論文の概要: LunarNav: Crater-based Localization for Long-range Autonomous Lunar
Rover Navigation
- arxiv url: http://arxiv.org/abs/2301.01350v1
- Date: Tue, 3 Jan 2023 20:46:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-05 15:25:41.602675
- Title: LunarNav: Crater-based Localization for Long-range Autonomous Lunar
Rover Navigation
- Title（参考訳）: LunarNav: 長距離自律ルナーローバーナビゲーションのためのクレーターに基づく位置決め
- Authors: Shreyansh Daftry, Zhanlin Chen, Yang Cheng, Scott Tepsuporn, Brian
Coltin, Ussama Naam, Lanssie Mingyue Ma, Shehryar Khattak, Matthew Deans,
Larry Matthies
- Abstract要約: アルテミス計画では、資源探査と利用のためにロボットと有人月面ローバーを必要とする。
LunarNavプロジェクトは、月面探査機が地球の位置を推定し、5m未満の位置誤差の目標性能で月に向かうのを可能にすることを目的としている。
これは、ローバー付近のクレーターを検出し、軌道からマッピングされた既知のクレーターのデータベースと一致させることで、自律的に達成される。
- 参考スコア（独自算出の注目度）: 8.336210810008282
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The Artemis program requires robotic and crewed lunar rovers for resource
prospecting and exploitation, construction and maintenance of facilities, and
human exploration. These rovers must support navigation for 10s of kilometers
(km) from base camps. A lunar science rover mission concept - Endurance-A, has
been recommended by the new Decadal Survey as the highest priority medium-class
mission of the Lunar Discovery and Exploration Program, and would be required
to traverse approximately 2000 km in the South Pole-Aitkin (SPA) Basin, with
individual drives of several kilometers between stops for downlink. These rover
mission scenarios require functionality that provides onboard, autonomous,
global position knowledge ( aka absolute localization). However, planetary
rovers have no onboard global localization capability to date; they have only
used relative localization, by integrating combinations of wheel odometry,
visual odometry, and inertial measurements during each drive to track position
relative to the start of each drive. In this work, we summarize recent
developments from the LunarNav project, where we have developed algorithms and
software to enable lunar rovers to estimate their global position and heading
on the Moon with a goal performance of position error less than 5 meters (m)
and heading error less than 3-degree, 3-sigma, in sunlit areas. This will be
achieved autonomously onboard by detecting craters in the vicinity of the rover
and matching them to a database of known craters mapped from orbit. The overall
technical framework consists of three main elements: 1) crater detection, 2)
crater matching, and 3) state estimation. In previous work, we developed crater
detection algorithms for three different sensing modalities. Our results
suggest that rover localization with an error less than 5 m is highly probable
during daytime operations.
- Abstract（参考訳）: アルテミス計画では、資源の探査と利用、施設の建設と維持、探査のためにロボットと有人月探査機が必要である。
これらのローバーは基地キャンプから10kmの航法を支援しなければならない。
エンデュアランス-aという月科学探査ローバーのコンセプトは、月探査計画の最高優先度の中級ミッションとして、ニュー・デカダル・サーベイによって推奨され、南極エイトキン盆地の約2000kmを横断する必要があり、個々のドライブはダウンリンクから数kmの距離にある。
これらのローバーミッションのシナリオには、オンボード、自律的、グローバルな位置知識(すなわち絶対的ローカライズ)を提供する機能が必要である。
しかし、惑星ローバーはこれまでに地球上の位置決め能力を持っておらず、各ドライブの開始位置と相対的な位置を追跡するために、ホイール・オドメトリー、ビジュアル・オドメトリー、慣性測定の組み合わせを統合することで、相対的な位置決めしか利用していない。
本研究では,LunarNavプロジェクトの最近の開発成果を要約し,月面探査機が地球の位置を推定し,5m未満の位置誤差と3度の3シグマ以下の方向誤差を目標とする月面への移動を可能にするアルゴリズムとソフトウェアを開発した。
これはローバー付近のクレーターを検出し、軌道からマッピングされた既知のクレーターのデータベースとマッチングすることで、自律的に搭載される。
全体的な技術枠組みは3つの要素から構成される。
1)クレーターの検出
2)クレーターの一致,及び
3) 状態推定。
前報では,3つの異なるセンシングモードに対するクレーター検出アルゴリズムを開発した。
その結果,5m未満の誤差によるローバーの局所化は,昼間の操作で高い可能性が示唆された。
関連論文リスト
- LuSNAR:A Lunar Segmentation, Navigation and Reconstruction Dataset based on Muti-sensor for Autonomous Exploration [2.3011380360879237]
環境認識とナビゲーションアルゴリズムが月探査の基盤となっている。
既存の月のデータセットのほとんどは、単一のタスクをターゲットにしています。
本稿では,マルチタスク,マルチシーン,マルチラベルのベンチマークデータセットLuSNARを提案する。
論文 参考訳（メタデータ） (2024-07-09T02:47:58Z) - ShadowNav: Autonomous Global Localization for Lunar Navigation in Darkness [4.200882007630191]
私たちはシャドウナブ(ShadowNav)を紹介します。これは、暗闇や夜間の運転に焦点を当てた、月上のグローバルなローカライゼーションのための自律的なアプローチです。
我々のアプローチでは、ルナークレーターの先端をランドマークとして使用し、検出されたクレーターと検出されたクレーターをオフボードマップ上の既知のクレーターに関連付けるために粒子フィルタリング手法を用いています。
アリゾナ州シンダーレイクスにおけるフィールドテストにおいて,Lunarシミュレーション環境とデータ収集における提案手法の有効性を実証した。
論文 参考訳（メタデータ） (2024-05-02T18:59:53Z) - UnLoc: A Universal Localization Method for Autonomous Vehicles using
LiDAR, Radar and/or Camera Input [51.150605800173366]
UnLocは、全ての気象条件におけるマルチセンサー入力によるローカライズのための、新しい統一型ニューラルネットワークアプローチである。
本手法は,Oxford Radar RobotCar,Apollo SouthBay,Perth-WAの各データセットで広く評価されている。
論文 参考訳（メタデータ） (2023-07-03T04:10:55Z) - ShadowNav: Crater-Based Localization for Nighttime and Permanently
Shadowed Region Lunar Navigation [4.521278242509125]
本研究では、クレーターをランドマークとして利用し、検出されたクレーターの縁と軌道地図上の既知のクレーターとのマッチングを行う絶対位置決め法を提案する。
この手法は、ほとんどの惑星探査ミッションで必要となる10m未満の絶対位置推定誤差を維持できることを示す。
論文 参考訳（メタデータ） (2023-01-11T18:35:31Z) - 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) - Position fixing with cold atom gravity gradiometers [56.45088569868981]
冷間原子干渉計による部分重力勾配解を用いた自律航法の位置固定法を提案する。
標準のオープンソースグローバル重力データベースを用いて,1000kmを超える軌道に対する安定した航法解を示す。
論文 参考訳（メタデータ） (2022-04-11T16:42:32Z) - Lunar Rover Localization Using Craters as Landmarks [7.097834331171584]
そこで本研究では,クレーターを用いた月面ローバーの局地化手法として,ライダーやステレオカメラからの3次元点雲データと,モノクラー搭載画像のシェーディングキューを用いた手法を提案する。
本報告では, 搭載ライダーやステレオカメラの3次元点雲データを用いたクレーター検出と, 単眼画像におけるシェーディングキューを用いたクレーター検出の初期結果について述べる。
論文 参考訳（メタデータ） (2022-03-18T17:38:52Z) - 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) - Towards Robust Monocular Visual Odometry for Flying Robots on Planetary
Missions [49.79068659889639]
火星に着陸したばかりのIngenuityは、トラバーサビリティの影響を受けない新時代の探検の始まりとなるでしょう。
高速な光フロートラッキングを用いた高能率単分子オードメトリーアルゴリズムを提案する。
また、相対翻訳情報行列の主成分分析に基づいて、スケールドリフトの現在のリスクを推定する新しい手法を提案する。
論文 参考訳（メタデータ） (2021-09-12T12:52:20Z) - Machine Learning Based Path Planning for Improved Rover Navigation
(Pre-Print Version) [26.469069930513857]
ENav (Enhanced AutoNav) は、NASAのPerseveranceローバーのベースラインサーフェスナビゲーションソフトウェアである。
ENavは、ローバーが走行するための候補パスのリストをソートし、次に、最もランクの高いパスが安全かどうかを評価するために、近似クリアランス評価(ACE)アルゴリズムを使用する。
ACEはローバーの安全性を維持するために重要であるが、計算上は高価である。
ACE評価の前に、より効果的に候補経路をランク付けする2つの計算結果を示す。
論文 参考訳（メタデータ） (2020-11-11T19:18:47Z) - Occupancy Anticipation for Efficient Exploration and Navigation [97.17517060585875]
そこで我々は,エージェントが自我中心のRGB-D観測を用いて,その占有状態を可視領域を超えて推定する,占有予測を提案する。
エゴセントリックなビューとトップダウンマップの両方でコンテキストを活用することで、私たちのモデルは環境のより広いマップを予測できます。
われわれのアプローチは、2020 Habitat PointNav Challengeの優勝だ。
論文 参考訳（メタデータ） (2020-08-21T03:16:51Z)
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。