論文の概要: Active Safety Envelopes using Light Curtains with Probabilistic
Guarantees
- arxiv url: http://arxiv.org/abs/2107.04000v1
- Date: Thu, 8 Jul 2021 17:46:05 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-09 13:50:21.638459
- Title: Active Safety Envelopes using Light Curtains with Probabilistic
Guarantees
- Title(参考訳): 確率保証付き軽量カーテンを用いた能動安全封筒
- Authors: Siddharth Ancha, Gaurav Pathak, Srinivasa G. Narasimhan, David Held
- Abstract要約: 未知の環境をナビゲートするには、ロボットはダイナミックな障害を正確に知覚する必要がある。
LiDARセンサーでシーンの奥行きを直接測定する代わりに、より安価で高解像度のセンサー、プログラマブルなライトカーテンを使っています。
私たちは光カーテンを使ってシーンの安全封筒を推定します。
- 参考スコア(独自算出の注目度): 27.5625804389892
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: To safely navigate unknown environments, robots must accurately perceive
dynamic obstacles. Instead of directly measuring the scene depth with a LiDAR
sensor, we explore the use of a much cheaper and higher resolution sensor:
programmable light curtains. Light curtains are controllable depth sensors that
sense only along a surface that a user selects. We use light curtains to
estimate the safety envelope of a scene: a hypothetical surface that separates
the robot from all obstacles. We show that generating light curtains that sense
random locations (from a particular distribution) can quickly discover the
safety envelope for scenes with unknown objects. Importantly, we produce
theoretical safety guarantees on the probability of detecting an obstacle using
random curtains. We combine random curtains with a machine learning based model
that forecasts and tracks the motion of the safety envelope efficiently. Our
method accurately estimates safety envelopes while providing probabilistic
safety guarantees that can be used to certify the efficacy of a robot
perception system to detect and avoid dynamic obstacles. We evaluate our
approach in a simulated urban driving environment and a real-world environment
with moving pedestrians using a light curtain device and show that we can
estimate safety envelopes efficiently and effectively. Project website:
https://siddancha.github.io/projects/active-safety-envelopes-with-guarantees
- Abstract(参考訳): 未知の環境を安全にナビゲートするには、ロボットは動的障害物を正確に認識する必要がある。
LiDARセンサーでシーンの奥行きを直接測定する代わりに、より安価で高解像度のセンサー、プログラマブルなライトカーテンを使っています。
光カーテンは、ユーザーが選択した表面に沿ってのみ感知する、制御可能な深度センサーである。
ライトカーテンを使ってシーンの安全エンベロープを推定します。ロボットをすべての障害物から切り離す仮想的な表面です。
ランダムな場所(特定の分布から)を感知する光カーテンを生成することで、未知の物体を含むシーンの安全エンベロープを素早く発見できることを示す。
重要となるのは,ランダムカーテンを用いた障害物検出の可能性に関する理論的安全性の保証である。
ランダムカーテンと機械学習に基づくモデルを組み合わせて、安全封筒の動きを効率的に予測し追跡する。
本手法は,ロボット認識システムの有効性を証明し,動的障害物を検出し回避するための確率論的安全保証を提供しながら,安全封筒を正確に推定する。
本研究は,軽カーテンを用いた移動歩行者による都市走行環境と実環境のシミュレーションによるアプローチを評価し,安全エンベロープを効率的かつ効果的に推定できることを示す。
プロジェクトwebサイト: https://siddancha.github.io/projects/active-safety-envelopes-with-guarantees
関連論文リスト
- Multi-Modal Neural Radiance Field for Monocular Dense SLAM with a
Light-Weight ToF Sensor [58.305341034419136]
単眼カメラと軽量ToFセンサを備えた初の高密度SLAMシステムを提案する。
本稿では,RGBカメラと軽量ToFセンサの両方の信号のレンダリングをサポートするマルチモーダル暗黙のシーン表現を提案する。
実験により,本システムは軽量なToFセンサの信号をうまく利用し,競合的な結果が得られることが示された。
論文 参考訳(メタデータ) (2023-08-28T07:56:13Z) - Safety Shielding under Delayed Observation [59.86192283565134]
シールドは安全な実行を保証するコンストラクション・バイ・コンストラクション・インストラクタである。
シールドは、将来の干渉が最小化される可能性が最も高い方法で、安全な修正行動を選択するべきである。
現実的な運転シミュレータにおけるシールドの最初の統合について述べる。
論文 参考訳(メタデータ) (2023-07-05T10:06:10Z) - Approximate Shielding of Atari Agents for Safe Exploration [83.55437924143615]
遮蔽の概念に基づく安全な探索のための原理的アルゴリズムを提案する。
本稿では,我々の近似遮蔽アルゴリズムが安全違反率を効果的に低減することを示す予備的な結果を示す。
論文 参考訳(メタデータ) (2023-04-21T16:19:54Z) - Privacy-preserving Pedestrian Tracking using Distributed 3D LiDARs [0.2519906683279152]
重複しないビューの分散LiDARを用いたスマート環境における歩行者追跡のための新しいプライバシ保護システムを提案する。
このシステムは、LiDARデバイスを利用して、部分的に覆われたエリアの歩行者を追跡するように設計されている。
システムの堅牢性を高めるために、個人の動的モビリティパターンをモデル化し、適応するために確率論的アプローチを利用する。
論文 参考訳(メタデータ) (2023-03-17T12:08:47Z) - Active Velocity Estimation using Light Curtains via Self-Supervised
Multi-Armed Bandits [15.080816529975847]
環境を安全に自律的にナビゲートするには、ロボットがどこに障害物があるのか、どのように動くのかを正確に見積もる必要がある。
高価な3Dセンサーを使わずに、より安価で高速で高解像度の代替品である、プログラマブルなライトカーテンを使おう。
我々は,光カーテンによる部分的測定を用いて,粒子フィルタと占有格子に基づく確率的手法を適用し,シーン内の3次元点の位置と速度を明示的に推定する。
本稿では,将来の光カーテン配置を用いて,現在の速度推定値の精度を評価する,自己監督型報酬関数を提案する。
論文 参考訳(メタデータ) (2023-02-24T12:19:45Z) - WayFAST: Traversability Predictive Navigation for Field Robots [5.914664791853234]
本稿では,車輪付き移動ロボットの走行経路を予測するための自己教師型アプローチを提案する。
キーとなるインスピレーションは、キノダイナミックモデルを用いてローリングロボットのトラクションを推定できることです。
オンライントラクション推定に基づくトレーニングパイプラインは,他の手法よりもデータ効率が高いことを示す。
論文 参考訳(メタデータ) (2022-03-22T22:02:03Z) - Event Guided Depth Sensing [50.997474285910734]
バイオインスパイアされたイベントカメラ駆動深度推定アルゴリズムを提案する。
提案手法では,イベントカメラが検出したシーン活動に応じて,関心領域を高密度に照明する。
シミュレーションされた自律運転シーケンスと実際の屋内環境におけるアプローチの実現可能性を示す。
論文 参考訳(メタデータ) (2021-10-20T11:41:11Z) - Sample-Efficient Safety Assurances using Conformal Prediction [70.18226254621065]
早期警戒システムは、安全でない状況が差し迫ったときに警告を提供することができる。
安全性を確実に向上させるためには、これらの警告システムは証明可能な偽陰性率を持つべきである。
本稿では,共形予測と呼ばれる統計的推論手法とロボット・環境力学シミュレータを組み合わせたフレームワークを提案する。
論文 参考訳(メタデータ) (2021-09-28T23:00:30Z) - Bandit Quickest Changepoint Detection [55.855465482260165]
すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。
有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。
本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
論文 参考訳(メタデータ) (2021-07-22T07:25:35Z) - Demo Abstract: Indoor Positioning System in Visually-Degraded
Environments with Millimetre-Wave Radar and Inertial Sensors [44.58134907168034]
本研究では,ミリ波レーダと慣性計測ユニット(IMU)データを深部センサ融合により融合する屋内位置決めシステムを提案する。
優れた精度とレジリエンスは、照明の悪いシーンでも見られた。
論文 参考訳(メタデータ) (2020-10-26T17:41:25Z) - Active Perception using Light Curtains for Autonomous Driving [31.850820506272846]
光カーテンを用いた3次元物体認識手法を提案する。
我々は、ディープラーニングに基づく3Dポイントクラウド検出器の予測不確実性を利用して、アクティブな知覚を誘導する。
我々は、不確実性誘導光カーテンを順次配置することにより、シーン内の物体を検出するために3D検出器をどのように訓練するかを示す。
論文 参考訳(メタデータ) (2020-08-05T15:38:18Z)
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。