ロバストなアフォーダンス推定のための結合粒子フィルタ
Coupled Particle Filters for Robust Affordance Estimation
把持可能領域と移動可能領域を推定する2つの粒子フィルタを結合し、相互に情報交換させることで、照明不足や混雑環境でも高精度にアフォーダンスを推定する手法を提案した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ 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: Patrick Lowin, Vito Mengers, Oliver Brock
分類: cs.RO
原文アブストラクト
Robotic affordance estimation is challenging due to visual, geometric, and semantic ambiguities in sensory input. We propose a method that disambiguates these signals using two coupled recursive estimators for sub-aspects of affordances: graspable and movable regions. Each estimator encodes property-specific regularities to reduce uncertainty, while their coupling enables bidirectional information exchange that focuses attention on regions where both agree, i.e., affordances. Evaluated on a real-world dataset, our method outperforms three recent affordance estimators (Where2Act, Hands-as-Probes, and HRP) by 308%, 245%, and 257% in precision, and remains robust under challenging conditions such as low light or cluttered environments. Furthermore, our method achieves a 70% success rate in our real-world evaluation. These results demonstrate that coupling complementary estimators yields precise, robust, and embodiment-appropriate affordance predictions.
関連論文
- 深度と意味プロンプトを活用したリソース効率の良いアフォーダンス推定アフォーダンス推定
- 3Dシーングラフ上の常識的アフォーダンス推定のための期待値モデル計算の活用アフォーダンス推定
- RGB画像からのアフォーダンスを推定するベイズ深層学習アフォーダンス推定
