論文の概要: Collaborative Recognition of Feasible region with Aerial and Ground
Robots through DPCN
- arxiv url: http://arxiv.org/abs/2103.00947v1
- Date: Mon, 1 Mar 2021 12:22:11 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-03 16:04:56.380845
- Title: Collaborative Recognition of Feasible region with Aerial and Ground
Robots through DPCN
- Title(参考訳): DPCNによる空中・地上ロボットによる実現可能領域の認識
- Authors: Yunshuang Li, Zheyuan Huang, Zexi chen, Yue Wang and Rong Xiong
- Abstract要約: 地上ロボットは、障害物に近づいた場合にのみ衝突し、危険を感知して行動を起こすことができ、通常は衝突を避けるには遅すぎる。
航空ロボットと地上ロボットのコラボレーションにより、実現可能な地域を認識します。
- 参考スコア(独自算出の注目度): 9.10669609583837
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Ground robots always get collision in that only if they get close to the
obstacles, can they sense the danger and take actions, which is usually too
late to avoid the crash, causing severe damage to the robots. To address this
issue, we present collaboration of aerial and ground robots in recognition of
feasible region. Taking the aerial robots' advantages of having large scale
variance of view points of the same route which the ground robots is on, the
collaboration work provides global information of road segmentation for the
ground robot, thus enabling it to obtain feasible region and adjust its pose
ahead of time. Under normal circumstance, the transformation between these two
devices can be obtained by GPS yet with much error, directly causing inferior
influence on recognition of feasible region. Thereby, we utilize the
state-of-the-art research achievements in matching heterogeneous sensor
measurements called deep phase correlation network(DPCN), which has excellent
performance on heterogeneous mapping, to refine the transformation. The network
is light-weighted and promising for better generalization. We use Aero-Ground
dataset which consists of heterogeneous sensor images and aerial road
segmentation images. The results show that our collaborative system has great
accuracy, speed and stability.
- Abstract(参考訳): 地上ロボットは、障害物に近づいた場合にのみ衝突し、危険を感知して行動を起こすことができ、通常は衝突を避けるには遅すぎるため、ロボットに深刻な損傷を与える。
この問題に対処するため,実現可能な地域を認識した空地ロボットと地上ロボットのコラボレーションを提案する。
地上ロボットと同じ経路の視点を大規模に分散させることによる空中ロボットの利点を活かし、協調作業は地上ロボットの道路区分に関するグローバルな情報を提供し、実現可能な領域を入手し、事前の姿勢を調整できるようにする。
通常の状況下では、これらの2つのデバイス間の変換はGPSによって得られるが、誤りが多く、実現可能な領域の認識に直接的に悪影響を及ぼす。
そこで我々は, 深層位相相関ネットワーク (DPCN) と呼ばれる異種センサ計測の整合化における最先端の研究成果を利用して, 異種マッピングの性能を向上する。
ネットワークは軽量で、より良い一般化を約束している。
ヘテロジニアスなセンサ画像と空中道路セグメンテーション画像からなるAero-Groundデータセットを用いた。
その結果,協調システムは精度,速度,安定性に優れていた。
関連論文リスト
- Active Visual Localization for Multi-Agent Collaboration: A Data-Driven
Approach [51.75186763756072]
本研究は、視点変化の課題を克服するために、アクティブな視覚的ローカライゼーションをどのように利用できるかを検討する。
具体的には、与えられた場所における最適な視点を選択する問題に焦点をあてる。
その結果,既存の手法と比較して,データ駆動方式の方が優れた性能を示した。
論文 参考訳(メタデータ) (2023-10-04T08:18:30Z) - Synthetic-to-Real Domain Adaptation for Action Recognition: A Dataset
and Baseline Performances [87.20906333918032]
ロボット制御ジェスチャー(RoCoG-v2)と呼ばれる新しいデータセットを導入する。
データセットは7つのジェスチャークラスの実ビデオと合成ビデオの両方で構成されている。
我々は,最先端の行動認識とドメイン適応アルゴリズムを用いて結果を示す。
論文 参考訳(メタデータ) (2023-03-17T23:23:55Z) - Neural Scene Representation for Locomotion on Structured Terrain [56.48607865960868]
本研究では,都市環境を横断する移動ロボットの局所的な地形を再構築する学習手法を提案する。
搭載されたカメラとロボットの軌道からの深度測定のストリームを用いて、ロボットの近傍の地形を推定する。
ノイズ測定とカメラ配置の盲点からの大量の欠落データにもかかわらず,シーンを忠実に再構築する3次元再構成モデルを提案する。
論文 参考訳(メタデータ) (2022-06-16T10:45:17Z) - 6N-DoF Pose Tracking for Tensegrity Robots [5.398092221687385]
引張ロボットは剛性圧縮要素(ロッド)と柔軟な引張要素(ケーブルなど)から構成される
この研究は、マーカーのない視覚に基づく方法で、緊張するロボットのポーズトラッキングに対処することを目的としている。
RGB-Dビデオから張力ロボットの各剛体要素の6-DoFポーズを反復的に推定するプロセスを提案する。
論文 参考訳(メタデータ) (2022-05-29T20:55:29Z) - Regularized Deep Signed Distance Fields for Reactive Motion Generation [30.792481441975585]
距離に基づく制約は、ロボットが自分の行動を計画し、安全に行動できるようにするための基本となる。
本研究では,任意のスケールでスムーズな距離場を計算できる単一暗黙関数ReDSDFを提案する。
共有作業空間における全身制御(WBC)と安全なヒューマンロボットインタラクション(HRI)のための代表的タスクにおけるアプローチの有効性を実証する。
論文 参考訳(メタデータ) (2022-03-09T14:21:32Z) - Autonomous Aerial Robot for High-Speed Search and Intercept Applications [86.72321289033562]
高速物体把握のための完全自律飛行ロボットが提案されている。
追加のサブタスクとして、我々のシステムは、表面に近い極にある気球を自律的にピアスすることができる。
我々のアプローチは、挑戦的な国際競争で検証され、優れた結果が得られました。
論文 参考訳(メタデータ) (2021-12-10T11:49:51Z) - SABER: Data-Driven Motion Planner for Autonomously Navigating
Heterogeneous Robots [112.2491765424719]
我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。
モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。
リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。
ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
論文 参考訳(メタデータ) (2021-08-03T02:56:21Z) - Kimera-Multi: Robust, Distributed, Dense Metric-Semantic SLAM for
Multi-Robot Systems [92.26462290867963]
Kimera-Multiは、最初のマルチロボットシステムであり、不正なインターループとイントラロボットループの閉鎖を識別し拒否することができる。
我々は、フォトリアリスティックシミュレーション、SLAMベンチマークデータセット、地上ロボットを用いて収集された屋外データセットの挑戦において、Kimera-Multiを実証した。
論文 参考訳(メタデータ) (2021-06-28T03:56:40Z) - DARE-SLAM: Degeneracy-Aware and Resilient Loop Closing in
Perceptually-Degraded Environments [4.34118539186713]
自律探査における重要な要件は、未知の環境の正確で一貫したマップを構築することである。
位置認識を改善し,3次元位置の曖昧さを解消するために,デジェネリアシー・アウェアとドリフト・レジリエント・ループ・クロージング法を提案する。
論文 参考訳(メタデータ) (2021-02-09T20:37:17Z) - Domain Adaptation for Outdoor Robot Traversability Estimation from RGB
data with Safety-Preserving Loss [12.697106921197701]
本稿では,車載RGBカメラの視野内で異なる経路のトラバーススコアを推定し,予測する深層学習に基づくアプローチを提案する。
次に、勾配反転非教師付き適応によるドメインシフトに対処することで、モデルの能力を向上する。
実験結果から,本手法は移動可能領域を良好に同定し,目に見えない場所に一般化できることが示唆された。
論文 参考訳(メタデータ) (2020-09-16T09:19:33Z) - Collaborative Multi-Robot Systems for Search and Rescue: Coordination
and Perception [16.850204497272205]
マルチロボットシステムは、捜索救助員の効率を大幅に改善する可能性がある。
本稿では,マルチロボットSARサポートに対する既存のアプローチをレビューし,分析する。
これらのアルゴリズムは、様々な種類のロボットが異なるSAR環境で遭遇する様々な課題と制約の文脈に置かれる。
論文 参考訳(メタデータ) (2020-08-28T12:28:32Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。