マニピュレーション2026/6/1arXiv:2606.26321

KRVF: エッジモバイルマニピュレーションのためのソース認識型セマンティックボクセル世界表現

KRVF: A Source-Aware Semantic Voxel World Representation for Edge Mobile Manipulation

エッジ計算環境でのモバイルマニピュレーション向けに、占有・色・意味情報・時間的新鮮度・情報源を符号化したタスク指向ボクセル表現KRVFを提案し、ROS 2実装でオンラインRGB-D観測をロボットのタスク用メモリに変換する。

詳しい要約

1. どんなもの？

- モバイルマニピュレータ向けの世界モデル - エッジコンピューティング制約下で動作 - 現在性・クエリ可能性・意味理解を重視 - KRVF: source-aware semantic voxel world representation - 局所世界状態をタスク指向ボクセルで表現 - occupancy, color, semantic evidence, temporal freshness, evidence sourceを符号化 - 計測されたoccupancyとsemantic-prior仮説を分離 - ROS 2実装 - オンラインRGB-D観測をタスク向けロボットメモリに変換

2. 先行研究と比べてどこがすごい？

- 再構成中心のマッピングパイプラインと対比 - 従来はグローバルな幾何忠実度を主に最適化 - KRVFの優位点 - タスク指向ボクセルで局所世界状態を表現 - 計測occupancyとsemantic-prior仮説を分離 - depth失敗を認識した物体推論が可能 - 永続的幾何を暗黙に破壊しない - マッピングとセンシングのフィードバックループを閉じる - タスクレベルクエリ演算子を提供

3. 技術・手法の肝は？

- source-aware semantic voxel表現 - occupancy, color, semantic evidence, temporal freshness, evidence sourceを符号化 - 計測occupancyとsemantic-prior仮説を分離 - depth失敗対応 - マップ事前分布depthをレンダリングして修復 - マッピングとセンシングのフィードバックループ - タスクレベルクエリ演算子 - semantic objectsとgrasp candidatesを照会 - ROS 2実装 - オンラインRGB-D観測をタスク向けロボットメモリに変換

4. どうやって有効だと検証した？

- 要旨からは不明 - 技術報告であり、実験的検証の記述はない - ROS 2実装の文書化のみ記載

5. 議論はある？

- 要旨からは不明 - 議論や限界の記述はない - 技術報告として表現と実装を形式化・文書化

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 - 関連手法として以下が考えられる - reconstruction-centric mapping pipelines - semantic voxel mapping - ROS 2-based mobile manipulation - depth repair and map-prior rendering

※ 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: Runfeng Ling

分類: cs.RO

原文アブストラクト

Mobile manipulators need world models that are current, queryable, semantically meaningful, and usable under edge-compute constraints. This technical report presents KRVF, a source-aware semantic voxel world representation for edge mobile manipulation. Unlike reconstruction-centric mapping pipelines that primarily optimize global geometric fidelity, KRVF represents local world state as task-oriented voxels that encode occupancy, color, semantic evidence, temporal freshness, and evidence source. The representation separates measured occupancy from semantic-prior hypotheses, enabling depth-failure-aware object reasoning without silently corrupting persistent geometry. KRVF also closes a feedback loop between mapping and sensing by rendering map-prior depth for repair, and exposes task-level query operators for semantic objects and grasp candidates. The report formalizes the KRVF representation and documents a ROS 2 implementation that turns online RGB-D observations into a task-facing robot memory.

arXivで原文を読む →arXiv概要ページ

KRVF: エッジモバイルマニピュレーションのためのソース認識型セマンティックボクセル世界表現

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？

原文アブストラクト

関連論文

今週よく読まれている記事

FRONTIER（GPU搭載BTOパソコン）

双腕モバイルマニピュレーター OpenShell