Shengjie Xu氏ら研究者チームは11月12日(現地時間)、低照度条件下におけるロボット知覚の課題解決を目指す新たな手法を提案した。同チームは、リアルタイムでのタスク関連セマンティックリカバリを実現するため、「Generative Neural Sensor」と「Real-Time Perceptual Architecture」を開発。既存の低照度画像強調(LLIE)手法では困難だった、実環境でのロバストな知覚性能向上を可能にする。この研究成果はarXiv cs.CVを通じて公開された。

研究チームが提案するのは、照明を信号処理ではなく生成事前分布として扱うGenerative Neural Sensorをロボットの制御ループに統合するアプローチである。これにより、昼光画像で訓練されたオブジェクト検出器が低照度や悪天候下で性能が低下する問題に対処する。

また、高遅延のセマンティックリカバリと低遅延のロボット制御を分離するReal-Time Perceptual Architectureも導入した。このシステムは、大規模なimage-to-image拡散モデルをバックグラウンドスレッドで実行し、検出信頼度の低下が知覚的不確実性イベントを示した時のみ活性化することで、計算オーバーヘッドを大幅に削減する。

本手法は、低照度ベンチマーク「ExDark」において87.1%のmAPを達成し、新たなstate-of-the-art性能を確立した。悪天候下においても、競合手法を上回る検出率向上を示している。

さらに、閉ループ自律走行シミュレータ「CARLA」でのナビゲーションタスクでは、100%のラップ完了率を記録。これにより、高遅延生成モデルと標準的なロボット制御自律スタックを統合するシミュレーションベースの概念実証が確立された。この論文は、2026年に米国ピッツバーグ (Pittsburgh, PA) で開催されるIEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2026に採択されている。


参考: arXiv cs.CV (アーカイブ) — 2026年11月16日 14:00 (JST)

原文ハイライト

"Real-Time Diffusion Relighting as a Neural Sensor"

この記事をシェア
X はてブ LinkedIn