実環境適応型の次最良視点選択による能動的3D再構成
Incorporating World Models in Decision Making for Next Best View Selection in Active Sensing
事前学習済みワールドモデルを固定したまま、限られた校正データからセンサの計測欠落を推定するアダプタを学習し、次最良視点選択を実環境に適応させる手法を提案した。実機実験で従来より60%少ない撮影回数で高い表面被覆率を達成した。
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: Nikita Sarawgi, Omey M. Manyar, Satyandra K. Gupta
分類: cs.RO
原文アブストラクト
Efficient robotic 3D reconstruction requires selecting views that contribute new surface measurements with few physical captures. Pretrained world models can guide this choice, but a predicted surface may not produce valid depth measurements under the operating conditions of the deployed sensor. We present a deployment adaptation methodology for next-best-view selection that learns a sensor-return adapter from limited local calibration data while keeping the pretrained predictor fixed. The adapter estimates measurement dropout over each predicted surface, allowing the selection method to favor views likely to fill gaps in the measured reconstruction. In a real-robot experiment with a structured-light sensor, the adapted method achieves higher measured surface coverage with 60% fewer captures than nominal selection. The adapted method recovers a surface region that the nominal method repeatedly targets but fails to measure. These results suggest that robots can reuse pretrained predictive models while adapting their decisions to local operating conditions in data-scarce environments.
関連論文
- LASER: 連続場再構成のための能動センシング学習能動センシング
- 能動センシングによる探索と追跡：サーベイ能動センシング
- 情報量の多い計測列を最適化する動的計画法アルゴリズム能動センシング
- 電波と視覚の確率的能動センシングによる送信機探索能動センシング
- 流体シミュレーションを用いたガス漏れ源の能動的定位能動センシング
