論文の概要: What World Model Does Active Object Search Need? A Study under Imperfect Detection
- arxiv url: http://arxiv.org/abs/2611.15689v1
- Date: Wed, 11 Nov 2026 16:28:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.195753
- Title: What World Model Does Active Object Search Need? A Study under Imperfect Detection
- Title(参考訳): 能動物体探索に必要な世界モデル : 不完全検出による検討
- Abstract要約: アクティブな物体探索では、ロボットはどこでいつ止まるかを決定する必要がある。
これにより、不完全な検出の下で、どの表現が信頼できる検索をサポートする必要があるのかという疑問が提起される。
本研究では,BAMOS(Bayesian Active Miss-Aware Object Search)を導入した。
- 参考スコア(独自算出の注目度): 1.0152838128195467
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In active object search, a robot must decide where to look and when to stop. Imperfect detection complicates both decisions: a non-detection may indicate occlusion, an out-of-view target, or a false negative, while a detection may be a false positive. This raises the question of which representations a world model needs to support reliable search under imperfect detection. We introduce Bayesian Active Miss-aware Object Search (BAMOS) to investigate how target belief, occupancy belief, and detector errors affect search decisions. Through comprehensive ablations in Isaac Sim and HSSD houses, we examine the roles of these representations and their update mechanisms across different detector configurations. Notably, target belief and its update mechanisms are critical to search performance, with their contribution generally increasing as detection errors become more prevalent. These findings highlight the importance of maintaining and updating target beliefs to support reliable active search under uncertain detector observations, providing insights into the design of world models for embodied agents. Code is available in https://github.com/gokyeongryeol/BAMOS.
- Abstract(参考訳): アクティブな物体探索では、ロボットはどこでいつ止まるかを決定する必要がある。
不完全な検出は、両方の決定を複雑にする: 非検出は、排他的、外見的ターゲット、偽陰性を示すが、検出は偽陽性である。
これにより、不完全な検出の下で、どの表現が信頼できる検索をサポートする必要があるのかという疑問が提起される。
本研究では,BAMOS(Bayesian Active Miss-Aware Object Search)を導入した。
アイザック・シムとHSSDの住宅における包括的改善を通じて、これらの表現の役割と、異なる検出器構成におけるそれらの更新機構について検討する。
特に、目標信念とその更新メカニズムは、探索性能にとって重要であり、検出エラーがより広まるにつれて、一般的にその寄与が増加する。
これらの知見は、不確実な検出観察下での信頼性の高い能動探索を支援するための目標信念の維持と更新の重要性を強調し、エンボディエージェントの世界モデルの設計に関する洞察を提供する。
コードはhttps://github.com/gokyeongryeol/BAMOSで入手できる。
関連論文リスト
- Mobile Target Search with Imperfect Perception: A Partially Observable Stochastic Game Theoretical Approach [0.688204255655161]
本稿では,センサの制限,悪意的妨害,コミュニケーションノイズによる不完全な知覚下での移動目標探索について検討する。
我々は、部分的に観測可能な決定過程を一般化する、部分観測可能な動的ゲーム(POSG)アプローチを採用する。
我々は,探索者のための集約的ポテンシャルゲーム構造とターゲット予測のためのKL分割に基づく削減を利用するサーバ支援分散アルゴリズムを開発した。
論文 参考訳(メタデータ) (2026-06-18T13:44:12Z) - Theory of Space: Can Foundation Models Construct Spatial Beliefs through Active Exploration? [83.13508919229939]
宇宙の理論は、自己指向的かつ活発な探索を通じて情報を得るエージェントの能力として定義される。
重要な革新は空間的信念の探索であり、各ステップでモデルが空間的表現を明らかにするように促す。
この結果から,現在の基盤モデルでは,活発な探査において,コヒーレントで変更可能な空間的信念の維持に苦慮していることが示唆された。
論文 参考訳(メタデータ) (2026-02-04T19:06:40Z) - Seamless Detection: Unifying Salient Object Detection and Camouflaged Object Detection [73.85890512959861]
本稿では,SOD(Salient Object Detection)とCOD(Camouflaged Object Detection)を統合化するためのタスク非依存フレームワークを提案する。
我々は、間隔層と大域的コンテキストを含む単純で効果的なコンテキストデコーダを設計し、67fpsの推論速度を実現する。
公開SODデータセットとCODデータセットの実験は、教師なし設定と教師なし設定の両方において、提案したフレームワークの優位性を実証している。
論文 参考訳(メタデータ) (2024-12-22T03:25:43Z) - Uncertainty Estimation for 3D Object Detection via Evidential Learning [63.61283174146648]
本稿では,3次元検出器における鳥の視線表示における明らかな学習損失を利用して,3次元物体検出の不確かさを定量化するためのフレームワークを提案する。
本研究では,これらの不確実性評価の有効性と重要性を,分布外シーンの特定,局所化の不十分な物体の発見,および(偽陰性)検出の欠如について示す。
論文 参考訳(メタデータ) (2024-10-31T13:13:32Z) - Generalized Out-of-Distribution Detection and Beyond in Vision Language Model Era: A Survey [107.08019135783444]
アウト・オブ・ディストリビューション(OOD)サンプルは、機械学習システムの安全性を保証するために不可欠である。
その他の問題としては、異常検出(AD)、新規検出(ND)、オープンセット認識(OSR)、異常検出(OD)などがある。
論文 参考訳(メタデータ) (2024-07-31T17:59:58Z) - Detecting Out-of-Distribution Objects through Class-Conditioned Inpainting [42.67743584239442]
現実のデプロイメントは、しばしば、out-of-distribution (OOD)オブジェクトと呼ばれる、新しく予期せぬオブジェクトを導入します。
現代の物体検出器は一般的に過信であり、その予測をOOD検出に単独で使用することは信用できない。
我々は,識別対象検出器と異なる目的関数で訓練された安定拡散のような,既製のテキスト・ツー・イメージ生成モデルを利用する。
論文 参考訳(メタデータ) (2024-02-05T18:50:27Z) - Towards Building Self-Aware Object Detectors via Reliable Uncertainty
Quantification and Calibration [17.461451218469062]
本稿では,自己認識オブジェクト検出(SAOD)タスクを紹介する。
SAODタスクは、自律運転のような安全クリティカルな環境でオブジェクト検出器が直面する課題を尊重し、遵守する。
我々は、多数のオブジェクト検出器をテストするために、新しいメトリクスと大規模なテストデータセットを導入したフレームワークを広範囲に使用しています。
論文 参考訳(メタデータ) (2023-07-03T11:16:39Z) - Suspected Object Matters: Rethinking Model's Prediction for One-stage
Visual Grounding [93.82542533426766]
疑似オブジェクト間の対象オブジェクト選択を促進するため,疑似オブジェクト変換機構(SOT)を提案する。
SOTは既存のCNNとTransformerベースのワンステージ視覚グラウンドにシームレスに統合できる。
実験の結果,提案手法の有効性が示された。
論文 参考訳(メタデータ) (2022-03-10T06:41:07Z) - Trustworthy Anomaly Detection: A Survey [22.976960488191505]
異常検出には、銀行詐欺検出やサイバー侵入検出など、幅広い現実世界の応用がある。
成功にもかかわらず、異常検出モデルは依然として多くの制限に直面している。
論文 参考訳(メタデータ) (2022-02-15T23:25:37Z) - Slender Object Detection: Diagnoses and Improvements [74.40792217534]
本稿では,超高アスペクト比,すなわちtextbfslender オブジェクトの特定タイプの検出について検討する。
古典的物体検出法では、細い物体に対してのみ評価される場合、COCO上の18.9%のmAPの劇的な低下が観察される。
論文 参考訳(メタデータ) (2020-11-17T09:39:42Z)
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。