日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

知覚/衝突回避arXiv:2608.04769

透明実験器具のセグメンテーションから衝突回避へ:リアルタイムエッジ認識パイプライン

From Transparent Labware Segmentation to Collision Avoidance: A Real-Time Edge-Aware Perception Pipeline

シェア:XThreadsFacebookLINEはてブBluesky

透明な実験用ガラス器具を視覚のみでリアルタイムにセグメンテーションし、衝突回避を実現するパイプラインを提案。エッジ検出と注意機構を組み合わせた軽量モデルで高精度・高速を達成し、実機で93.3%の衝突回避成功率を確認した。

詳しい要約

1. どんなもの?

透明な実験用ガラス器具を対象に、エッジ情報を活用したリアルタイムなインスタンスセグメンテーションと衝突回避を実現する認識パイプラインを提案。透明物体は屈折や鏡面反射により通常のセグメンテーションが困難だが、境界輪郭は比較的信頼できる視覚的手がかりであることを利用し、ワンステージのリアルタイムセグメンテーションネットワークに軽量エッジ検出ブランチ、エッジ誘導アテンション融合、パラメータフリーのSimAMモジュールを追加。さらに、実際のガラス器具のインスタンスセグメンテーションデータセットLabGlass-IS(3485画像、21カテゴリ)を構築。マスク重心の多視点三角測量により3D位置を推定し、保守的なバウンディングボリューム衝突制約を生成。実ロボット実験で93.3%の衝突回避成功率を達成。

2. 先行研究と比べてどこがすごい?

従来の透明物体セグメンテーションは、屈折や反射の影響で内部テクスチャが不安定なため困難だったが、本手法は境界輪郭に着目し、エッジ情報を明示的に統合することで高精度なセグメンテーションを実現。比較手法の中で最高のBoundary F-score 97.80を達成し、YOLO-prompted FastSAMフレームワークを18.93 BFポイント上回る。さらに、推論速度は7.1ms/フレームを維持しつつ、最も近い精度の競合手法と比較してパラメータ数はわずか2.85%であり、効率性と精度の両立が優れている。

3. 技術・手法の肝は?

手法の核は、ワンステージのリアルタイムインスタンスセグメンテーションネットワークに、軽量エッジ検出ブランチを追加し、エッジ誘導アテンション融合とパラメータフリーのSimAMモジュールを統合すること。エッジ情報をセグメンテーションの手がかりとして活用し、透明物体の境界を正確に捉える。さらに、マスク重心の多視点三角測量により3D位置を推定し、バウンディングボリュームによる衝突制約を生成する。

4. どうやって有効だと検証した?

構築したLabGlass-ISデータセット(3485画像、21カテゴリ)を用いて、提案モデルのセグメンテーション性能を評価。Boundary F-score 97.80を達成し、比較手法を上回った。また、推論速度7.1ms/フレーム、パラメータ数が競合の2.85%であることを確認。さらに、実ロボット実験で93.3%の衝突回避成功率を達成し、パイプライン全体の有効性を検証。

5. 議論はある?

要旨からは、透明物体の多様な形状や照明条件への一般化、エッジ検出の失敗時の影響、3D位置推定の精度限界などについての議論は不明。また、データセットの規模やカテゴリ数が限定的である可能性も考えられるが、要旨には明記されていない。

6. 次に読むべき論文は?

要旨で比較されているYOLO-prompted FastSAMフレームワーク、および透明物体セグメンテーションの関連研究(例:Transparent Object Segmentation)や、エッジ検出を利用したセグメンテーション手法(例:Edge-aware Segmentation)が挙げられる。具体的な論文名は要旨にないため、同分野の定番として、透明物体の深度推定やShape from Polarizationなどの研究も関連する。

※ 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: Shijun Ding, Chen Qian, Weiwei Shang, Junlin Xiong

分類: cs.RO

原文アブストラクト

This paper presents an edge-aware instance segmentation framework that enables real-time robotic collision avoidance with transparent laboratory glassware using purely visual perception. Transparent vessels defy conventional segmentation due to refraction, specular reflection, and the absence of stable interior texture, yet their boundary contours remain comparatively reliable visual cues. Exploiting this observation, we augment a one-stage real-time instance segmentation backbone with a lightweight edge-detection branch, edge-guided attention fusion, and a parameter-free SimAM module, and further construct LabGlass-IS, a 3485-image, 21-category instance segmentation dataset of real laboratory glassware. The enhanced model achieves the highest Boundary F-score of 97.80 among compared methods, outperforming the YOLO-prompted FastSAM framework by 18.93 BF points. Furthermore, it maintains an inference speed of 7.1ms per frame and requires only 2.85% of the parameters of the closest accuracy competitor. Multi-view triangulation of mask centroids further provides 3D positions for conservative bounding-volume collision constraints. Real-robot trials achieve a 93.3% collision avoidance success rate, indicating the feasibility of the proposed perception-to-action pipeline for robot collision avoidance among fragile transparent objects. Our code is available at https://github.com/havishamy/TransYOLO_3D. Our video is available at https://havishamy.github.io/paper-videos/.

  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