日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

占有予測arXiv:2603.13108

四足ロボットのためのパノラママルチモーダル意味占有予測

Panoramic Multimodal Semantic Occupancy Prediction for Quadruped Robots

シェア:XThreadsFacebookLINEはてブBluesky

四足ロボット向けに360度パノラマと複数センサを統合した世界初の実世界占有予測データセットPanoMMOccと、歩行時の揺れを補正して高精度に3D空間を認識するフレームワークVoxelHoundを提案した。

詳しい要約

1. どんなもの?

- 四足歩行ロボット向けのパノラママルチモーダル占有予測の研究。 - 実世界データセット PanoMMOcc を初めて構築。 - 4つのセンシングモダリティを多様なシーンで収集。 - フレームワーク VoxelHound を提案。 - パノラマ視覚と補助モダリティを統合し、3D占有を予測。

2. 先行研究と比べてどこがすごい?

- 既存の占有予測は車輪型自動運転向けでRGB依存が強く、複雑環境で頑健性に限界。 - 四足ロボットのパノラママルチモーダル占有データセットは初。 - 脚式移動と球面イメージングに特化したフレームワークを提案。 - PanoMMOcc で mIoU +4.16 の state-of-the-art を達成。

3. 技術・手法の肝は?

- Vertical Jitter Compensation (VJC) モジュールで歩行中の体の pitch/roll による視点変動を補償。 - Multimodal Information Prompt Fusion (MIPF) モジュールでパノラマ視覚と補助モダリティを融合。 - これにより一貫した空間推論と体積占有予測を強化。

4. どうやって有効だと検証した?

- PanoMMOcc 上で包括的ベンチマークを構築。 - 詳細なデータセット分析を提供。 - 広範な実験で VoxelHound が state-of-the-art 性能を達成(mIoU +4.16)。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究は明示されていない。 - 同分野の定番として、wheeled autonomous driving 向けの occupancy prediction 手法や、multimodal fusion を用いた 3D perception 研究が挙げられる。

※ 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: Guoqiang Zhao, Zhe Yang, Sheng Wu, Fei Teng, Mengfei Duan, Yuanfan Zheng, Kai Luo, Kailun Yang

分類: cs.RO, cs.CV, eess.IV

原文アブストラクト

Panoramic imagery provides holistic 360{\deg} visual coverage for environmental perception in quadruped robots. However, existing occupancy prediction methods are primarily designed for wheeled autonomous driving and rely heavily on RGB cues, which limits their robustness in complex, dynamically changing environments. To bridge this gap, we introduce PanoMMOcc, the first real-world panoramic multimodal occupancy dataset for quadruped robots, comprising four sensing modalities collected across diverse scenes. We further propose VoxelHound, a panoramic multimodal occupancy perception framework tailored to legged locomotion and spherical imaging. VoxelHound incorporates a Vertical Jitter Compensation (VJC) module to mitigate severe viewpoint perturbations caused by body pitch and roll during locomotion, enabling more consistent spatial reasoning, and a Multimodal Information Prompt Fusion (MIPF) module to effectively integrate panoramic visual cues with auxiliary modalities for enhanced volumetric occupancy prediction. We also establish a comprehensive benchmark on PanoMMOcc and provide detailed dataset analyses to enable systematic evaluation in challenging embodied perception scenarios. Extensive experiments demonstrate that VoxelHound achieves state-of-the-art performance on PanoMMOcc, with a +4.16 gain in mIoU. The dataset and code will be publicly released to facilitate future research on panoramic multimodal 3D perception for embodied robotic systems at https://github.com/SXDR/PanoMMOcc.

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. 2GXO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
  3. 3newmo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
  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

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI