日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

物体検出arXiv:2506.21860

物体検出のための身体性ドメイン適応

Embodied Domain Adaptation for Object Detection

シェア:XThreadsFacebookLINEはてブBluesky

家庭や実験室の動的な屋内環境で物体検出器を適応させるため、ソースデータ不要のドメイン適応手法を提案し、時系列クラスタリングやマルチスケール閾値融合、平均教師フレームワークを組み合わせた。

詳しい要約

1. どんなもの?

- 屋内環境で移動ロボットが用いる object detection のための手法と benchmark の提案 - Source-Free Domain Adaptation (SFDA) により、source data にアクセスせず事前学習済みモデルを適応 - Embodied Domain Adaptation for Object Detection (EDAOD) benchmark を導入 - lighting, layout, object diversity の逐次変化下で適応を評価 - Open-vocabulary object detection (OVOD) と Vision Language Models (VLMs) を前提とした設定

2. 先行研究と比べてどこがすごい?

- 従来の closed-set 手法は実家庭・実験室の多様な物体や動的条件に対応困難 - OVOD は固定ラベルを超えるが、屋内環境の domain shifts に依然弱い - 本研究は source data 不要の SFDA を OVOD に適用する点が特徴 - source data を前提としない適応を実現 - EDAOD により逐次的な環境変化下での評価を可能に - 具体的な先行研究名や数値比較は要旨からは不明

3. 技術・手法の肝は?

- Source-Free Domain Adaptation (SFDA) の枠組みを採用 - source data にアクセスせず事前学習済みモデルを適応 - 主要な構成要素 - temporal clustering による pseudo labels の refinement - multi-scale threshold fusion - Mean Teacher framework と contrastive learning の併用 - これらを組み合わせて動的屋内環境への適応を図る - 各要素の詳細な設計・ハイパーパラメータは要旨からは不明

4. どうやって有効だと検証した?

- 提案する EDAOD benchmark 上で評価 - lighting, layout, object diversity の逐次変化を含む設定 - 実験結果として zero-shot detection performance の有意な向上を報告 - 動的屋内条件への柔軟な適応を示す - 具体的な dataset 名、指標、比較手法、数値は要旨からは不明

5. 議論はある?

- 要旨からは不明 - 想定される論点(要旨の範囲内で) - SFDA における pseudo label の品質と temporal clustering の効果 - multi-scale threshold fusion の感度 - Mean Teacher と contrastive learning の寄与 - EDAOD の逐次変化設定の妥当性 - 限界や失敗事例に関する記述は要旨からは不明

6. 次に読むべき論文は?

- 要旨で参照・比較されている個別研究は明示されていない - 関連手法として次を検討 - Open-vocabulary object detection (OVOD) - Vision Language Models (VLMs) - Source-Free Domain Adaptation (SFDA) - Mean Teacher - contrastive learning - temporal clustering を用いた pseudo labeling - 同分野の定番として unsupervised domain adaptation (UDA) および self-training 関連研究

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Xiangyu Shi, Yanyuan Qiao, Lingqiao Liu, Feras Dayoub

分類: cs.RO, cs.CV

原文アブストラクト

Mobile robots rely on object detectors for perception and object localization in indoor environments. However, standard closed-set methods struggle to handle the diverse objects and dynamic conditions encountered in real homes and labs. Open-vocabulary object detection (OVOD), driven by Vision Language Models (VLMs), extends beyond fixed labels but still struggles with domain shifts in indoor environments. We introduce a Source-Free Domain Adaptation (SFDA) approach that adapts a pre-trained model without accessing source data. We refine pseudo labels via temporal clustering, employ multi-scale threshold fusion, and apply a Mean Teacher framework with contrastive learning. Our Embodied Domain Adaptation for Object Detection (EDAOD) benchmark evaluates adaptation under sequential changes in lighting, layout, and object diversity. Our experiments show significant gains in zero-shot detection performance and flexible adaptation to dynamic indoor conditions.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI