日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

sim2realarXiv:2603.26263

DRUM: 拡散モデルを用いたレイドロップ対応のSim2Real LiDARセグメンテーションのための非ペア写像

DRUM: Diffusion-based Raydrop-aware Unpaired Mapping for Sim2Real LiDAR Segmentation

シェア:XThreadsFacebookLINEはてブBluesky

シミュレーションで生成したLiDARデータを実データの特性(反射強度とレイドロップノイズ)に合わせて変換する、拡散モデルベースのSim2Real翻訳フレームワークを提案した。

詳しい要約

1. どんなもの?

- どんなもの? - LiDAR-based semantic segmentation のための Sim2Real 変換フレームワーク DRUM を提案。 - ラベル付き合成データを実世界データに変換し、ドメインギャップを軽減する。 - 拡散モデルを generative prior として利用し、reflectance intensity と raydrop noise を再現する。

2. 先行研究と比べてどこがすごい?

- 先行研究と比べてどこがすごい? - 従来の Sim2Real 手法と比べ、raydrop noise を明示的に扱う点が新しい。 - 拡散モデルを事前学習に用いることで、ラベルなし実データの分布を活用。 - 複数の LiDAR 表現で一貫した性能向上を実現。

3. 技術・手法の肝は?

- 技術や手法の肝はどこ? - ラベルなし実データで事前学習した diffusion model を generative prior として使用。 - 合成データの reflectance intensity と raydrop noise を再現するように変換。 - raydrop-aware masked guidance により、入力合成データとの整合性を選択的に強制しつつ、現実的な raydrop noise を保持。

4. どうやって有効だと検証した?

- どうやって有効だと検証した? - 複数の LiDAR データ表現において Sim2Real 性能を評価。 - 実験結果から、DRUM が一貫して性能を向上させることを示した。 - 詳細な検証方法は要旨からは不明。

5. 議論はある?

- 議論はある? - 要旨からは不明。

6. 次に読むべき論文は?

- 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記されていない。 - 関連手法として、Sim2Real 変換、diffusion model を用いたドメイン適応、LiDAR セグメンテーションの研究が挙げられる。

※ 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: Tomoya Miyawaki, Kazuto Nakashima, Yumi Iwashita, Ryo Kurazume

分類: cs.CV, cs.RO

原文アブストラクト

LiDAR-based semantic segmentation is a key component for autonomous mobile robots, yet large-scale annotation of LiDAR point clouds is prohibitively expensive and time-consuming. Although simulators can provide labeled synthetic data, models trained on synthetic data often underperform on real-world data due to a data-level domain gap. To address this issue, we propose DRUM, a novel Sim2Real translation framework. We leverage a diffusion model pre-trained on unlabeled real-world data as a generative prior and translate synthetic data by reproducing two key measurement characteristics: reflectance intensity and raydrop noise. To improve sample fidelity, we introduce a raydrop-aware masked guidance mechanism that selectively enforces consistency with the input synthetic data while preserving realistic raydrop noise induced by the diffusion prior. Experimental results demonstrate that DRUM consistently improves Sim2Real performance across multiple representations of LiDAR data. The project page is available at https://miya-tomoya.github.io/drum.

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