論文の概要: Indoor Localization for Autonomous Robot Navigation

• arxiv url: http://arxiv.org/abs/2502.20731v1
• Date: Fri, 28 Feb 2025 05:25:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-03 13:40:30.740453
• Title: Indoor Localization for Autonomous Robot Navigation
• Title（参考訳）: 自律型ロボットナビゲーションのための屋内位置決め
• Authors: Sean Kouma, Rachel Masters,
• Abstract要約: 本稿では,自律型ロボットの室内ナビゲーションにおける屋内位置決めシステム(IPS)の利用について検討する。 我々はA*経路計画アルゴリズムを開発し、ロボットが予測された方向をナビゲートできるようにした。 異なるネットワーク構造をテストした後、我々のロボットは、およそ50%の時間で角をナビゲートすることができた。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Indoor positioning systems (IPSs) have gained attention as outdoor navigation becomes prevalent in everyday life. Research is being actively conducted on how indoor smartphone navigation can be accomplished and improved using received signal strength indication (RSSI) and machine learning (ML). IPSs have more use cases that need further exploration, and we aim to explore using IPSs for the indoor navigation of an autonomous robot. We collected a dataset and trained models to test on a robot. We also developed an A* path-planning algorithm so that our robot could navigate itself using predicted directions. After testing different network structures, our robot was able to successfully navigate corners around 50 percent of the time. The findings of this paper indicate that using IPSs for autonomous robots is a promising area of future research.
• Abstract（参考訳）: 屋外ナビゲーションが日常的に普及するにつれて,室内位置決めシステム (IPS) が注目されている。 受信信号強度指示 (RSSI) と機械学習 (ML) を用いて, 屋内スマートフォンのナビゲーションをどのように達成し, 改善するかを積極的に研究している。 IPSは、さらなる探索を必要とするより多くのユースケースを持ち、自律ロボットの屋内ナビゲーションにIPSを使用することを目標としています。 ロボットをテストするために、データセットとモデルをトレーニングしました。 また,A*経路計画アルゴリズムを開発し,ロボットが予測方向をナビゲートできるようにした。 異なるネットワーク構造をテストした後、我々のロボットは、およそ50%の時間で角をナビゲートすることができた。 本稿では,自律ロボットにおけるIPSの使用が今後の研究の有望な分野であることを示す。

関連論文リスト

• Autonomous Systems: Autonomous Systems: Indoor Drone Navigation [0.0]
  このシステムは、屋内環境で自律走行できるシミュレーションクワッドコプターを作成する。 目標は、ROS用のスラムツールボックスと、Nav2ナビゲーションシステムフレームワークを使用して、シミュレートされたドローンを構築することだ。
  論文  参考訳（メタデータ） (2023-04-18T10:40:00Z)
• GNM: A General Navigation Model to Drive Any Robot [67.40225397212717]
  視覚に基づくナビゲーションのための一般的な目標条件付きモデルは、多くの異なるが構造的に類似したロボットから得られたデータに基づいて訓練することができる。 ロボット間の効率的なデータ共有に必要な設計決定について分析する。 我々は、訓練されたGNMを、下四極子を含む様々な新しいロボットに展開する。
  論文  参考訳（メタデータ） (2022-10-07T07:26:41Z)
• Fleet-DAgger: Interactive Robot Fleet Learning with Scalable Human Supervision [72.4735163268491]
  ロボットの商業的および産業的な展開は、実行中にリモートの人間のテレオペレーターにフォールバックすることが多い。 我々は対話型フリートラーニング(Interactive Fleet Learning, IFL)の設定を定式化し、複数のロボットが対話型クエリを行い、複数の人間スーパーバイザーから学習する。 IFLアルゴリズムのファミリーであるFleet-DAggerを提案し、新しいFleet-DAggerアルゴリズムをシミュレーションで4つのベースラインと比較する。
  論文  参考訳（メタデータ） (2022-06-29T01:23:57Z)
• Socially Compliant Navigation Dataset (SCAND): A Large-Scale Dataset of Demonstrations for Social Navigation [92.66286342108934]
  社会ナビゲーションは、ロボットのような自律的なエージェントが、人間のような他の知的エージェントの存在下で、社会的に従順な方法でナビゲートする能力である。 私たちのデータセットには8.7時間、128の軌道、25マイルの社会的に適合した人間の遠隔運転デモが含まれています。
  論文  参考訳（メタデータ） (2022-03-28T19:09:11Z)
• Autonomous Aerial Robot for High-Speed Search and Intercept Applications [86.72321289033562]
  高速物体把握のための完全自律飛行ロボットが提案されている。 追加のサブタスクとして、我々のシステムは、表面に近い極にある気球を自律的にピアスすることができる。 我々のアプローチは、挑戦的な国際競争で検証され、優れた結果が得られました。
  論文  参考訳（メタデータ） (2021-12-10T11:49:51Z)
• Autonomous Navigation in Dynamic Environments: Deep Learning-Based Approach [0.0]
  本論文は,各スキームの長所と短所を浮き彫りにした深層学習に基づくアプローチを考察する。 畳み込みニューラルネットワーク(CNN)に基づくディープラーニング手法の1つは、ソフトウェア実装によって実現される。 本研究では, レーザースキャナの代わりに単眼カメラを使用するという基礎から, レストラン, 博物館などの屋内アプリケーションに対して, 低コストなアプローチを提案する。
  論文  参考訳（メタデータ） (2021-02-03T23:20:20Z)
• LaND: Learning to Navigate from Disengagements [158.6392333480079]
  本研究では,学習者に対する学習支援のための強化学習手法(LaND)を提案する。 LaNDは現在の知覚的観察から、どのアクションが解離につながるかを予測するニューラルネットワークモデルを学び、テスト時計画で解離を回避するアクションを実行する。 以上の結果から,LaNDは多種多様な現実世界の歩道環境を学習し,模倣学習と強化学習の両方に優れることを示した。
  論文  参考訳（メタデータ） (2020-10-09T17:21:42Z)
• OpenBot: Turning Smartphones into Robots [95.94432031144716]
  現在のロボットは高価か、感覚豊かさ、計算能力、通信能力に重大な妥協をもたらす。 我々はスマートフォンを活用して、センサースイート、強力な計算能力、最先端通信チャネル、繁栄するソフトウェアエコシステムへのアクセスなどを備えたロボットを装備することを提案する。 われわれは50ドルの小型電気自動車を設計し、標準のAndroidスマートフォンのロボットボディとして機能する。
  論文  参考訳（メタデータ） (2020-08-24T18:04:50Z)
• 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)

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。