SAM-VTP: 映像メモリと計測幾何学による連続走行可能性セグメンテーション

- 連続的な走行可能領域(traversability)セグメンテーションのための手法 SAM-VTP (Video Traversability Prediction)。 - SAM2 の video memory pathway を fine-tune し、dense かつ prompt-free な走行可能領域セグメンテーションを行う。 - 各フレームを過去観測の persistent memory に条件付けし、時間的一貫性を確保する。 - 地形幾何を外観から推論せず、depth から slope・roughness・height を計測して画像特徴に融合する。 - オフラインの連続 supervision pipeline により、[0,1] の dense per-pixel traversability ターゲットを生成する。

- 多くの vision-based 手法は frame-wise で、時間的に不整合な予測を出しやすい。 - 比較対象の SAM-TP は frame-wise な SAM2 baseline。 - TartanGround で fuzzy Jaccard 0.908→0.924、binary IoU 0.854→0.886 と改善(seed-to-seed spread は 0.001 未満)。 - frame-to-frame flicker を 31% 削減。 - closed-loop 試験で baseline の dropout により feasible path を失う頻度が、paved course で 3.3 倍、rough ground で 6.9 倍だったと報告。

- SAM2 の video memory pathway を fine-tune し、persistent memory でフレーム間の一貫性を持たせる。 - 地形幾何を depth から計測し、slope・roughness・height を画像特徴に融合する。 - オフラインで depth 由来の幾何と semantic priors から [0,1] の dense per-pixel ターゲットを生成する連続 supervision pipeline を導入。 - ロボット実機展開や per-pixel annotation を必要とせず、binary label では表せない conditional feasibility を捉える。

- 大規模合成 ground-robot データセット TartanGround で評価。 - fuzzy Jaccard と binary IoU を SAM-TP と比較し、seed-to-seed spread 0.001 未満で改善を確認。 - frame-to-frame flicker の 31% 削減を報告。 - 2 つの field site での closed-loop 試験で、同一 planner・controller を用いて baseline との比較を実施。 - ロボット搭載の Orin Nano 上で 21.4 FPS で動作。

- 要旨からは不明(closed-loop 試験の詳細条件や限界、失敗事例の議論は記述されていない)。 - 合成データセット TartanGround での評価が中心で、実環境への汎化に関する議論は要旨からは不明。 - 連続 supervision の semantic priors への依存度や誤差影響は要旨からは不明。

- SAM-TP(frame-wise な SAM2 baseline、本論文の比較対象)。 - SAM2(video memory pathway の基盤モデル)。 - TartanGround(評価に用いた大規模合成 ground-robot データセット)。 - depth から slope・roughness・height を計測する geometry-based traversability 手法(関連手法として)。