論文の概要: Robot Navigation and Obstacle Avoidance from Randomly Positioned External Cameras
- arxiv url: http://arxiv.org/abs/2611.16282v1
- Date: Thu, 12 Nov 2026 04:32:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.360959
- Title: Robot Navigation and Obstacle Avoidance from Randomly Positioned External Cameras
- Title(参考訳): ランダムに位置決めされた外部カメラからのロボットナビゲーションと障害物回避
- Abstract要約: 遠心カメラ(VINE)からの視点不変ナビゲーションを提案する。
VINEは、教師付き学習で訓練された障害物マップ推定ネットワークを使用して、外部中心の画像、カメラポーズ、ロボットポーズ、部屋の寸法を入力として、視点不変の障害物マップを生成する。
VINEは、シミュレーション環境で搭載されたカメラでPPOのナビゲーション成功率を上回っている。
- 参考スコア(独自算出の注目度): 0.31498833540989407
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study robot navigation in indoor environments from fixed exocentric cameras (infrastructure-mounted, external to the robot). We show that standard Proximal Policy Optimization (PPO), which succeeds with onboard cameras, fails to learn this navigation end-to-end in our setup. This failure results from the perspective mismatch between exocentric observations and egocentric action and goal formulations, which is too complex to resolve from the reward signal alone. To address this, we propose Viewpoint-Invariant Navigation from Exocentric Cameras (VINE). VINE uses an obstacle map estimation network, trained with supervised learning, that takes exocentric images, camera pose, robot pose, and room dimensions as input and produces a viewpoint-invariant obstacle map. This map can be used either by a PPO policy or by a planner such as A*. VINE's map estimation performs better than perspective mapping approaches, handles cameras placed across a wide range of positions and orientations without view-specific tuning, requires only approximate camera pose estimates (noise with a standard deviation of 30cm per axis in x, y, and z and about 20° of rotation error on average), is robust to intrinsic variation, and extends to two-camera setups with partial coverage. Despite operating from cameras randomized in position during evaluation, VINE surpasses the navigation success rate of PPO with an onboard camera in simulated environments.
- Abstract(参考訳): 本研究では, 室内環境におけるロボットナビゲーションを, 固定型遠心カメラ(インフラクチャーマウント, ロボット外部)を用いて検討した。
オンボードカメラで成功するPPO(Proximal Policy Optimization)は,このナビゲーションをエンドツーエンドで学習することができないことを示す。
この失敗は、エゴセントリックな観測とエゴセントリックな行動とゴールの定式化の間の視点のミスマッチから生じる。
そこで我々は,遠心カメラ(VINE)によるビューポイント不変ナビゲーションを提案する。
VINEは、教師付き学習で訓練された障害物マップ推定ネットワークを使用して、外部中心の画像、カメラポーズ、ロボットポーズ、部屋の寸法を入力として、視点不変の障害物マップを生成する。
この写像は PPO ポリシーでも A* のようなプランナーでも利用できる。
VINEの地図推定は、視点マッピングのアプローチよりも優れており、ビュー固有のチューニングなしで広い位置と方向に配置されたカメラを処理し、近似カメラのポーズ推定(x, y, zの1軸あたり30cmの標準偏差と平均で約20°の回転誤差)しか必要とせず、本質的な変動に対して頑健であり、部分的カバレッジを持つ2つのカメラ設定にまで拡張されている。
評価中にランダムに位置決めされたカメラから操作するにもかかわらず、VINEは模擬環境で搭載されたカメラでPPOのナビゲーション成功率を上回っている。
関連論文リスト
- WARP-VLA: Wrist-Camera Adaptation for View-Robust Policy Execution in Vision-Language-Action Models [21.43575545487911]
WARP-VLA(WARP-VLA)は、様々な手首カメラ構成用のカメラビューロバストなVLAである。
WARP-VLA は pi-0.5 の平均成功率を 39.2% から 78.3% に改善することを示した。
論文 参考訳(メタデータ) (2026-10-08T08:44:26Z) - From Fixed to Free Cameras: Calibration-Free View-Robust Vision-Language-Action Model [72.8641426724502]
カメラ中心型VLA(CamVLA)は、カメラ幾何学から制御を分離する新しいVLAモデルである。
CamVLAは、さまざまな見当たらない視点での成功率を継続的に改善する。
論文 参考訳(メタデータ) (2026-07-06T17:59:59Z) - SDGE: Stereo Guided Depth Estimation for 360$^\circ$ Camera Sets [65.64958606221069]
マルチカメラシステムは、360ドル周の知覚を達成するために、しばしば自律走行に使用される。
360ドル(約3万3000円)のカメラセットは、しばしば制限または低品質のオーバーラップ領域を持ち、画像全体に対してマルチビューステレオメソッドを実現する。
重なりの重なりに多視点ステレオ結果を明示的に利用することにより、全画像の深さ推定を強化するステレオガイド深度推定法(SGDE)を提案する。
論文 参考訳(メタデータ) (2024-02-19T02:41:37Z) - External Camera-based Mobile Robot Pose Estimation for Collaborative
Perception with Smart Edge Sensors [22.5939915003931]
本稿では,移動ロボットのポーズを多視点RGB画像を用いた静的カメラネットワークのアロセントリック座標で推定する手法を提案する。
画像はオンラインで、深層ニューラルネットワークによってスマートエッジセンサーでローカルに処理され、ロボットを検出する。
ロボットのポーズを正確に推定すると、その観察は同中心のシーンモデルに融合することができる。
論文 参考訳(メタデータ) (2023-03-07T11:03:33Z) - SurroundDepth: Entangling Surrounding Views for Self-Supervised
Multi-Camera Depth Estimation [101.55622133406446]
本研究では,複数の周囲からの情報を組み込んだSurroundDepth法を提案し,カメラ間の深度マップの予測を行う。
具体的には、周囲のすべてのビューを処理し、複数のビューから情報を効果的に融合するクロスビュー変換器を提案する。
実験において,本手法は,挑戦的なマルチカメラ深度推定データセット上での最先端性能を実現する。
論文 参考訳(メタデータ) (2022-04-07T17:58:47Z) - Unsupervised Learning of Camera Pose with Compositional Re-estimation [10.251550038802343]
入力ビデオシーケンスが与えられた場合、カメラのポーズ(つまりカメラの動き)を連続フレーム間で推定する。
本稿では,カメラポーズ推定のための合成再推定手法を提案する。
我々のアプローチは、予測されたカメラの動きを量的にも視覚的にも著しく改善する。
論文 参考訳(メタデータ) (2020-01-17T18:59:07Z)
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。