論文の概要: Autonomous Robot for Disaster Mapping and Victim Localization
- arxiv url: http://arxiv.org/abs/2404.13767v1
- Date: Sun, 21 Apr 2024 20:32:02 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-23 15:45:49.732414
- Title: Autonomous Robot for Disaster Mapping and Victim Localization
- Title（参考訳）: 災害地図作成のための自律ロボットとVictim Localization
- Authors: Michael Potter, Rahil Bhowal, Richard Zhao, Anuj Patel, Jingming Cheng,
- Abstract要約: 本稿では,災害シナリオにおける効果的な偵察の必要性に応えて,完全自律ロボットシステムの設計と実装について述べる。
システムの目的は,エイプリルタグをスタンドインとして,包括的な地図を作成し,現在の「被害者」を識別することである。
本研究では,4月Tagの局所化における平均二乗誤差の低減を支援するCubature Kalmanフィルタと,未知の環境での探索を高速化するための情報理論探索アルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 1.4155748588033552
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In response to the critical need for effective reconnaissance in disaster scenarios, this research article presents the design and implementation of a complete autonomous robot system using the Turtlebot3 with Robotic Operating System (ROS) Noetic. Upon deployment in closed, initially unknown environments, the system aims to generate a comprehensive map and identify any present 'victims' using AprilTags as stand-ins. We discuss our solution for search and rescue missions, while additionally exploring more advanced algorithms to improve search and rescue functionalities. We introduce a Cubature Kalman Filter to help reduce the mean squared error [m] for AprilTag localization and an information-theoretic exploration algorithm to expedite exploration in unknown environments. Just like turtles, our system takes it slow and steady, but when it's time to save the day, it moves at ninja-like speed! Despite Donatello's shell, he's no slowpoke - he zips through obstacles with the agility of a teenage mutant ninja turtle. So, hang on tight to your shells and get ready for a whirlwind of reconnaissance! Full pipeline code https://github.com/rzhao5659/MRProject/tree/main Exploration code https://github.com/rzhao5659/MRProject/tree/main
- Abstract（参考訳）: 本稿では,災害シナリオにおける効果的な偵察の必要性に応えて,ロボットオペレーティング・システム(ROS)によるTurtlebot3を用いた完全自律ロボットシステムの設計と実装について述べる。
クローズドで、当初は未知の環境にデプロイすると、システムは包括的なマップを生成し、エイプリルタグをスタンドインとして、現在の"ビジター"を識別する。
探索・救助ミッションのソリューションについて検討するとともに,探索・救助機能を改善するための高度なアルゴリズムについても検討する。
本研究では,4月Tagの局所化における平均二乗誤差の低減を支援するCubature Kalmanフィルタと,未知の環境での探索を高速化するための情報理論探索アルゴリズムを提案する。
ウミガメと同じように、私たちのシステムはゆっくりと安定していきますが、その日を節約する時間になると、忍者のようなスピードで動きます!
ドナテッロの貝殻にもかかわらず、彼はスローポークではない。彼は10代のミュータント忍者カメの機敏さで障害物を乗り越えている。
では、シェルにしっかりとつかまって、偵察の嵐に備えて!
完全なパイプラインコード https://github.com/rzhao5659/MRProject/tree/main 探索コード https://github.com/rzhao5659/MRProject/tree/main
関連論文リスト
- ORBSLAM3-Enhanced Autonomous Toy Drones: Pioneering Indoor Exploration [30.334482597992455]
おもちゃのドローンをGPSのない屋内空間を航行することは、大きな困難を伴っている。
本研究では,単眼式EmphRGBカメラを搭載したドローンに適したリアルタイム屋内探査システムを提案する。
我々のシステムは、最先端のビジョン機能ベースのSLAMであるEmphORB-SLAM3を使用して、おもちゃドローンのローカライゼーションと、マッピングされていない屋内地形のマッピングの両方を処理します。
論文 参考訳（メタデータ） (2023-12-20T19:20:26Z) - 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) - Neural Scene Representation for Locomotion on Structured Terrain [56.48607865960868]
本研究では,都市環境を横断する移動ロボットの局所的な地形を再構築する学習手法を提案する。
搭載されたカメラとロボットの軌道からの深度測定のストリームを用いて、ロボットの近傍の地形を推定する。
ノイズ測定とカメラ配置の盲点からの大量の欠落データにもかかわらず,シーンを忠実に再構築する3次元再構成モデルを提案する。
論文 参考訳（メタデータ） (2022-06-16T10:45:17Z) - ADAPT: An Open-Source sUAS Payload for Real-Time Disaster Prediction and
Response with AI [55.41644538483948]
小型無人航空機システム(sUAS)は、多くの人道支援や災害対応作戦において顕著な構成要素となっている。
我々は,SUAS上にリアルタイムAIとコンピュータビジョンをデプロイするための,オープンソースのADAPTマルチミッションペイロードを開発した。
本研究では,河川氷の状態を監視し,破滅的な洪水現象をタイムリーに予測するための,リアルタイム・飛行中の氷分断の例を示す。
論文 参考訳（メタデータ） (2022-01-25T14:51:19Z) - 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) - Explore before Moving: A Feasible Path Estimation and Memory Recalling
Framework for Embodied Navigation [117.26891277593205]
ナビゲーションに焦点をあて,経験や常識に欠ける既存のナビゲーションアルゴリズムの問題を解決する。
移動前に2回思考する能力に触発されて、不慣れな場面で目標を追求する実現可能な経路を考案し、パス推定とメモリリコールフレームワークと呼ばれる経路計画手法を提案する。
EmbodiedQAナビゲーションタスクにおけるPEMRの強力な実験結果を示す。
論文 参考訳（メタデータ） (2021-10-16T13:30:55Z) - Rapid Exploration for Open-World Navigation with Latent Goal Models [78.45339342966196]
多様なオープンワールド環境における自律的な探索とナビゲーションのためのロボット学習システムについて述べる。
本手法のコアとなるのは、画像の非パラメトリックトポロジカルメモリとともに、距離と行動の学習された潜在変数モデルである。
学習方針を規則化するために情報ボトルネックを使用し、(i)目標のコンパクトな視覚的表現、(ii)一般化能力の向上、(iii)探索のための実行可能な目標をサンプリングするためのメカニズムを提供する。
論文 参考訳（メタデータ） (2021-04-12T23:14:41Z) - DARE-SLAM: Degeneracy-Aware and Resilient Loop Closing in
Perceptually-Degraded Environments [4.34118539186713]
自律探査における重要な要件は、未知の環境の正確で一貫したマップを構築することである。
位置認識を改善し,3次元位置の曖昧さを解消するために,デジェネリアシー・アウェアとドリフト・レジリエント・ループ・クロージング法を提案する。
論文 参考訳（メタデータ） (2021-02-09T20:37:17Z) - Deep Reinforcement learning for real autonomous mobile robot navigation
in indoor environments [0.0]
本研究では,地図やプランナーを使わずに,未知の環境下での自律型自律学習ロボットナビゲーションの概念を実証する。
ロボットの入力は、2DレーザースキャナーとRGB-Dカメラからの融合データと目標への向きのみである。
Asynchronous Advantage Actor-Critic Network(GA3C)の出力動作は、ロボットの線形および角速度である。
論文 参考訳（メタデータ） (2020-05-28T09:15:14Z) - Smooth Exploration for Robotic Reinforcement Learning [11.215352918313577]
強化学習(Reinforcement Learning, RL)は、ロボットが現実世界との対話からスキルを学ぶことを可能にする。
実際には、Deep RLで使用される非構造的なステップベースの探索は、実際のロボットにジャーキーな動きパターンをもたらす。
本稿では、状態依存探索(SDE)を現在のDeep RLアルゴリズムに適応させることにより、これらの問題に対処する。
論文 参考訳（メタデータ） (2020-05-12T12:28:25Z)
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。