論文の概要: Belief Roadmaps with Uncertain Landmark Evanescence

• arxiv url: http://arxiv.org/abs/2501.17982v1
• Date: Wed, 29 Jan 2025 20:37:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-31 15:14:22.792434
• Title: Belief Roadmaps with Uncertain Landmark Evanescence
• Title（参考訳）: 不確実なランドマークエバネッセントを用いた信仰道路図
• Authors: Erick Fuentes, Jared Strader, Ethan Fahnestock, Nicholas Roy,
• Abstract要約: 我々は,BRULE(Belief Roadmap)を拡張したBRULEを開発した。 計画中、将来のロボットのポーズに対する信念をガウス混合に置き換える。 我々は,信念更新を効率的に行うことができ,混合成分のランダムなサブセットを維持するだけで高品質な解を見つけることができることを示した。
• 参考スコア（独自算出の注目度）: 10.197479511671336
• License:
• Abstract: We would like a robot to navigate to a goal location while minimizing state uncertainty. To aid the robot in this endeavor, maps provide a prior belief over the location of objects and regions of interest. To localize itself within the map, a robot identifies mapped landmarks using its sensors. However, as the time between map creation and robot deployment increases, portions of the map can become stale, and landmarks, once believed to be permanent, may disappear. We refer to the propensity of a landmark to disappear as landmark evanescence. Reasoning about landmark evanescence during path planning, and the associated impact on localization accuracy, requires analyzing the presence or absence of each landmark, leading to an exponential number of possible outcomes of a given motion plan. To address this complexity, we develop BRULE, an extension of the Belief Roadmap. During planning, we replace the belief over future robot poses with a Gaussian mixture which is able to capture the effects of landmark evanescence. Furthermore, we show that belief updates can be made efficient, and that maintaining a random subset of mixture components is sufficient to find high quality solutions. We demonstrate performance in simulated and real-world experiments. Software is available at https://bit.ly/BRULE.
• Abstract（参考訳）: 状態の不確実性を最小化しながら、目標地点まで移動したいのです。 この取り組みでロボットを助けるために、地図は対象物の位置や関心のある領域についての事前の信念を提供する。 地図内をローカライズするために、ロボットはセンサーを使って地図化されたランドマークを識別する。 しかし、地図作成からロボットの展開までの時間が増加するにつれて、地図の一部が古いものになり、かつて永久であると信じられていたランドマークが消える可能性がある。 我々は、ランドマークの正当性を、ランドマークのエバネッセンスとして消えることに言及する。 経路計画中のランドマークのエバンスとそれに伴う局所化精度への影響について推論するためには、各ランドマークの存在や欠如を分析し、与えられた運動計画の結果が指数関数的に増加する必要がある。 この複雑さに対処するため,Brule は Belief Roadmap の拡張である。 計画中、将来のロボットのポーズに対する信念を、ランドマークのエバネッセンスの影響を捉えることができるガウス混合に置き換える。 さらに, 信念更新を効率的に行うことができ, 混合成分のランダムなサブセットを維持するだけで, 高品質な解を見つけるのに十分であることを示す。 シミュレーションおよび実世界の実験で性能を実証する。 ソフトウェアはhttps://bit.ly/BRULE.comで入手できる。

関連論文リスト

• Autonomous Exploration and Semantic Updating of Large-Scale Indoor Environments with Mobile Robots [1.8791971592960612]
  移動ロボットが未知の環境を自律的に探索できる新しいロボットシステムを提案する。 ロボットは、93m×90mのフロアを意味的にマッピングし、オブジェクトが環境に移動されるとセマンティックマップを更新する。
  論文  参考訳（メタデータ） (2024-09-23T19:25:03Z)
• Legged Locomotion in Challenging Terrains using Egocentric Vision [70.37554680771322]
  本稿では,階段,縁石,石段,隙間を横断できる最初のエンドツーエンド移動システムを提案する。 この結果を,1台の前面深度カメラを用いた中型四足歩行ロボットに示す。
  論文  参考訳（メタデータ） (2022-11-14T18:59:58Z)
• 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)
• 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)
• Reasoning with Scene Graphs for Robot Planning under Partial Observability [7.121002367542985]
  我々は,ロボットが視覚的文脈情報で推論できるロボット計画のためのシーン解析アルゴリズムを開発した。 シミュレーションで複数の3D環境と実際のロボットが収集したデータセットを用いて実験を行った。
  論文  参考訳（メタデータ） (2022-02-21T18:45:56Z)
• 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)
• 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)
• Projection Mapping Implementation: Enabling Direct Externalization of Perception Results and Action Intent to Improve Robot Explainability [62.03014078810652]
  既存の非言語的手がかり、例えば目視や腕の動きに関する研究は、ロボットの内部状態を正確に示さないかもしれない。 状態をロボットの動作環境に直接投影することは、直接的で正確でより健全であるという利点がある。
  論文  参考訳（メタデータ） (2020-10-05T18:16:20Z)
• Graph-based Proprioceptive Localization Using a Discrete Heading-Length Feature Sequence Matching Approach [14.356113113268389]
  Proprioceptive Localizationは、新しいタイプのロボットエゴセントリックなローカライゼーション手法を指す。 これらの方法は自然に悪天候、照明条件、その他の極端な環境条件に免疫がある。 環境条件の厳しい環境条件下で、ローカライゼーションのための低コストなフォールバックソリューションを提供する。
  論文  参考訳（メタデータ） (2020-05-27T23:10:15Z)
• ProxEmo: Gait-based Emotion Learning and Multi-view Proxemic Fusion for Socially-Aware Robot Navigation [65.11858854040543]
  本稿では,歩行者間のロボットナビゲーションのための感情予測アルゴリズムProxEmoを提案する。 提案手法は歩行歩行から歩行者の知覚された感情を予測し,感情誘導ナビゲーションに使用する。
  論文  参考訳（メタデータ） (2020-03-02T17:47:49Z)

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。