任意構造環境向けシーングラフ生成フレームワーク「Prior-SG」、arXivで公開

何が起きたか

arXivに投稿された論文（ID: 2608.06170v1）で、Prior-SGと呼ばれる新しいシーングラフ生成フレームワークが提案された。従来手法は局所的な視覚クラスタリングや壁で区切られた部屋などの幾何学的ヒューリスティクスに依存しており、オープンプランや任意構造の環境では失敗していた。Prior-SGは、シーングラフ生成を確率的アライメント問題として捉え、ロボットの探索中にRGB-Dセンサストリームを多スケール・オープンボキャブラリの特徴融合戦略を用いて物理的に接地されたインスタンスグラフに集約する。その後、大規模言語モデルが動的に合成する環境構造とタスク関連語彙の論理的期待値である事前グラフに基づき、最大事後確率推定で高次の機能的意味を推論する。視覚・幾何・離散オブジェクトの異種エキスパートをトポロジカル事前知識と融合するマルコフ確率場を最適化することで、局所的な知覚の曖昧性を解決する。多様なシミュレーション住宅データセットと大規模オープンプラン実環境で検証され、最先端のセマンティック領域分割精度を達成し、物理的な壁がない環境でも遠方の機能的境界を頑健に描出する。さらに、タスクに応じて空間分割を完全に再構成できるゼロショットのオントロジー柔軟性を提供する。

Key Facts

なぜ重要か

従来のシーングラフ生成は壁などの物理的構造に依存しており、オープンプラン環境や任意構造の環境では適用が難しかった。Prior-SGは、タスクと事前知識を確率的に統合することで、こうした環境でも高精度な領域分割を実現し、ロボットの空間認識とタスク遂行能力を向上させる可能性がある。また、LLMを活用したゼロショットの柔軟性により、タスクに応じた動的な空間再構成が可能となり、自律移動ロボットの応用範囲を広げる。