Fugu-MT 論文翻訳(概要): Frontier Detection and Reachability Analysis for Efficient 2D Graph-SLAM Based Active Exploration

論文の概要: Frontier Detection and Reachability Analysis for Efficient 2D Graph-SLAM Based Active Exploration

arxiv url: http://arxiv.org/abs/2009.02869v1
Date: Mon, 7 Sep 2020 03:13:47 GMT
ステータス: 処理完了
システム内更新日: 2022-10-21 02:55:24.827909
Title: Frontier Detection and Reachability Analysis for Efficient 2D Graph-SLAM Based Active Exploration
Title（参考訳）: 効率的な2次元グラフSLAMに基づくアクティブ探索のためのフロンティア検出と到達可能性解析
Authors: Zezhou Sun, Banghe Wu, Cheng-Zhong Xu, Sanjay E. Sarma, Jian Yang, and Hui Kong
Abstract要約: サブマップ作成のための基盤SLAMモジュールとして,Cartographer法を利用したアクティブな探索手法を提案する。また,検出されたフロンティアにロボットが到達できるように,フロンティアとそのクラスタの到達可能性の解析を行う。
参考スコア（独自算出の注目度）: 39.77922214957476
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose an integrated approach to active exploration by exploiting the Cartographer method as the base SLAM module for submap creation and performing efficient frontier detection in the geometrically co-aligned submaps induced by graph optimization. We also carry out analysis on the reachability of frontiers and their clusters to ensure that the detected frontier can be reached by robot. Our method is tested on a mobile robot in real indoor scene to demonstrate the effectiveness and efficiency of our approach.
Abstract（参考訳）: グラフ最適化によって誘導される幾何学的に協調したサブマップにおいて,サブマップ生成のためのベースSLAMモジュールとしてCartographer法を利用して,効率的なフロンティア検出を行う。また,検出されたフロンティアにロボットが到達できるように,フロンティアとそのクラスタの到達可能性の解析を行う。本手法は実屋内シーンにおける移動ロボットを用いて,本手法の有効性と効率性を実証する。

関連論文リスト

Unifying Unsupervised Graph-Level Anomaly Detection and Out-of-Distribution Detection: A Benchmark [73.58840254552656]
近年,非教師付きグラフレベルの異常検出(GLAD)と教師なしグラフレベルのアウト・オブ・ディストリビューション(OOD)検出が注目されている。教師なしグラフレベルのOODと異常検出のための統一ベンチマーク(我々の方法)を提案する。我々のベンチマークでは、4つの実用的な異常とOOD検出シナリオにまたがる35のデータセットを網羅している。我々は,既存手法の有効性,一般化性,堅牢性,効率性について多次元解析を行った。
論文参考訳（メタデータ） (2024-06-21T04:07:43Z)
FIT-SLAM -- Fisher Information and Traversability estimation-based Active SLAM for exploration in 3D environments [1.4474137122906163]
アクティブビジュアルSLAMは、地上ロボットのためのデニッドサブテレイン環境と屋外環境における幅広い応用を見出す。探索ミッション中に目標選択と目標に向けた経路計画に知覚的考察を取り入れることが不可欠である。本研究では,無人地上車両(UGV)を対象とした新しい探査手法であるFIT-SLAMを提案する。
論文参考訳（メタデータ） (2024-01-17T16:46:38Z)
Probable Object Location (POLo) Score Estimation for Efficient Object Goal Navigation [15.623723522165731]
本稿では,POLo(Probable Object Location)スコアを中心とした新しいフレームワークを提案する。計算集約的なPOLoスコアを近似するためにトレーニングされたニューラルネットワークであるPOLoNetを導入することで、フレームワークの実用性をさらに向上する。 OVMM 2023チャレンジの第1フェーズを含む実験では,POLoNetを組み込んだエージェントが,幅広いベースライン手法を著しく上回ることを示した。
論文参考訳（メタデータ） (2023-11-14T08:45:32Z)
Improving Online Lane Graph Extraction by Object-Lane Clustering [106.71926896061686]
本稿では,局所レーングラフの推定精度を向上させるために,アーキテクチャと損失の定式化を提案する。提案手法は,中心線をクラスタ中心とすることで,対象を中心線に割り当てることを学ぶ。提案手法は既存の3次元オブジェクト検出手法の出力を用いて,大幅な性能向上を実現することができることを示す。
論文参考訳（メタデータ） (2023-07-20T15:21:28Z)
Reinforcement Learning with Frontier-Based Exploration via Autonomous Environment [0.0]
この研究は、ExploreORBとして知られる既存のVisual-Graph SLAMと強化学習を組み合わせたものである。提案アルゴリズムは、フロンティアの探索プロセスを最適化し、より正確な地図を作成することにより、ExploreORBの効率と精度を向上させることを目的としている。
論文参考訳（メタデータ） (2023-07-14T12:19:46Z)
SEAL: Simultaneous Exploration and Localization in Multi-Robot Systems [0.0]
本稿では,新しい同時探索と局所化手法を提案する。相対的なローカライゼーションのために通信グラフ最適化を行いながら、最大探索に情報融合を用いる。広範囲なROS-Gazeboシミュレーションにおける探索および位置決め性能のショートエッジ法より優れたSEAL
論文参考訳（メタデータ） (2023-06-22T01:27:55Z)
Incremental 3D Scene Completion for Safe and Efficient Exploration Mapping and Planning [60.599223456298915]
本研究では,情報,安全,解釈可能な地図作成と計画に3次元シーン補完を活用することによって,深層学習を探索に統合する新しい手法を提案する。本手法は,地図の精度を最小限に抑えることで,ベースラインに比べて環境のカバレッジを73%高速化できることを示す。最終地図にシーン完了が含まれていなくても、ロボットがより情報的な経路を選択するように誘導し、ロボットのセンサーでシーンの測定を35%高速化できることが示される。
論文参考訳（メタデータ） (2022-08-17T14:19:33Z)
Learning to Explore by Reinforcement over High-Level Options [0.0]
エージェントに「見回し」と「フロンティアナビゲーション」という2つの行動選択肢を与える新しい手法を提案する。各タイムステップにおいて、エージェントはポリシーに従ってオプションと対応するアクションを生成する。提案手法が利用可能な2つの3次元環境データセットに対して有効であることを示す。
論文参考訳（メタデータ） (2021-11-02T04:21:34Z)
Object Goal Navigation using Goal-Oriented Semantic Exploration [98.14078233526476]
本研究は,未確認環境における対象カテゴリーのインスタンスにナビゲートするオブジェクトゴールナビゲーションの問題を研究する。本稿では,表層的なセマンティックマップを構築し,効率的に環境を探索する「ゴール指向セマンティック探索」というモジュールシステムを提案する。
論文参考訳（メタデータ） (2020-07-01T17:52:32Z)
Localized active learning of Gaussian process state space models [63.97366815968177]
多くの共通制御アプリケーションにおいて、優れた性能を達成するためには、グローバルに正確なモデルを必要としない。本稿では,状態-作用空間の有界部分集合上の正確なモデルを得ることを目的としたガウス過程状態空間モデルに対する能動的学習戦略を提案する。モデル予測制御を用いることで、探索中に収集した情報を統合し、探索戦略を適応的に改善する。
論文参考訳（メタデータ） (2020-05-04T05:35:02Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。