論文の概要: A Benchmark Dataset for Collaborative SLAM in Service Environments

• arxiv url: http://arxiv.org/abs/2411.14775v1
• Date: Fri, 22 Nov 2024 07:33:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-25 18:36:21.836382
• Title: A Benchmark Dataset for Collaborative SLAM in Service Environments
• Title（参考訳）: サービス環境における協調SLAMのためのベンチマークデータセット
• Authors: Harin Park, Inha Lee, Minje Kim, Hyungyu Park, Kyungdon Joo,
• Abstract要約: 屋内サービス環境における複数のサービスロボットを対象としたマルチモーダルC-SLAMデータセットを提案する。 シミュレーションを用いることで、ステレオRGB、ステレオ深度、IMU、グラウンド真理(GT)ポーズなどの正確な時間同期センサデータを提供できる。 我々は,最先端のシングルロボットSLAMとマルチロボットSLAMを多種多様な方法で評価することにより,データセットを実証する。
• 参考スコア（独自算出の注目度）: 17.866535357818474
• License:
• Abstract: As service environments have become diverse, they have started to demand complicated tasks that are difficult for a single robot to complete. This change has led to an interest in multiple robots instead of a single robot. C-SLAM, as a fundamental technique for multiple service robots, needs to handle diverse challenges such as homogeneous scenes and dynamic objects to ensure that robots operate smoothly and perform their tasks safely. However, existing C-SLAM datasets do not include the various indoor service environments with the aforementioned challenges. To close this gap, we introduce a new multi-modal C-SLAM dataset for multiple service robots in various indoor service environments, called C-SLAM dataset in Service Environments (CSE). We use the NVIDIA Isaac Sim to generate data in various indoor service environments with the challenges that may occur in real-world service environments. By using simulation, we can provide accurate and precisely time-synchronized sensor data, such as stereo RGB, stereo depth, IMU, and ground truth (GT) poses. We configure three common indoor service environments (Hospital, Office, and Warehouse), each of which includes various dynamic objects that perform motions suitable to each environment. In addition, we drive three robots to mimic the actions of real service robots. Through these factors, we generate a more realistic C-SLAM dataset for multiple service robots. We demonstrate our dataset by evaluating diverse state-of-the-art single-robot SLAM and multi-robot SLAM methods. Our dataset is available at https://github.com/vision3d-lab/CSE_Dataset.
• Abstract（参考訳）: サービス環境が多様化するにつれて、単一ロボットの完成が困難な複雑なタスクを要求されるようになった。 この変更は、単一のロボットではなく、複数のロボットへの関心につながった。 複数のサービスロボットの基本技術であるC-SLAMは、ロボットがスムーズに動作し、安全にタスクを実行するために、均質なシーンや動的オブジェクトといった多様な課題に対処する必要がある。 しかし、既存のC-SLAMデータセットには、上記の課題を伴うさまざまな屋内サービス環境が含まれていない。 このギャップを埋めるために、さまざまな屋内サービス環境における複数のサービスロボットのための新しいマルチモーダルC-SLAMデータセット(C-SLAM dataset in Service Environments (CSE))を導入する。 NVIDIA Isaac Simを使って、さまざまな屋内サービス環境でデータを生成する。 シミュレーションを用いることで、ステレオRGB、ステレオ深度、IMU、グラウンド真理(GT)ポーズなどの正確な時間同期センサデータを提供できる。 室内の3つの一般的なサービス環境(Hospital, Office, Warehouse)を構成する。 さらに、実際のサービスロボットの動作を模倣するために、3つのロボットを駆動する。 これらの要因を通じて、複数のサービスロボットのためのより現実的なC-SLAMデータセットを生成する。 我々は,最先端のシングルロボットSLAMとマルチロボットSLAMを多種多様な方法で評価することにより,データセットを実証する。 データセットはhttps://github.com/vision3d-lab/CSE_Dataset.comから入手可能です。

関連論文リスト

• Robot Utility Models: General Policies for Zero-Shot Deployment in New Environments [26.66666135624716]
  ゼロショットロボットポリシーのトレーニングとデプロイのためのフレームワークであるロボットユーティリティモデル(RUM)を提案する。 RUMは微調整なしで新しい環境に一般化できる。 キャビネットドアのオープン、引き出しのオープン、ナプキンのピックアップ、紙袋のピックアップ、転倒物の再配向の5つのユーティリティモデルを訓練する。
  論文  参考訳（メタデータ） (2024-09-09T17:59:50Z)
• Scaling Cross-Embodied Learning: One Policy for Manipulation, Navigation, Locomotion and Aviation [49.03165169369552]
  さまざまな種類のロボットにまたがって単一のポリシーを訓練することによって、ロボット学習はより広範囲で多様なデータセットを活用することができる。 そこで我々はCrossFormerを提案する。CrossFormerはスケーラブルでフレキシブルなトランスフォーマーベースのポリシーで、どんな実施形態からでもデータを消費できる。 我々は、同じネットワークウェイトがシングルアームとデュアルアームの操作システム、車輪付きロボット、クワッドコプター、四足歩行など、非常に異なるロボットを制御できることを実証した。
  論文  参考訳（メタデータ） (2024-08-21T17:57:51Z)
• RoboCasa: Large-Scale Simulation of Everyday Tasks for Generalist Robots [25.650235551519952]
  本稿では,汎用ロボットを日常的に訓練するための大規模シミュレーションフレームワークであるRoboCasaを紹介する。 私たちは、150以上のオブジェクトカテゴリと数十の対話可能な家具とアプライアンスに対して、何千もの3Dアセットを提供しています。 本実験は, 大規模模倣学習のための合成ロボットデータを用いて, スケーリングの傾向を明らかにするものである。
  論文  参考訳（メタデータ） (2024-06-04T17:41:31Z)
• Interactive Planning Using Large Language Models for Partially Observable Robotics Tasks [54.60571399091711]
  大きな言語モデル(LLM)は、オープン語彙タスクを実行するロボットエージェントを作成することで、驚くべき成果を上げている。 LLMを用いた部分的に観測可能なタスクのための対話型計画手法を提案する。
  論文  参考訳（メタデータ） (2023-12-11T22:54:44Z)
• Care3D: An Active 3D Object Detection Dataset of Real Robotic-Care Environments [52.425280825457385]
  本稿では,実環境の注釈付きデータセットを紹介する。 捕獲された環境は、ロボット医療研究の分野ですでに使われている領域を表している。 また,医療ロボット上で直接動作するSLAMアルゴリズムを評価するために,一室で真実データを提供する。
  論文  参考訳（メタデータ） (2023-10-09T10:35:37Z)
• COVERED, CollabOratiVE Robot Environment Dataset for 3D Semantic segmentation [39.64058995273062]
  この研究は、このユースケース用に特別に設計された"CoVERED"という新しいデータセットを開発する。 本稿では,現在最先端(SOTA)アルゴリズムの性能をデータセット上で評価し,マルチLiDARシステムを用いた協調作業空間のリアルタイムセマンティックセマンティックセグメンテーションを実演する。 我々の知覚パイプラインは、8Hzのスループットを維持しながら、予測点精度が$>96%、$>92%の平均交叉率(mIOU)で20Hzのスループットを達成する。
  論文  参考訳（メタデータ） (2023-02-24T14:24:58Z)
• Swarm-SLAM : Sparse Decentralized Collaborative Simultaneous Localization and Mapping Framework for Multi-Robot Systems [12.751394886873664]
  本稿では,オープンソースのC-SLAMシステムであるSwarm-SLAMを紹介する。 本システムは慣性,ライダー,ステレオ,RGB-Dセンシングをサポートし,新規なロボット間ループクロージャ優先技術を備えている。
  論文  参考訳（メタデータ） (2023-01-16T01:41:35Z)
• ExAug: Robot-Conditioned Navigation Policies via Geometric Experience Augmentation [73.63212031963843]
  本研究では,多様な環境における複数のデータセットから異なるロボットプラットフォームを体験するための新しいフレームワークであるExAugを提案する。 トレーニングされたポリシーは、屋内と屋外の障害物のある3つの異なるカメラを備えた2つの新しいロボットプラットフォームで評価される。
  論文  参考訳（メタデータ） (2022-10-14T01:32:15Z)
• MetaGraspNet: A Large-Scale Benchmark Dataset for Vision-driven Robotic Grasping via Physics-based Metaverse Synthesis [78.26022688167133]
  本稿では,物理に基づくメタバース合成による視覚駆動型ロボットグルーピングのための大規模ベンチマークデータセットを提案する。 提案するデータセットには,10万の画像と25種類のオブジェクトが含まれている。 また,オブジェクト検出とセグメンテーション性能を評価するためのデータセットとともに,新しいレイアウト重み付け性能指標を提案する。
  論文  参考訳（メタデータ） (2021-12-29T17:23:24Z)
• Kimera-Multi: Robust, Distributed, Dense Metric-Semantic SLAM for Multi-Robot Systems [92.26462290867963]
  Kimera-Multiは、最初のマルチロボットシステムであり、不正なインターループとイントラロボットループの閉鎖を識別し拒否することができる。 我々は、フォトリアリスティックシミュレーション、SLAMベンチマークデータセット、地上ロボットを用いて収集された屋外データセットの挑戦において、Kimera-Multiを実証した。
  論文  参考訳（メタデータ） (2021-06-28T03:56:40Z)

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。