論文の概要: POA: Passable Obstacles Aware Path-planning Algorithm for Navigation of
a Two-wheeled Robot in Highly Cluttered Environments
- arxiv url: http://arxiv.org/abs/2307.08141v1
- Date: Sun, 16 Jul 2023 19:44:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-18 15:22:38.751836
- Title: POA: Passable Obstacles Aware Path-planning Algorithm for Navigation of
a Two-wheeled Robot in Highly Cluttered Environments
- Title（参考訳）: poa:高クラッタ環境における二輪ロボットの走行経路計画アルゴリズム
- Authors: Alexander Petrovsky, Yomna Youssef, Kirill Myasoedov, Artem
Timoshenko, Vladimir Guneavoi, Ivan Kalinov, and Dzmitry Tsetserukou
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 53.41594627336511
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper focuses on Passable Obstacles Aware (POA) planner - a novel
navigation method for two-wheeled robots in a highly cluttered environment. The
navigation algorithm detects and classifies objects to distinguish two types of
obstacles - passable and unpassable. Our algorithm allows two-wheeled robots to
find a path through passable obstacles. Such a solution helps the robot working
in areas inaccessible to standard path planners and find optimal trajectories
in scenarios with a high number of objects in the robot's vicinity. The POA
planner can be embedded into other planning algorithms and enables them to
build a path through obstacles. Our method decreases path length and the total
travel time to the final destination up to 43% and 39%, respectively, comparing
to standard path planners such as GVD, A*, and RRT*
- Abstract（参考訳）: 本稿では,高度に乱雑な環境下での二輪ロボットの新しいナビゲーション手法であるPassable Obstacles Aware(POA)プランナーについて述べる。
ナビゲーションアルゴリズムは2種類の障害物を識別するためにオブジェクトを検出し、分類する。
このアルゴリズムにより、2輪ロボットは通過可能な障害物を通り抜ける経路を見つけることができる。
このようなソリューションは、ロボットが標準的な経路プランナーにアクセスできない領域で作業し、ロボットの近傍に多数のオブジェクトがあるシナリオにおいて最適な軌道を見つけるのに役立つ。
POAプランナーは、他の計画アルゴリズムに組み込むことができ、障害物を通るパスを構築することができる。
提案手法は, GVD, A*, RRT* などの標準経路プランナと比較して,最終目的地までの経路長と総走行時間をそれぞれ43%, 39%に短縮する。
関連論文リスト
- Search-Based Path Planning among Movable Obstacles [8.023424148846265]
本稿では,2つのPAMOの定式化について述べる。
完全性と解の最適性を保証する検索手法であるPAMO*を開発し,その2つの問題を解決する。
次に、PAMO* をハイブリッド状態 PAMO* に拡張し、ロボットとオブジェクト間の高忠実な相互作用を持つ連続空間で計画する。
論文 参考訳（メタデータ） (2024-10-24T00:02:58Z) - Online Concurrent Multi-Robot Coverage Path Planning [5.801044612920816]
地平線では、経路計画と経路実行がインターリーブであり、経路のないロボットが経路計画を行う場合、優れた経路を持つロボットは実行しない。
地平線をベースとしない集中型アルゴリズムを提案する。
事前に割り当てられた目標に到達したロボットのサブセットに対して、いつでもパスを計画し、残りは傑出したパスを実行する。
論文 参考訳（メタデータ） (2024-03-15T16:51:30Z) - Vision-aided UAV navigation and dynamic obstacle avoidance using
gradient-based B-spline trajectory optimization [7.874708385247353]
本稿では,ロボットの車載視力を利用した勾配に基づくB-スプライン軌道最適化アルゴリズムを提案する。
提案手法は、まず円ベースのガイドポイントアルゴリズムを用いて、静的障害物を避けるためのコストと勾配を近似する。
視界検出された移動物体では, 動的衝突を防止するために, 反射・水平距離場が同時に使用される。
論文 参考訳（メタデータ） (2022-09-15T02:12:30Z) - DC-MRTA: Decentralized Multi-Robot Task Allocation and Navigation in
Complex Environments [55.204450019073036]
本稿では,倉庫環境における移動ロボットのためのタスク割り当てと分散ナビゲーションアルゴリズムを提案する。
本稿では,共同分散タスク割り当てとナビゲーションの問題について考察し,それを解決するための2段階のアプローチを提案する。
ロボットの衝突のない軌道の計算では,タスク完了時間において最大14%の改善と最大40%の改善が観察される。
論文 参考訳（メタデータ） (2022-09-07T00:35:27Z) - Find a Way Forward: a Language-Guided Semantic Map Navigator [53.69229615952205]
本稿では,新たな視点で言語誘導ナビゲーションの問題に対処する。
ロボットが自然言語の指示を実行し、地図観測に基づいて目標位置へ移動できるようにする。
提案手法は特に長距離ナビゲーションの場合において顕著な性能向上をもたらす。
論文 参考訳（メタデータ） (2022-03-07T07:40:33Z) - 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) - 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) - Obstacle avoidance and path finding for mobile robot navigation [0.0]
本稿では,ロボットのカメラ,空中カメラ,超音波センサを用いて,ロボット前方の障害物を検出する方法について検討する。
また,ロボットが対象源へ移動するための様々な効率的な経路探索手法についても検討した。
論文 参考訳（メタデータ） (2020-12-05T19:25:09Z) - Three Dimensional Route Planning for Multiple Unmanned Aerial Vehicles
using Salp Swarm Algorithm [0.0]
ルートプランニングは、あるスタート地点から目的地のゴール地点までの一連の翻訳と回転のステップである。
提案手法は,それぞれ平均コストと全体の時間を1.25%と6.035%改善する。
論文 参考訳（メタデータ） (2019-11-24T12:36:18Z)
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。