論文の概要: Multi-Platform Teach-and-Repeat Navigation by Visual Place Recognition Based on Deep-Learned Local Features

• arxiv url: http://arxiv.org/abs/2503.13090v1
• Date: Mon, 17 Mar 2025 11:57:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-18 12:29:01.485648
• Title: Multi-Platform Teach-and-Repeat Navigation by Visual Place Recognition Based on Deep-Learned Local Features
• Title（参考訳）: 深層学習型局所特徴量に基づく視覚的位置認識によるマルチプラットフォームTeach-and-Repeatナビゲーション
• Authors: Václav Truhlařík, Tomáš Pivoňka, Michal Kasarda, Libor Přeučil,
• Abstract要約: この研究は、視覚的位置認識技術に基づくシステムに革新的な解決策をもたらす。 外観に基づくナビゲーション手法の実験的なテストのための新しい公開データセットが導入された。 結果は、新しいシステムがいくつかのテストシナリオで既存のメソッドより優れていることを確認した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Uniform and variable environments still remain a challenge for stable visual localization and mapping in mobile robot navigation. One of the possible approaches suitable for such environments is appearance-based teach-and-repeat navigation, relying on simplified localization and reactive robot motion control - all without a need for standard mapping. This work brings an innovative solution to such a system based on visual place recognition techniques. Here, the major contributions stand in the employment of a new visual place recognition technique, a novel horizontal shift computation approach, and a multi-platform system design for applications across various types of mobile robots. Secondly, a new public dataset for experimental testing of appearance-based navigation methods is introduced. Moreover, the work also provides real-world experimental testing and performance comparison of the introduced navigation system against other state-of-the-art methods. The results confirm that the new system outperforms existing methods in several testing scenarios, is capable of operation indoors and outdoors, and exhibits robustness to day and night scene variations.
• Abstract（参考訳）: 均一環境と可変環境は、移動ロボットナビゲーションにおける安定した視覚的位置決めとマッピングの課題であり続けている。 このような環境に適したアプローチの1つとして、簡易なローカライゼーションとリアクティブなロボットモーションコントロールを頼りに、外見に基づく指導と反復のナビゲーションがある。 この研究は、視覚的位置認識技術に基づくシステムに革新的な解決策をもたらす。 ここでは、新しい視覚的位置認識技術、新しい水平シフト計算アプローチ、様々なタイプの移動ロボットにまたがるアプリケーションのためのマルチプラットフォームシステム設計の活用に主要な貢献をする。 次に、外見に基づくナビゲーション手法の実験的なテストのための新しい公開データセットを紹介した。 さらに、この研究は、導入したナビゲーションシステムと他の最先端の手法の実際の試験と性能比較も提供する。 実験結果から,本システムはいくつかのテストシナリオにおいて既存手法よりも優れており,室内および屋外での操作が可能であり,昼夜のシーンの変動に対して堅牢性を示すことがわかった。

関連論文リスト

• NavigateDiff: Visual Predictors are Zero-Shot Navigation Assistants [24.689242976554482]
  慣れ親しんだ環境をナビゲートすることは、家庭用ロボットにとって大きな課題となる。 既存の強化学習手法は、直接新しい環境に移行することはできない。 我々は、事前学習された基礎モデルの論理知識と一般化能力をゼロショットナビゲーションに転送しようと試みる。
  論文  参考訳（メタデータ） (2025-02-19T17:27:47Z)
• Hierarchical end-to-end autonomous navigation through few-shot waypoint detection [0.0]
  人間のナビゲーションはランドマークと行動の関連によって促進される。 現在の自律ナビゲーション方式は、正確な位置決め装置とアルゴリズム、および環境から収集されたセンサーデータの広範なストリームに依存している。 本研究では,移動ロボットがこれまで知られていなかった環境をナビゲートできる階層型メタ学習手法を提案する。
  論文  参考訳（メタデータ） (2024-09-23T00:03:39Z)
• Learning Where to Look: Self-supervised Viewpoint Selection for Active Localization using Geometrical Information [68.10033984296247]
  本稿では, 位置決めの精度を高めるために, 視点選択の重要性を強調し, アクティブな位置決め領域について検討する。 私たちのコントリビューションは、リアルタイム操作用に設計されたシンプルなアーキテクチャ、自己教師付きデータトレーニング方法、および実世界のロボティクスアプリケーションに適した計画フレームワークにマップを一貫して統合する能力による、データ駆動型アプローチの使用に関するものです。
  論文  参考訳（メタデータ） (2024-07-22T12:32:09Z)
• NoMaD: Goal Masked Diffusion Policies for Navigation and Exploration [57.15811390835294]
  本稿では,目標指向ナビゲーションと目標非依存探索の両方を扱うために,単一の統合拡散政策をトレーニングする方法について述べる。 この統一された政策は、新しい環境における目標を視覚的に示す際に、全体的な性能が向上することを示す。 実世界の移動ロボットプラットフォーム上で実施した実験は,5つの代替手法と比較して,見えない環境における効果的なナビゲーションを示す。
  論文  参考訳（メタデータ） (2023-10-11T21:07:14Z)
• Active Visual Localization for Multi-Agent Collaboration: A Data-Driven Approach [47.373245682678515]
  本研究は、視点変化の課題を克服するために、アクティブな視覚的ローカライゼーションをどのように利用できるかを検討する。 具体的には、与えられた場所における最適な視点を選択する問題に焦点をあてる。 その結果,既存の手法と比較して,データ駆動方式の方が優れた性能を示した。
  論文  参考訳（メタデータ） (2023-10-04T08:18:30Z)
• Learning Navigational Visual Representations with Semantic Map Supervision [85.91625020847358]
  エージェントの自我中心のビューとセマンティックマップを対比してナビゲーション固有の視覚表現学習法を提案する。 Ego$2$-Map学習は、オブジェクト、構造、遷移などのコンパクトでリッチな情報を、ナビゲーションのためのエージェントのエゴセントリックな表現に転送する。
  論文  参考訳（メタデータ） (2023-07-23T14:01:05Z)
• A Simulation Benchmark for Vision-based Autonomous Navigation [3.141160852597485]
  この研究は、視覚に基づく自律ナビゲーションのためのシミュレーターベンチマークを導入する。 ベンチマークには、完全な自律的なビジュアルナビゲーションスタックのさまざまなコンポーネントのモジュール化された統合が含まれている。
  論文  参考訳（メタデータ） (2022-03-24T12:51:10Z)
• ViNG: Learning Open-World Navigation with Visual Goals [82.84193221280216]
  視覚的目標達成のための学習に基づくナビゲーションシステムを提案する。 提案手法は,我々がvingと呼ぶシステムが,目標条件強化学習のための提案手法を上回っていることを示す。 我々は、ラストマイル配送や倉庫検査など、現実の多くのアプリケーションでViNGを実演する。
  論文  参考訳（メタデータ） (2020-12-17T18:22:32Z)
• APPLD: Adaptive Planner Parameter Learning from Demonstration [48.63930323392909]
  本稿では,既存のナビゲーションシステムを新しい複雑な環境に適用可能な,適応プランナー学習(Adaptive Planner Learning from Demonstration)のAPPLDを紹介する。 APPLDは異なる環境で異なるナビゲーションシステムを実行する2つのロボットで検証されている。 実験結果から,APPLDはナビゲーションシステムよりも,デフォルトパラメータや専門家パラメータ,さらには人間実証者自体よりも優れていることが示された。
  論文  参考訳（メタデータ） (2020-03-31T21:15:16Z)

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。