論文の概要: Robotic Vision for Space Mining
- arxiv url: http://arxiv.org/abs/2109.12109v2
- Date: Thu, 30 Sep 2021 01:47:49 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-01 12:09:23.741973
- Title: Robotic Vision for Space Mining
- Title(参考訳): 宇宙採掘のためのロボットビジョン
- Authors: Ragav Sachdeva, Ravi Hammond, James Bockman, Alec Arthur, Brandon
Smart, Dustin Craggs, Anh-Dzung Doan, Thomas Rowntree, Elijah Schutz, Adrian
Orenstein, Andy Yu, Tat-Jun Chin, Ian Reid
- Abstract要約: 月面環境がもたらす課題を軽減するために、機械学習による視覚がいかに役立つかを示す。
ロボット間の長期的な操作と効果的な協調を実現するために、ロバストなマルチロボットコーディネータも開発された。
- 参考スコア(独自算出の注目度): 32.2999577099258
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Future Moon bases will likely be constructed using resources mined from the
surface of the Moon. The difficulty of maintaining a human workforce on the
Moon and communications lag with Earth means that mining will need to be
conducted using collaborative robots with a high degree of autonomy. In this
paper, we explore the utility of robotic vision towards addressing several
major challenges in autonomous mining in the lunar environment: lack of
satellite positioning systems, navigation in hazardous terrain, and delicate
robot interactions. Specifically, we describe and report the results of robotic
vision algorithms that we developed for Phase 2 of the NASA Space Robotics
Challenge, which was framed in the context of autonomous collaborative robots
for mining on the Moon. The competition provided a simulated lunar environment
that exhibits the complexities alluded to above. We show how machine
learning-enabled vision could help alleviate the challenges posed by the lunar
environment. A robust multi-robot coordinator was also developed to achieve
long-term operation and effective collaboration between robots.
- Abstract(参考訳): 将来の月面基地は、月の表面から採掘された資源を用いて構築される可能性が高い。
月での人間の労働力の維持が困難で、地球との通信が遅れているため、高度な自律性を持つ協調ロボットを使って採掘を行う必要がある。
本稿では,衛星測位装置の欠如,危険地形の航行,微妙なロボットの相互作用など,月面環境における自律地雷の課題に対するロボットビジョンの有用性について検討する。
具体的には、月面採掘のための自律的な共同作業ロボットの文脈で、NASA宇宙ロボティクスチャレンジの第2フェーズのために開発したロボットビジョンアルゴリズムの結果を記述し報告する。
コンペティションは、上述の複雑さを示すシミュレートされた月環境を提供した。
月面環境がもたらす課題を軽減するために、機械学習による視覚がいかに役立つかを示す。
ロボット間の長期的な操作と効果的な協調を実現するために、堅牢なマルチロボットコーディネータも開発された。
関連論文リスト
- We Choose to Go to Space: Agent-driven Human and Multi-Robot
Collaboration in Microgravity [28.64243893838686]
将来の宇宙探査には人間とロボットが協力する必要がある。
本研究では,微小重力環境下での人間とロボットの協調戦略を学習するSpaceAgents-1を提案する。
論文 参考訳(メタデータ) (2024-02-22T05:32:27Z) - Learning Human-to-Robot Handovers from Point Clouds [63.18127198174958]
視覚に基づく人間ロボットハンドオーバの制御ポリシーを学習する最初のフレームワークを提案する。
シミュレーションベンチマーク,sim-to-sim転送,sim-to-real転送において,ベースラインよりも大きな性能向上を示した。
論文 参考訳(メタデータ) (2023-03-30T17:58:36Z) - Enabling Astronaut Self-Scheduling using a Robust Advanced Modelling and
Scheduling system: an assessment during a Mars analogue mission [44.621922701019336]
アナログ宇宙飛行士の乗組員によるコンピュータ意思決定支援ツールの使用について検討した。
提案されたツールはRomieと呼ばれ、Robost Advanced Modelling and Scheduling (RAMS)システムの新しいカテゴリに属している。
論文 参考訳(メタデータ) (2023-01-14T21:10:05Z) - Fleet-DAgger: Interactive Robot Fleet Learning with Scalable Human
Supervision [72.4735163268491]
ロボットの商業的および産業的な展開は、実行中にリモートの人間のテレオペレーターにフォールバックすることが多い。
我々は対話型フリートラーニング(Interactive Fleet Learning, IFL)の設定を定式化し、複数のロボットが対話型クエリを行い、複数の人間スーパーバイザーから学習する。
IFLアルゴリズムのファミリーであるFleet-DAggerを提案し、新しいFleet-DAggerアルゴリズムをシミュレーションで4つのベースラインと比較する。
論文 参考訳(メタデータ) (2022-06-29T01:23:57Z) - Design and Simulation of an Autonomous Quantum Flying Robot Vehicle: An
IBM Quantum Experience [0.0]
ロボット工学における量子現象は、ロボットが空間を減らし、量子計算によって大量の情報を効率的に処理できることを保証する。
我々は、単純なブレイテンベルク車よりも複雑な状況を理解するのに十分な「スマート」な量子ロボット車両を提案する。
論文 参考訳(メタデータ) (2022-06-01T00:08:41Z) - Socially Compliant Navigation Dataset (SCAND): A Large-Scale Dataset of
Demonstrations for Social Navigation [92.66286342108934]
社会ナビゲーションは、ロボットのような自律的なエージェントが、人間のような他の知的エージェントの存在下で、社会的に従順な方法でナビゲートする能力である。
私たちのデータセットには8.7時間、128の軌道、25マイルの社会的に適合した人間の遠隔運転デモが含まれています。
論文 参考訳(メタデータ) (2022-03-28T19:09:11Z) - 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) - Dual-Arm Adversarial Robot Learning [0.6091702876917281]
ロボット学習のためのプラットフォームとしてデュアルアーム設定を提案する。
このセットアップの潜在的なメリットと、追求できる課題と研究の方向性について論じる。
論文 参考訳(メタデータ) (2021-10-15T12:51:57Z) - NeBula: Quest for Robotic Autonomy in Challenging Environments; TEAM
CoSTAR at the DARPA Subterranean Challenge [105.27989489105865]
本稿では,TEAM CoSTARが開発したアルゴリズム,ハードウェア,ソフトウェアアーキテクチャについて述べる。
NeBula (Networked Belief-Aware Perceptual Autonomy) と呼ばれる当社の自律的ソリューションを紹介します。
論文 参考訳(メタデータ) (2021-03-21T19:42:26Z) - Co-Evolution of Multi-Robot Controllers and Task Cues for Off-World Open
Pit Mining [0.6091702876917281]
本稿では,マルチロボット掘削とサイト準備のシナリオにおいて,スケーラブルなコントローラを開発するための新しい手法を提案する。
コントローラは空白のスレートから始まり、人間による操作スクリプトや、掘削機の運動学や力学の詳細なモデリングを必要としない。
本稿では,テンプレートとタスクキューを用いてグループパフォーマンスをさらに向上し,アンタゴニティを最小化する方法について検討する。
論文 参考訳(メタデータ) (2020-09-19T03:13:28Z)
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。