文献

J-GLOBAL ID：202202267103677566   整理番号：22A0457668

SCVP:未知オブジェクト再構成のための集合被覆によるワンショットビュー計画の学習【JST・京大機械翻訳】

SCVP: Learning One-Shot View Planning via Set Covering for Unknown Object Reconstruction

著者 (3件)： Pan Sicong (Laboratory of Algorithms for Cognitive Models, Shanghai Key Laboratory of Data Science, School of Computer Science, Fudan University, Shanghai, China) ,  Hu Hao (Laboratory of Algorithms for Cognitive Models, Shanghai Key Laboratory of Data Science, School of Computer Science, Fudan University, Shanghai, China) ,  Wei Hui (Laboratory of Algorithms for Cognitive Models, Shanghai Key Laboratory of Data Science, School of Computer Science, Fudan University, Shanghai, China)
資料名： IEEE Robotics and Automation Letters  (IEEE Robotics and Automation Letters)
巻： 7  号： 2  ページ： 1463-1470  発行年： 2022年 
JST資料番号： W2448A  ISSN： 2377-3766  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ロボットアクティブビジョンにおけるビュープランニング(VP)問題は,ロボットシステムを自動的にオブジェクト再構成タスクを実行することを可能にする。事前知識の欠落により,未知環境においてできるだけ多くのオブジェクト表面積としてカバーする目的で,ビューシーケンスを計画するために,次のベストビュー(NBV)法が通常使用される。しかし,そのような方法は2つの問題がある。(1)それらはグローバル経路計画を実行することができない。(2)再構成プロセスは,時間のかかるレイキャスティングと高い動きコストのため,非効率である。1ショットビュー計画を達成するために,集合被覆(SC)ベース訓練を介して事前知識を事前学習するために,ニューラルネットワークSCVPを提案した。SCVPネットワークは,入力として体積占有格子を採り,全ての表面積をカバーする小さな(理想的最小)数の見解を直接予測した。先験的幾何学的知識としてオブジェクト3Dモデルを与えて,訓練データセットを,集合被覆最適化法によって自動的にラベル付けした。冗長な動きなしに物体を再構成する大域的経路計画法を提案した。3Dモデルの多重データセットに関する比較実験は,類似またはより良い表面被覆の条件の下で,提案方法が,移動コストと推論時間に関して最先端のNBV方法より優れていることを示した。実世界実験により,提案した方法が他の方法よりも高速物体再構成を達成できることを確認した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  冗長性 ,  ネットワーク ,  ロボット ,  *被覆 ,  ニューラルネットワーク ,  再構成 ,  アクティブビジョン ,  経路探索 ,  表面被覆 ,  三次元モデル
準シソーラス用語： 訓練データ ,  事前知識 ,  未知環境 ,  ロボットシステム , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： オブジェクト ,  再構成 ,  集合 ,  計画 ,  学習