知覚・視点最適化2026/9/16arXiv:2609.19510

PIVOT: 知覚を考慮した独立視点のオンライン最適化

PIVOT: Perception-aware Independent Viewpoint Online Optimization

ジンバルカメラやMEMS LiDARなど向きを独立制御できるセンサ向けに、移動軌跡に沿って視点方向をオンラインで最適化し特徴の見えやすさを最大化する軽量手法を提案。

詳しい要約

1. どんなもの？

- ロボットの知覚における固定FoVの仮定を覆す、motion-decoupled sensors（gimbal-mounted camerasやMEMS-based LiDARs）のためのオンライン視点最適化手法PIVOTを提案。 - 固定並進軌道に沿ってセンサの視点方向を最適化し、特徴量の可視性を最大化する。 - 円錐FoVモデルの下で、可視性は光軸のみに依存し、視点球S^2上の2自由度最適化問題となる。 - 座標フリーのSO(3)指数写像更新により、明示的な角度パラメータ化や視点球の全探索なしで効率的な連続最適化を実現。

2. 先行研究と比べてどこがすごい？

- 従来のロボット知覚ではセンサのFoVがロボット本体に対して固定であるという基本的仮定があった。 - PIVOTは、gimbal-mounted camerasやMEMS-based LiDARsのようなmotion-decoupled sensorsの視点方向をランタイムで独立に制御可能にする。 - 特徴量が密な環境でオンラインに有用な視点方向を効率的に選択する計算課題に対処。 - ブルートフォース可視性の98.1–99.6%を維持しつつ76–85倍の高速化を達成。

3. 技術・手法の肝は？

- 軽量な反復手法で、固定並進軌道に沿ってセンサ視点方向を最適化。 - 円錐FoVモデルを採用し、可視性が光軸のみに依存することを利用。 - 視点球S^2上の2自由度最適化問題として定式化。 - 座標フリーのSO(3)指数写像更新を用い、明示的な角度パラメータ化や視点球の全探索を回避。

4. どうやって有効だと検証した？

- Monte Carlo評価により、ブルートフォース可視性の98.1–99.6%を維持しつつ76–85倍の高速化を確認。 - フォトリアリスティックシミュレーションと実世界実験を実施。 - 四足歩行ロボット上で視覚的ローカリゼーションのロバスト性向上と実用的な視点制御を実証。

5. 議論はある？

- 要旨からは不明。

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gimbal-mounted cameras、MEMS-based LiDARs、visual localization、quadruped robotに関する研究が挙げられる。

※ 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: Yuyang Chen, Shekoufeh Sadeghi, Charuvahan Adhivarahan, Elton Lemos, Chen Wang, Sanjeev J. Koppal, Karthik Dantu

分類: cs.RO

原文アブストラクト

A fundamental assumption in robotic perception is that the sensor's field of view (FoV) is fixed relative to the robot body. Motion-decoupled sensors, such as gimbal-mounted cameras and MEMS-based LiDARs, instead allow sensing direction to be controlled independently at runtime. This freedom creates a computational challenge: efficiently selecting useful viewing directions online in feature-dense environments. We propose PIVOT, a lightweight iterative method that optimizes sensor viewing direction along a fixed translation trajectory to maximize feature visibility. Under a conical FoV model, visibility depends only on the optical axis, yielding a two-degree-of-freedom optimization on the viewing sphere $S^2$. Coordinate-free $SO(3)$ exponential-map updates enable efficient continuous optimization without explicit angular parameterizations or exhaustive viewing-sphere search. Monte Carlo evaluations retain 98.1--99.6% of brute-force visibility with a 76--85x speedup. Photorealistic simulation and real-world experiments further demonstrate improved visual localization robustness and practical viewpoint control on a quadruped robot.

arXivで原文を読む →arXiv概要ページ

← 論文一覧