Fugu-MT 論文翻訳(概要): AUTONAV: A Toolfor Autonomous Navigation of Robots

論文の概要: AUTONAV: A Toolfor Autonomous Navigation of Robots

arxiv url: http://arxiv.org/abs/2504.12318v1
Date: Thu, 10 Apr 2025 16:37:30 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-20 05:05:30.729195
Title: AUTONAV: A Toolfor Autonomous Navigation of Robots
Title（参考訳）: AUTONAV:ロボットの自律的なナビゲーションツール
Authors: Mir Md Sajid Sarwar, Sudip Samanta, Rajarshi Ray,
Abstract要約: 本稿では,ロボットの自律ナビゲーションのためのマッピング,ローカライゼーション,経路計画タスクを自動化するツールを提案する。モジュラーアーキテクチャは、これらのタスクに対する様々なアルゴリズムを簡単に統合して比較することができる。室内シミュレーションシナリオにおいて,AUTONAVが生成した地図と経路計画について述べる。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: We present a tool AUTONAV that automates the mapping, localization, and path-planning tasks for autonomous navigation of robots. The modular architecture allows easy integration of various algorithms for these tasks for comparison. We present the generated maps and path-plans by AUTONAV in indoor simulation scenarios.
Abstract（参考訳）: 本稿では,ロボットの自律ナビゲーションのためのマッピング,ローカライゼーション,経路計画タスクを自動化するツールAUTONAVを提案する。モジュラーアーキテクチャは、これらのタスクに対する様々なアルゴリズムを簡単に統合して比較することができる。室内シミュレーションシナリオにおいて,AUTONAVが生成した地図と経路計画について述べる。

関連論文リスト

Mobile Robot Navigation Using Hand-Drawn Maps: A Vision Language Model Approach [5.009635912655658]
本稿では,手書き地図ナビゲーション(HAM-Nav)アーキテクチャを提案する。 HAM-Navは、トポロジカルマップに基づく位置推定のためのユニークな選択型視覚アソシエーション・プロンプティング・アプローチを統合する。車輪付きロボットと脚付きロボットを用いてシミュレーション環境で実験を行った。
論文参考訳（メタデータ） (2025-01-31T19:03:33Z)
Aligning Robot Navigation Behaviors with Human Intentions and Preferences [2.9914612342004503]
この論文は,「自律移動ロボットのナビゲーション行動と人間の意図と嗜好を一致させるために,機械学習手法をどのように利用できるのか?」という疑問に答えることを目的としている。第一に、この論文は、意図したナビゲーションタスクの人間が提供する実演を模倣することにより、ナビゲーション行動を学ぶための新しいアプローチを導入している。第二に、この論文は、視覚的な地形認識を自己監督的に学習することで、移動ロボットの地形認識オフロードナビゲーションを強化する2つのアルゴリズムを導入している。
論文参考訳（メタデータ） (2024-09-16T03:45:00Z)
AutoAct: Automatic Agent Learning from Scratch for QA via Self-Planning [54.47116888545878]
AutoActはQAのための自動エージェント学習フレームワークである。大規模アノテートデータやクローズドソースモデルからの合成計画軌道は依存していない。
論文参考訳（メタデータ） (2024-01-10T16:57:24Z)
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)
Large-scale Autonomous Flight with Real-time Semantic SLAM under Dense Forest Canopy [48.51396198176273]
本研究では,大規模自律飛行とリアルタイムセマンティックマッピングを,挑戦的なアンダーキャノピー環境下で実現可能な統合システムを提案する。我々は、スキャン全体で関連付けられ、木のトランクモデルと同様にロボットのポーズを制約するために使用されるLiDARデータから、木の幹と地面の平面を検出し、モデル化する。ドリフト補償機構は、プランナー最適性とコントローラ安定性を維持しつつ、セマンティックSLAM出力を用いたドリフトをリアルタイムで最小化するように設計されている。
論文参考訳（メタデータ） (2021-09-14T07:24:53Z)
An implementation of ROS Autonomous Navigation on Parallax Eddie platform [0.0]
本稿では,ロボットオペレーティング・システム(ROS)に基づく自律ナビゲーション機能の実装について,Eddie Robotと呼ばれる車輪付きディファレンシャル・ドライブ・モバイルプラットフォーム上で実施する。本論文の主な貢献は,航法スタック(Navigation Stack)と呼ばれるROSの自律ナビゲーションシステムで動作するEddieロボットの,カスタマイズされたハードウェアおよびソフトウェアシステムのセットアップについて述べることである。
論文参考訳（メタデータ） (2021-08-28T04:57:49Z)
BEyond observation: an approach for ObjectNav [0.0]
我々は,センサデータ融合と最先端機械学習アルゴリズムが,ビジュアルセマンティックナビゲーション(Visual Semantic Navigation)と呼ばれるEmbodied Artificial Intelligence (E-AI)タスクをどのように実行できるかを探索する。このタスクは、エゴセントリックな視覚的観察を用いて、環境に関する事前の知識なしに、対象のセマンティッククラスに属するオブジェクトに到達するための自律ナビゲーションで構成されている。提案手法は,ミニバル相とテストスタンダード相のHabitat Challenge 2021 ObjectNavで4位に達した。
論文参考訳（メタデータ） (2021-06-21T19:27:16Z)
Machine Learning-Based Automated Design Space Exploration for Autonomous Aerial Robots [55.056709056795206]
自律飛行ロボットのためのドメイン固有のアーキテクチャの構築は、オンボードコンピューティングを設計するための体系的な方法論が欠如しているため、難しい。 F-1ルーフラインと呼ばれる新しいパフォーマンスモデルを導入し、アーキテクトがバランスの取れたコンピューティングシステムを構築する方法を理解するのを助ける。サイバー物理設計空間を自動でナビゲートするために、AutoPilotを導入します。
論文参考訳（メタデータ） (2021-02-05T03:50:54Z)
Auto-PyTorch Tabular: Multi-Fidelity MetaLearning for Efficient and Robust AutoDL [53.40030379661183]
Auto-PyTorchは、完全に自動化されたディープラーニング(AutoDL)を実現するフレームワークディープニューラルネットワーク(DNN)のウォームスタートとアンサンブルのためのマルチフィデリティ最適化とポートフォリオ構築を組み合わせる。 Auto-PyTorchは、いくつかの最先端の競合製品よりもパフォーマンスが良いことを示す。
論文参考訳（メタデータ） (2020-06-24T15:15:17Z)
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。