑な空間で操作するロボットは、前景の物体がターゲット、周囲の幾何学、使用可能な自由空間を遮蔽する部分的な視点から計画する必要がある。 反応的なポリシーはしばしばこれらの隠れた制約を見逃すが、徹底的な探索は密接な乱雑さの中で計算的に禁止される。 SCOUTは,物理ロールアウトによるハイレベルな議論をブリッジするオクルージョン対応の計画フレームワークである。 SCOUTはオブジェクト中心のシーン表現を活用して隠れた幾何学を再構築し、ブロッカ階層とアクセシビリティ回廊をキャプチャする関係計画状態を生成する。 LLMは,モンテカルロ木探索(MCTS)を用いて学習された行動条件付き世界モデルを用いて厳密に評価された構造化された行動候補を提案する。 Reveal」タスクと「Placement」タスクの評価は、SCOUTが視覚・言語・アクション(VLA)ポリシー、エンボディエージェント、および3Dワールドモデルより優れており、閉鎖幾何学の推論を必要とする長距離タスクにおいて顕著に向上していることを示している。 乱雑な棚の環境下での現実世界のロボット操作により,フレームワークの堅牢性をさらに検証する。

関連論文リスト

• Reconstruction as Spatial Evaluation: Diagnosing Cross-View Spatial Intelligence in Large Vision-Language Models [50.342970317193284]
  大規模視覚言語モデル(LVLM)は、局所的な視覚観測を物理世界の幾何学的に一貫した表現に組み合わせなければならない。 屋内, テーブルトップ, 屋外環境における多視点3Dシーン再構成を主眼としたベンチマークであるRECONSPATIALを紹介する。 リコンストラクションは、相対配置のための構造と物理的スケールのためのメートル法とカメラアンコール配置の2つの相補的な軸に沿って評価される。
  論文  参考訳（メタデータ） (2026-11-01T16:16:15Z)
• Lifting Embodied World Models for Planning and Control [59.09016913513998]
  我々は、ハイレベルなアクションを低レベルなジョイントアクションのシーケンスにマッピングする軽量なポリシーを訓練する。 我々は、この枠組みを人間的な実施のためにインスタンス化し、ハイレベルなアクション空間を2次元のウェイポイントの小さなセットとして定義する。 昇降した世界モデルは,低レベルな関節空間で直接探索するよりもかなり優れていることを示す。
  論文  参考訳（メタデータ） (2026-04-28T23:59:19Z)
• To Move or Not to Move: Constraint-based Planning Enables Zero-Shot Generalization for Interactive Navigation [14.745622942938532]
  家庭環境や倉庫のような現実のシナリオでは、クラッタはすべてのルートをブロックすることができる。 本稿では,移動ロボットが乱雑に移動して自身の進路を鍛える,Lifelong Interactive Navigation問題を紹介する。 アクティブな認識を伴うLLM駆動制約に基づく計画フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-23T17:10:00Z)
• Clutter-Resistant Vision-Language-Action Models through Object-Centric and Geometry Grounding [14.290592746124835]
  本稿では,行動推論から知覚的グラウンドを遠ざける枠組みであるOBEYED-VLAを提案する。 OBEYED-VLAは、タスク条件付き、オブジェクト中心、幾何学的認識の観察に入力を基礎付ける知覚モジュールを備えたビジョン・ランゲージ・アクションモデルを強化する。 現実世界のUR10eテーブルトップ設定では、OBEYED-VLAは強力なVLAベースラインよりもロバスト性を大幅に向上する。
  論文  参考訳（メタデータ） (2025-12-27T08:31:25Z)
• Planning with Spatial-Temporal Abstraction from Point Clouds for Deformable Object Manipulation [64.00292856805865]
  空間抽象と時間抽象の両方を組み込んだ空間抽象型PlAnning(PASTA)を提案する。 我々のフレームワークは,高次元の3次元観測を潜時ベクトルの集合にマッピングし,潜時集合表現の上のスキルシーケンスを計画する。 本手法は,実世界のオブジェクト操作を効果的に行うことができることを示す。
  論文  参考訳（メタデータ） (2022-10-27T19:57:04Z)
• Enabling Visual Action Planning for Object Manipulation through Latent Space Roadmap [72.01609575400498]
  高次元状態空間を有する複雑な操作タスクの視覚的行動計画のための枠組みを提案する。 低次元潜時空間におけるシステムダイナミクスを世界規模で捉えたグラフベースの構造であるタスク計画のためのLatent Space Roadmap(LSR)を提案する。 実ロボットで実行された2つの模擬ボックス積み重ねタスクと折り畳みタスクについて,本フレームワークの徹底的な検討を行う。
  論文  参考訳（メタデータ） (2021-03-03T17:48:26Z)
• A Long Horizon Planning Framework for Manipulating Rigid Pointcloud Objects [25.428781562909606]
  本稿では,剛体物体の操作に伴う長期計画問題の解決のための枠組みを提案する。 提案手法はオブジェクトサブゴールの空間における計画であり,ロボットとオブジェクトの相互作用のダイナミクスに関する推論からプランナーを解放する。
  論文  参考訳（メタデータ） (2020-11-16T18:59:33Z)
• Latent Space Roadmap for Visual Action Planning of Deformable and Rigid Object Manipulation [74.88956115580388]
  プランニングは、イメージを埋め込んだ低次元の潜在状態空間で行われる。 我々のフレームワークは2つの主要なコンポーネントで構成されており、画像のシーケンスとして視覚的な計画を生成するビジュアル・フォレスト・モジュール(VFM)と、それら間のアクションを予測するアクション・プロポーザル・ネットワーク(APN)である。
  論文  参考訳（メタデータ） (2020-03-19T18:43:26Z)

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。