論文の概要: How to Drawjectory? -- Trajectory Planning using Programming by Demonstration

• arxiv url: http://arxiv.org/abs/2411.03815v1
• Date: Wed, 06 Nov 2024 10:33:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-07 19:23:55.277197
• Title: How to Drawjectory? -- Trajectory Planning using Programming by Demonstration
• Title（参考訳）: 図面の書き方 -- Demonstration によるプログラミングによる軌道計画
• Authors: Leonhard Alkewitz, Timo Zuccarello, Alexander Raschke, Matthias Tichy,
• Abstract要約: 飛行軌道は、クアッドコプターが1つの位置から別の位置へ3次元空間を正確に移動する方法を定義する。 本稿では,PbD(Programing by Demonstration)アプローチを用いて,手動で四脚飛行軌道を計画することを提案する。 これにより、計画プロセスが簡単になり、必要な詳細な知識のレベルが低下します。
• 参考スコア（独自算出の注目度）: 43.06143768014157
• License:
• Abstract: A flight trajectory defines how exactly a quadrocopter moves in the three-dimensional space from one position to another. Automatic flight trajectory planning faces challenges such as high computational effort and a lack of precision. Hence, when low computational effort or precise control is required, programming the flight route trajectory manually might be preferable. However, this requires in-depth knowledge of how to accurately plan flight trajectories in three-dimensional space. We propose planning quadrocopter flight trajectories manually using the Programming by Demonstration (PbD) approach -- simply drawing the trajectory in the three-dimensional space by hand. This simplifies the planning process and reduces the level of in-depth knowledge required. We implemented the approach in the context of the Quadcopter Lab at Ulm University. In order to evaluate our approach, we compare the precision and accuracy of the trajectories drawn by a user using our approach as well as the required time with those manually programmed using a domain specific language. The evaluation shows that the Drawjectory workflow is, on average, 78.7 seconds faster without a significant loss of precision, shown by an average deviation 6.67 cm.
• Abstract（参考訳）: 飛行軌道は、クアッドコプターが1つの位置から別の位置へ3次元空間を正確に移動する方法を定義する。 自動飛行軌道計画は、高い計算努力や精度の欠如といった課題に直面している。 したがって、少ない計算労力や正確な制御が必要な場合、手動で飛行経路軌跡をプログラムすることが好ましい。 しかし、これは三次元空間における飛行軌道を正確に計画する方法に関する深い知識を必要とする。 本稿では,PbD(Programing by Demonstration)アプローチを用いて,手動で3次元空間の軌道を描くことを提案する。 これにより、計画プロセスが簡単になり、必要な詳細な知識のレベルが低下します。 提案手法をウルム大学のクアッドコプター研究所の文脈で実装した。 提案手法を評価するため,提案手法を用いた利用者のトラジェクトリの精度と精度を,ドメイン固有言語を用いて手作業でプログラムしたユーザと比較した。 評価の結果、ドロージェクトリーのワークフローは平均78.7秒で精度が著しく低下せず、平均偏差6.67cmで示される。

関連論文リスト

• DELTA: Dense Efficient Long-range 3D Tracking for any video [82.26753323263009]
  DELTAは3次元空間内のすべてのピクセルを効率よく追跡し,ビデオ全体の正確な動き推定を可能にする手法である。 提案手法では,低分解能追跡のためのグローバルアテンション機構と,高分解能予測を実現するためのトランスフォーマーベースアップサンプラーを併用する。 提案手法は,3次元空間における細粒度・長期動作追跡を必要とするアプリケーションに対して,ロバストなソリューションを提供する。
  論文  参考訳（メタデータ） (2024-10-31T17:59:01Z)
• Affordances-Oriented Planning using Foundation Models for Continuous Vision-Language Navigation [64.84996994779443]
  本稿では,連続視覚言語ナビゲーション(VLN)タスクのためのAffordances-Oriented Plannerを提案する。 我々のAO-Plannerは、様々な基礎モデルを統合して、アベイランス指向の低レベルな動き計画とハイレベルな意思決定を実現する。 挑戦的なR2R-CEデータセットとRxR-CEデータセットの実験は、AO-Plannerが最先端のゼロショットのパフォーマンスを達成したことを示している。
  論文  参考訳（メタデータ） (2024-07-08T12:52:46Z)
• Unlocking the Performance of Proximity Sensors by Utilizing Transient Histograms [20.994250740256458]
  近距離時間(ToF)距離センサのクラスで捉えた一過性ヒストグラムを利用して平面風景形状を復元する手法を提案する。 過渡ヒストグラム(Transient histogram)は、ToFセンサに入射した光子の到着時刻を符号化した1次元の時間波形である。 本稿では,ロボットアームのエンドエフェクタに装着したセンサから平面面の距離と傾斜を計測するために,本手法を用いたシンプルなロボット工学アプリケーションを実演する。
  論文  参考訳（メタデータ） (2023-08-25T16:20:41Z)
• DDPEN: Trajectory Optimisation With Sub Goal Generation Model [70.36888514074022]
  本稿では,エスケープネットワークを用いた微分動的プログラミング(DDPEN)を提案する。 本稿では,環境の入力マップとして,所望の位置とともにコストマップの形で利用する深層モデルを提案する。 このモデルは、目標に導く可能性のある将来の方向を生成し、リアルタイムに実行可能なローカルなミニマを避ける。
  論文  参考訳（メタデータ） (2023-01-18T11:02:06Z)
• Towards Accurate Ground Plane Normal Estimation from Ego-Motion [10.22470503842832]
  本稿では,車輪付き車両の地上面正規推定のための新しい手法を提案する。 実際には、地平面はブレーキと不安定な路面によって動的に変化する。 提案手法は, 実時間で正確な地平面正規ベクトルを入力し, 推定するためにオドメトリーのみを用いる。
  論文  参考訳（メタデータ） (2022-12-08T12:06:36Z)
• Learning multiobjective rough terrain traversability [0.0]
  本研究では, 地形の高分解能地形データと地上車両シミュレーションを用いて, トラバーサビリティの予測を行う手法を提案する。 深層ニューラルネットワークは、局所的なハイトマップと目標速度からトラバーサビリティ対策を予測するために訓練される。 従来は見つからなかったレーザ走査型森林地形のモデルについて検討した。
  論文  参考訳（メタデータ） (2022-03-30T14:31:43Z)
• 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)
• Time-Optimal Planning for Quadrotor Waypoint Flight [50.016821506107455]
  立方体の作動限界における時間-最適軌道の計画は未解決の問題である。 四重項のアクチュエータポテンシャルをフル活用する解を提案する。 我々は、世界最大規模のモーションキャプチャーシステムにおいて、実世界の飛行における我々の方法を検証する。
  論文  参考訳（メタデータ） (2021-08-10T09:26:43Z)
• Autonomous Drone Racing with Deep Reinforcement Learning [39.757652701917166]
  ドローンレースのような多くのロボットタスクにおいて、ゴールはできるだけ速くコースポイントを移動することである。 重要な課題は、事前に通過するウェイポイントの完全な知識を想定して解決される最小時間軌道を計画することです。 本研究では,クワッドロータの最小時間軌道生成法を提案する。
  論文  参考訳（メタデータ） (2021-03-15T18:05:49Z)
• The Unsupervised Method of Vessel Movement Trajectory Prediction [1.2617078020344619]
  本稿では,船体移動軌跡予測の教師なし手法を提案する。 これは、点間の時間差、試験された点と予測された前方および後方位置の間のスケールした誤差距離、時空間の角度からなる3次元空間におけるデータを表す。 多くの統計的学習法や深層学習法とは異なり、クラスタリングに基づく軌道再構成法は計算コストのかかるモデルトレーニングを必要としない。
  論文  参考訳（メタデータ） (2020-07-27T17:45:21Z)

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。