論文の概要: Autonomous Systems: Autonomous Systems: Indoor Drone Navigation
- arxiv url: http://arxiv.org/abs/2304.08893v1
- Date: Tue, 18 Apr 2023 10:40:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-19 15:07:53.821937
- Title: Autonomous Systems: Autonomous Systems: Indoor Drone Navigation
- Title（参考訳）: 自律システム:自律システム:屋内ドローンナビゲーション
- Authors: Aswin Iyer, Santosh Narayan, Naren M, Manoj kumar Rajagopal
- Abstract要約: このシステムは、屋内環境で自律走行できるシミュレーションクワッドコプターを作成する。
目標は、ROS用のスラムツールボックスと、Nav2ナビゲーションシステムフレームワークを使用して、シミュレートされたドローンを構築することだ。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Drones are a promising technology for autonomous data collection and indoor
sensing. In situations when human-controlled UAVs may not be practical or
dependable, such as in uncharted or dangerous locations, the usage of
autonomous UAVs offers flexibility, cost savings, and reduced risk. The system
creates a simulated quadcopter capable of autonomously travelling in an indoor
environment using the gazebo simulation tool and the ros navigation system
framework known as Navigaation2. While Nav2 has successfully shown the
functioning of autonomous navigation in terrestrial robots and vehicles, the
same hasn't been accomplished with unmanned aerial vehicles and still has to be
done. The goal is to use the slam toolbox for ROS and the Nav2 navigation
system framework to construct a simulated drone that can move autonomously in
an indoor (gps-less) environment.
- Abstract（参考訳）: ドローンは、自律的なデータ収集と屋内センシングに有望な技術だ。
人力で制御されるuavが実用的あるいは信頼できない場合、例えば未開の場所や危険な場所では、自律型uavの使用は柔軟性、コスト削減、リスク低減をもたらす。
このシステムは、ガゼボシミュレーションツールとNavigaation2として知られるロスナビゲーションシステムフレームワークを使用して、屋内環境を自律的に走行できるシミュレーションクワッドコプターを作成する。
Nav2は、地上ロボットや車両の自律走行機能を示すことに成功したが、無人航空機では実現されておらず、まだ実行する必要がある。
目標は、ROS用のスラムツールボックスとNav2ナビゲーションシステムフレームワークを使用して、屋内(gpsなし)環境で自律的に動くシミュレートされたドローンを構築することだ。
関連論文リスト
- Enhancing Autonomous Navigation by Imaging Hidden Objects using Single-Photon LiDAR [12.183773707869069]
単一光子LiDARを用いたNon-Line-of-Sight(NLOS)センシングによる視認性の向上と自律ナビゲーションの向上を目的とした新しいアプローチを提案する。
本手法は,マルチバウンス光情報を利用することで,移動ロボットを「隅々まで見る」ことを可能にする。
論文 参考訳（メタデータ） (2024-10-04T16:03:13Z) - Relative Positioning for Aerial Robot Path Planning in GPS Denied Environment [0.0]
本稿では、自律型UAVナビゲーションにおける最も重要な要素の一つ、すなわち、初期位置決め(Initial Positioning)をローカライゼーション(Localisation)と呼ぶ。
これにより、自律型UAVのチームが作戦基地に相対的な位置を確立することができ、ブッシュファイアに影響を受けた地域でチームの捜索と偵察を開始することができる。
論文 参考訳（メタデータ） (2024-09-16T11:35:39Z) - AI and Machine Learning Driven Indoor Localization and Navigation with Mobile Embedded Systems [3.943289808718775]
本稿では,最先端の屋内ナビゲーションソリューションに直面する課題について概説する。
次に、モバイル組み込みシステムにデプロイされるAIアルゴリズムがこれらの課題を克服する方法について説明する。
論文 参考訳（メタデータ） (2024-08-09T00:30:22Z) - Learning Robust Autonomous Navigation and Locomotion for Wheeled-Legged Robots [50.02055068660255]
都市環境のナビゲーションは、ロボットにとってユニークな課題であり、移動とナビゲーションのための革新的なソリューションを必要としている。
本研究は, 適応移動制御, 移動対応ローカルナビゲーション計画, 市内の大規模経路計画を含む, 完全に統合されたシステムを導入する。
モデルフリー強化学習(RL)技術と特権学習を用いて,多目的移動制御系を開発した。
私たちのコントローラーは大規模な都市航法システムに統合され、スイスのチューリッヒとスペインのセビリアで自律的、キロメートル規模の航法ミッションによって検証されます。
論文 参考訳（メタデータ） (2024-05-03T00:29:20Z) - ETPNav: Evolving Topological Planning for Vision-Language Navigation in
Continuous Environments [56.194988818341976]
視覚言語ナビゲーションは、エージェントが環境中をナビゲートするための指示に従う必要があるタスクである。
本研究では,1)環境を抽象化し,長距離航法計画を生成する能力,2)連続環境における障害物回避制御能力の2つの重要なスキルに焦点を当てたETPNavを提案する。
ETPNavは、R2R-CEとRxR-CEデータセットの先行技術よりも10%以上、20%改善されている。
論文 参考訳（メタデータ） (2023-04-06T13:07:17Z) - Towards a Fully Autonomous UAV Controller for Moving Platform Detection
and Landing [2.7909470193274593]
移動プラットフォームに着陸するための無人無人無人無人着陸システムを提案する。
提案システムはカメラセンサのみに依存し,可能な限り軽量に設計されている。
このシステムは目標の中心から平均15cmずれて40回の着陸試験を行った。
論文 参考訳（メタデータ） (2022-09-30T09:16:04Z) - 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) - Coupling Vision and Proprioception for Navigation of Legged Robots [65.59559699815512]
我々は視覚と受容の相補的な強みを利用して、脚のあるロボットでポイントゴールナビゲーションを実現する。
車輪付きロボット(LoCoBot)のベースラインよりも優れた性能を示す。
また,センサーと計算能力を備えた四足歩行ロボットに,我々のシステムを実環境に展開することも示す。
論文 参考訳（メタデータ） (2021-12-03T18:59:59Z) - A Multi-UAV System for Exploration and Target Finding in Cluttered and
GPS-Denied Environments [68.31522961125589]
複雑なGPSを用いた複雑な環境において,UAVのチームが協調して目標を探索し,発見するための枠組みを提案する。
UAVのチームは自律的にナビゲートし、探索し、検出し、既知の地図で散らばった環境でターゲットを見つける。
その結果, 提案方式は, 時間的コスト, 調査対象地域の割合, 捜索・救助ミッションの成功率などの面で改善されていることがわかった。
論文 参考訳（メタデータ） (2021-07-19T12:54:04Z) - AutoSOS: Towards Multi-UAV Systems Supporting Maritime Search and Rescue
with Lightweight AI and Edge Computing [27.15999421608932]
本稿では,自律型マルチロボット探索・救助支援プラットフォームの開発を支援するAutoSOSプロジェクトの方向性について述べる。
このプラットフォームは、新しい適応型ディープラーニングアルゴリズムを用いて、環境の初期評価のための偵察ミッションを実行することを目的としている。
ドローンが潜在的な物体を見つけると、そのセンサーデータを船に送る。
論文 参考訳（メタデータ） (2020-05-07T12:22:15Z) - APPLD: Adaptive Planner Parameter Learning from Demonstration [48.63930323392909]
本稿では,既存のナビゲーションシステムを新しい複雑な環境に適用可能な,適応プランナー学習(Adaptive Planner Learning from Demonstration)のAPPLDを紹介する。
APPLDは異なる環境で異なるナビゲーションシステムを実行する2つのロボットで検証されている。
実験結果から,APPLDはナビゲーションシステムよりも,デフォルトパラメータや専門家パラメータ,さらには人間実証者自体よりも優れていることが示された。
論文 参考訳（メタデータ） (2020-03-31T21:15:16Z)
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。