Fugu-MT 論文翻訳(概要): Autonomous Navigation in Complex Environments

論文の概要: Autonomous Navigation in Complex Environments

arxiv url: http://arxiv.org/abs/2401.03267v1
Date: Sat, 6 Jan 2024 18:05:06 GMT
ステータス: 処理完了
システム内更新日: 2024-01-09 19:22:31.753623
Title: Autonomous Navigation in Complex Environments
Title（参考訳）: 複雑な環境における自律ナビゲーション
Authors: Andrew Gerstenslager, Jomol Lewis, Liam McKenna, Poorva Patel
Abstract要約: 本稿では,CNN-DNNネットワーク融合のシミュレーション環境におけるロボットナビゲーションコントローラ構築への応用について検討する。シミュレーション環境は、自律的なエージェントが未知の洞窟システム内でゴールを見つけるように、地下の救助状況をモデル化するために構築される。シミュレーション学習は、制御アルゴリズムをトレーニングするために使用され、LiDARとカメラデータを使用して空間をナビゲートし、ゴールを見つける。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper explores the application of CNN-DNN network fusion to construct a robot navigation controller within a simulated environment. The simulated environment is constructed to model a subterranean rescue situation, such that an autonomous agent is tasked with finding a goal within an unknown cavernous system. Imitation learning is used to train the control algorithm to use LiDAR and camera data to navigate the space and find the goal. The trained model is then tested for robustness using Monte-Carlo.
Abstract（参考訳）: 本稿では,CNN-DNNネットワーク融合のシミュレーション環境におけるロボットナビゲーションコントローラ構築への応用について検討する。シミュレーションされた環境は、未知の洞窟システム内の目標を自律エージェントが発見するように、地下の救助状況をモデル化するために構築される。シミュレーション学習は、制御アルゴリズムをトレーニングするために使用され、LiDARとカメラデータを使用して空間をナビゲートし、ゴールを見つける。トレーニングされたモデルはモンテカルロを用いて堅牢性をテストする。

関連論文リスト

Gaussian Splatting to Real World Flight Navigation Transfer with Liquid Networks [93.38375271826202]
本研究では,シミュレート・トゥ・リアルな視覚四重項ナビゲーションタスクにおける分布シフトに対する一般化とロバスト性を改善する手法を提案する。まず,擬似飛行力学とガウススプラッティングを統合してシミュレータを構築し,その後,液状ニューラルネットワークを用いてロバストなナビゲーションポリシーを訓練する。このようにして、我々は3次元ガウススプラッティングラディアンス場レンダリング、専門家による実演訓練データのプログラミング、およびLiquid Networkのタスク理解能力の進歩を組み合わせたフルスタックの模倣学習プロトコルを得る。
論文参考訳（メタデータ） (2024-06-21T13:48:37Z)
NoMaD: Goal Masked Diffusion Policies for Navigation and Exploration [57.15811390835294]
本稿では,目標指向ナビゲーションと目標非依存探索の両方を扱うために,単一の統合拡散政策をトレーニングする方法について述べる。この統一された政策は、新しい環境における目標を視覚的に示す際に、全体的な性能が向上することを示す。実世界の移動ロボットプラットフォーム上で実施した実験は,5つの代替手法と比較して,見えない環境における効果的なナビゲーションを示す。
論文参考訳（メタデータ） (2023-10-11T21:07:14Z)
Control Transformer: Robot Navigation in Unknown Environments through PRM-Guided Return-Conditioned Sequence Modeling [0.0]
サンプルベース確率的ロードマッププランナによって導かれる低レベルポリシーから返却条件付きシーケンスをモデル化する制御変換器を提案する。制御トランスフォーマーは迷路を通り、未知の環境へ移動できることを示す。
論文参考訳（メタデータ） (2022-11-11T18:44:41Z)
IR-MCL: Implicit Representation-Based Online Global Localization [31.77645160411745]
本稿では,室内環境におけるロボットの姿勢を2次元LiDARデータを用いて推定する問題に対処する。ニューラルネットワークを用いてシーンを暗黙的に表現するためのニューラルネットワーク占有場(NOF)を提案する。本研究では,最先端手法のローカライズ性能を超越したアプローチを用いて,ロボットを高精度かつ効率的にローカライズできることを示す。
論文参考訳（メタデータ） (2022-10-06T17:59:08Z)
Real-to-Sim: Predicting Residual Errors of Robotic Systems with Sparse Data using a Learning-based Unscented Kalman Filter [65.93205328894608]
我々は,動的・シミュレータモデルと実ロボット間の残差を学習する。学習した残差誤差により、動的モデル、シミュレーション、および実際のハードウェア間の現実的ギャップをさらに埋めることができることを示す。
論文参考訳（メタデータ） (2022-09-07T15:15:12Z)
Large-scale Autonomous Flight with Real-time Semantic SLAM under Dense Forest Canopy [48.51396198176273]
本研究では,大規模自律飛行とリアルタイムセマンティックマッピングを,挑戦的なアンダーキャノピー環境下で実現可能な統合システムを提案する。我々は、スキャン全体で関連付けられ、木のトランクモデルと同様にロボットのポーズを制約するために使用されるLiDARデータから、木の幹と地面の平面を検出し、モデル化する。ドリフト補償機構は、プランナー最適性とコントローラ安定性を維持しつつ、セマンティックSLAM出力を用いたドリフトをリアルタイムで最小化するように設計されている。
論文参考訳（メタデータ） (2021-09-14T07:24:53Z)
OctoPath: An OcTree Based Self-Supervised Learning Approach to Local Trajectory Planning for Mobile Robots [0.0]
我々は,エンコーダ・デコーダ・ディープニューラルネットワークであるOctoPathを導入し,エゴ車両の最適軌道を予測するための自己教師型訓練を行った。トレーニング中、OctoPathは、所定のトレーニングデータセット内の予測と手動で駆動するトラジェクトリ間のエラーを最小限にする。我々は,室内と屋外の異なる運転シナリオにおけるOctoPathの予測を,ベースラインハイブリッドA-Starアルゴリズムに対してベンチマークしながら評価した。
論文参考訳（メタデータ） (2021-06-02T07:10:54Z)
Robust Navigation for Racing Drones based on Imitation Learning and Modularization [3.616948583169635]
本稿では、認識モジュールにカスタマイズされた畳み込みニューラルネットワーク(CNN)を用いた、視覚に基づくモジュール化されたドローンレースナビゲーションシステムを提案する。我々は、最先端のプランナーとコントローラを利用して低レベルの制御コマンドを生成し、データベースとモデルベースの両方のアプローチの利点を利用する。
論文参考訳（メタデータ） (2021-05-27T03:26:40Z)
Vision-Based Autonomous Drone Control using Supervised Learning in Simulation [0.0]
室内環境におけるMAVの自律的ナビゲーションと着陸にSupervised Learningを用いた視覚に基づく制御手法を提案する。我々は、低解像度画像とセンサー入力を高レベル制御コマンドにマッピングする畳み込みニューラルネットワーク(CNN)を訓練した。我々のアプローチは、類似の強化学習アプローチよりも短いトレーニング時間を必要としており、匹敵するSupervised Learningアプローチが直面する手動データ収集の限界を克服する可能性がある。
論文参考訳（メタデータ） (2020-09-09T13:45:41Z)
Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
論文参考訳（メタデータ） (2020-07-28T07:34:30Z)
Object Goal Navigation using Goal-Oriented Semantic Exploration [98.14078233526476]
本研究は,未確認環境における対象カテゴリーのインスタンスにナビゲートするオブジェクトゴールナビゲーションの問題を研究する。本稿では,表層的なセマンティックマップを構築し,効率的に環境を探索する「ゴール指向セマンティック探索」というモジュールシステムを提案する。
論文参考訳（メタデータ） (2020-07-01T17:52:32Z)

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。