論文の概要: Hierarchical Path-planning from Speech Instructions with Spatial
Concept-based Topometric Semantic Mapping
- arxiv url: http://arxiv.org/abs/2203.10820v2
- Date: Thu, 25 May 2023 14:10:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-27 00:25:15.448390
- Title: Hierarchical Path-planning from Speech Instructions with Spatial
Concept-based Topometric Semantic Mapping
- Title（参考訳）: 空間概念に基づくトポロジカルセマンティクスマッピングを用いた音声指示からの階層的経路計画
- Authors: Akira Taniguchi, Shuya Ito, Tadahiro Taniguchi
- Abstract要約: 人間の音声による目的地への移動は、現実世界で動作する自律移動ロボットにとって不可欠である。
位置接続を組み込んだマルチモーダル空間概念を用いた階層的経路計画法SpCoTMHPを提案する。
WN-SPLを0.589倍、計算時間を7.14秒短縮した。
- 参考スコア（独自算出の注目度）: 7.0471949371778795
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Navigating to destinations using human speech instructions is essential for
autonomous mobile robots operating in the real world. Although robots can take
different paths toward the same goal, the shortest path is not always optimal.
A desired approach is to flexibly accommodate waypoint specifications, planning
a better alternative path, even with detours. Furthermore, robots require
real-time inference capabilities. Spatial representations include semantic,
topological, and metric levels, each capturing different aspects of the
environment. This study aims to realize a hierarchical spatial representation
by a topometric semantic map and path planning with speech instructions,
including waypoints. We propose SpCoTMHP, a hierarchical path-planning method
that utilizes multimodal spatial concepts, incorporating place connectivity.
This approach provides a novel integrated probabilistic generative model and
fast approximate inference, with interaction among the hierarchy levels. A
formulation based on control as probabilistic inference theoretically supports
the proposed path planning. Navigation experiments using speech instruction
with a waypoint demonstrated the performance improvement of path planning,
WN-SPL by 0.589, and reduced computation time by 7.14 sec compared to
conventional methods. Hierarchical spatial representations offer a mutually
understandable form for humans and robots, enabling language-based navigation
tasks.
- Abstract（参考訳）: 人間の音声指示による目的地への移動は、現実世界で動く自律移動ロボットにとって不可欠である。
ロボットは同じ目標に向かって異なる経路を取ることができるが、最短経路は必ずしも最適ではない。
望ましいアプローチは、waypointの仕様を柔軟に適合させ、より優れた代替パスを計画することである。
さらに、ロボットはリアルタイム推論機能を必要とする。
空間表現には意味、トポロジ、計量レベルが含まれ、それぞれが環境の異なる側面を捉えている。
本研究では,地形意味マップによる階層的空間表現と,ウェイポイントを含む音声指示による経路計画を実現することを目的とした。
位置接続を組み込んだマルチモーダル空間概念を用いた階層的経路計画法SpCoTMHPを提案する。
このアプローチは、階層レベル間の相互作用を伴う、新しい統合確率的生成モデルと高速近似推論を提供する。
確率的推論としての制御に基づく定式化は,提案した経路計画を理論的に支持する。
waypointを用いた音声指示によるナビゲーション実験では, wn-splが0.589秒, 計算時間が7.14秒短縮された。
階層的な空間表現は、人間とロボットの相互理解可能な形態を提供し、言語ベースのナビゲーションタスクを可能にする。
関連論文リスト
- SCoTT: Wireless-Aware Path Planning with Vision Language Models and Strategic Chains-of-Thought [78.53885607559958]
複雑な無線環境における経路計画を実現するために,視覚言語モデル(VLM)を用いた新しい手法を提案する。
この目的のために、実世界の無線レイトレーシングデータを用いたデジタルツインからの洞察を探索する。
その結果, SCoTT はDP-WA* と比較して非常に近い平均経路ゲインを実現し, 同時に一貫した経路長が得られることがわかった。
論文 参考訳（メタデータ） (2024-11-27T10:45:49Z) - IPPON: Common Sense Guided Informative Path Planning for Object Goal Navigation [33.979481250363584]
本稿では,新しい情報経路計画法と3次元オブジェクト確率マッピング手法を提案する。
マッピングモジュールはセマンティックセグメンテーションとベイズフィルタによって関心対象の確率を計算する。
我々のプランナーはゼロショットアプローチに従っているが、2023年のHabitat ObjectNav Challengeにおいて、Path Length(SPL)とSoft SPLが重み付けしたSuccessによって測定された最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2024-10-25T17:11:33Z) - POA: Passable Obstacles Aware Path-planning Algorithm for Navigation of
a Two-wheeled Robot in Highly Cluttered Environments [53.41594627336511]
パッシブル障害物認識(Passable Obstacles Aware, POA)プランナーは, 乱雑な環境下での二輪ロボットのナビゲーション手法である。
我々のアルゴリズムは、二輪ロボットが通過可能な障害物を通り抜ける道を見つけることを可能にする。
論文 参考訳（メタデータ） (2023-07-16T19:44:27Z) - Predicting Dense and Context-aware Cost Maps for Semantic Robot
Navigation [35.45993685414002]
本研究では,対象がセマンティックラベルで指定された未知環境における目標ナビゲーションの課題について検討する。
本稿では,意味的コンテキストを暗黙的に含む高コストマップを予測するために,ディープニューラルネットワークアーキテクチャとロス関数を提案する。
また、コストマップ予測のためのセマンティックなヒントを提供するために、アーキテクチャに中間レベルの視覚表現を融合する新しい方法を提案する。
論文 参考訳（メタデータ） (2022-10-17T11:43:19Z) - Risk-Aware Off-Road Navigation via a Learned Speed Distribution Map [39.54575497596679]
本研究は,データから学習可能なロボットの速度のみに基づく,トラバーサビリティの新たな表現を提案する。
提案アルゴリズムは,ロボットが達成できる速度の分布を,環境セマンティクスと命令された速度に基づいて予測する。
数値シミュレーションにより,提案したリスク認識計画アルゴリズムが平均目標達成時間を短縮することを示した。
論文 参考訳（メタデータ） (2022-03-25T03:08:02Z) - Systematic Comparison of Path Planning Algorithms using PathBench [55.335463666037086]
パスプランニングはモバイルロボティクスの重要な構成要素である。
学習に基づく経路計画アルゴリズムの開発は、急速な成長を遂げている。
本稿では,パスプランニングアルゴリズムの開発,視覚化,トレーニング,テスト,ベンチマークを行うプラットフォームであるPathBenchについて述べる。
論文 参考訳（メタデータ） (2022-03-07T01:52:57Z) - Learning Time-optimized Path Tracking with or without Sensory Feedback [5.254093731341154]
本稿では,ロボットが関節空間で定義された基準経路を素早く追従できる学習型アプローチを提案する。
ロボットは、物理シミュレータで生成されたデータを用いて強化学習によって訓練されたニューラルネットワークによって制御される。
論文 参考訳（メタデータ） (2022-03-03T19:13:31Z) - ViKiNG: Vision-Based Kilometer-Scale Navigation with Geographic Hints [94.60414567852536]
長距離航法には、計画と局所的な移動可能性の推論の両方が必要である。
学習と計画を統合する学習に基づくアプローチを提案する。
ViKiNGは、画像ベースの学習コントローラを利用できる。
論文 参考訳（メタデータ） (2022-02-23T02:14:23Z) - 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) - PathBench: A Benchmarking Platform for Classical and Learned Path
Planning Algorithms [59.3879573040863]
パスプランニングは、モバイルロボティクスの重要なコンポーネントです。
アルゴリズムを全体的あるいは統一的にベンチマークする試みはほとんど行われていない。
本稿では,パスプランニングアルゴリズムの開発,視覚化,トレーニング,テスト,ベンチマークを行うプラットフォームであるPathBenchについて述べる。
論文 参考訳（メタデータ） (2021-05-04T21:48:18Z)
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。