国際会議ICDCN2026で16件の研究発表・受賞
2026年1月に奈良で開催されたICDCN 2026にて計16件の研究発表・2件の受賞
研究発表 受賞
国際会議 · 2026
When Sensors Talk: LLM-Guided Object-Centric Collaboration for Distributed 3D Scene Understanding
Abstract
Collaborative 3D scene understanding enables multiple LiDAR or depth sensors to jointly perceive and reason about shared spaces, but transmitting full point clouds across devices is impractical under real-world bandwidth and latency constraints. Existing large language model (LLM)–based frameworks also typically assume access to a single, holistic 3D view. We propose an object-centric collaborative reasoning framework in which each device encodes local objects, shares lightweight summaries for multi-view fusion, and performs high-level reasoning through an LLM interface. Experiments on dense indoor scenes show that our method achieves accuracy close to raw-data fusion while greatly reducing communication bandwidth.
解説
一台の LiDAR や深度センサだけでは、物の陰になった部分は見えません。複数のセンサを別々の位置に置いて互いの死角を補い合えば空間全体を把握できますが、そのために点群をそのまま送り合うと、実際のネットワークでは帯域も遅延も持ちません。点群は一秒あたり数十万点という単位のデータになるためです。
ここで手がかりになるのが、共有したいのは点そのものではなく、そこに何があるかという意味のほうだという点です。オブジェクト中心の表現というのは、空間を点の集まりとしてではなく「机が一つ、椅子が二つ、人が一人」といった物体の単位で表す考え方で、情報量を大幅に落としながら、その後の判断に必要なことは残せます。
本研究の枠組みでは、各デバイスが手元の点群から物体を抽出して符号化し、軽量な要約だけを共有します。複数の視点から届いた要約を突き合わせて一つの場面像にまとめ、そのうえでの高度な推論を大規模言語モデルのインタフェースを通して行います。既存の LLM ベースの枠組みが、単一のまとまった 3 次元ビューにアクセスできることを前提にしていたのに対し、視点が分散していることを前提にしている点が異なります。
屋内の物が多い場面での実験では、生のデータを突き合わせた場合に近い精度を保ちながら、通信量を大きく減らせました。
関連する研究室活動
関連プロジェクト
