論文の概要: CompSLAM: Complementary Hierarchical Multi-Modal Localization and Mapping for Robot Autonomy in Underground Environments
- arxiv url: http://arxiv.org/abs/2505.06483v1
- Date: Sat, 10 May 2025 00:59:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-13 20:21:48.863324
- Title: CompSLAM: Complementary Hierarchical Multi-Modal Localization and Mapping for Robot Autonomy in Underground Environments
- Title（参考訳）: CompSLAM: 地下環境におけるロボット自律性のための相補的階層的マルチモーダル位置決めとマッピング
- Authors: Shehryar Khattak, Timon Homberger, Lukas Bernreiter, Julian Nubert, Olov Andersson, Roland Siegwart, Kostas Alexis, Marco Hutter,
- Abstract要約: CompSLAMは、ロボットのためのマルチモーダルなローカライゼーションとマッピングフレームワークである。
決勝戦で勝利したチーム・ケルベロスの全ての空中、脚、車輪付きロボットに配備された。
本稿では,DARPAサブテランチャレンジの決勝コースの大部分をカバーする,手動で遠隔操作された四足歩行ロボットが取得したデータセットについても紹介する。
- 参考スコア（独自算出の注目度）: 38.264929235624905
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Robot autonomy in unknown, GPS-denied, and complex underground environments requires real-time, robust, and accurate onboard pose estimation and mapping for reliable operations. This becomes particularly challenging in perception-degraded subterranean conditions under harsh environmental factors, including darkness, dust, and geometrically self-similar structures. This paper details CompSLAM, a highly resilient and hierarchical multi-modal localization and mapping framework designed to address these challenges. Its flexible architecture achieves resilience through redundancy by leveraging the complementary nature of pose estimates derived from diverse sensor modalities. Developed during the DARPA Subterranean Challenge, CompSLAM was successfully deployed on all aerial, legged, and wheeled robots of Team Cerberus during their competition-winning final run. Furthermore, it has proven to be a reliable odometry and mapping solution in various subsequent projects, with extensions enabling multi-robot map sharing for marsupial robotic deployments and collaborative mapping. This paper also introduces a comprehensive dataset acquired by a manually teleoperated quadrupedal robot, covering a significant portion of the DARPA Subterranean Challenge finals course. This dataset evaluates CompSLAM's robustness to sensor degradations as the robot traverses 740 meters in an environment characterized by highly variable geometries and demanding lighting conditions. The CompSLAM code and the DARPA SubT Finals dataset are made publicly available for the benefit of the robotics community
- Abstract（参考訳）: 未知、GPS、複雑な地下環境におけるロボットの自律性には、信頼性の高い操作のためのリアルタイムで堅牢で正確なポーズ推定とマッピングが必要である。
これは特に、暗黒、塵、幾何学的に自己相似構造を含む厳しい環境条件下での認識劣化した地下環境において困難になる。
本稿は、これらの課題に対処するために設計された、高レジリエントで階層的なマルチモーダルなローカライゼーションおよびマッピングフレームワークであるCompSLAMについて詳述する。
フレキシブルなアーキテクチャは、様々なセンサモーダル性から導かれるポーズ推定の相補的な性質を活用することで、冗長性を通じてレジリエンスを実現する。
DARPA Subterranean Challengeで開発されたCompSLAMは、チーム・ケルベロスのすべての空中、脚、車輪付きロボットに、決勝戦で勝利した。
さらに、これは様々なプロジェクトにおいて信頼性の高いオドメトリとマッピングソリューションであることが証明されており、マルチロボットマップの共有を可能にする拡張や、マルチロボットのデプロイメント、コラボレーティブマッピングが可能である。
本稿では,DARPAサブテランチャレンジの決勝コースの大部分をカバーする,手動で遠隔操作された四足歩行ロボットが取得した包括的データセットについても紹介する。
このデータセットは、高度に可変なジオメトリと照明条件を特徴とする環境において、ロボットが740メートルを横断するにつれて、CompSLAMのセンサ劣化に対する堅牢性を評価する。
CompSLAMコードとDARPA SubT Finalsデータセットは、ロボティクスコミュニティの利益のために公開されている
関連論文リスト
- CoPeD-Advancing Multi-Robot Collaborative Perception: A Comprehensive Dataset in Real-World Environments [8.177157078744571]
本稿では,先駆的で包括的な実世界のマルチロボット協調認識データセットを提案する。
生のセンサー入力、ポーズ推定、オプションのハイレベル認識アノテーションが特徴である。
この研究は、マルチロボット設定におけるマルチモーダル協調認識を通して、ハイレベルなシーン理解の潜在的研究を解き放つだろうと考えている。
論文 参考訳（メタデータ） (2024-05-23T15:59:48Z) - RoboScript: Code Generation for Free-Form Manipulation Tasks across Real
and Simulation [77.41969287400977]
本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。
自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。
我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
論文 参考訳（メタデータ） (2024-02-22T15:12:00Z) - Deep Learning for Real Time Satellite Pose Estimation on Low Power Edge
TPU [58.720142291102135]
本稿では,ニューラルネットワークアーキテクチャを利用したポーズ推定ソフトウェアを提案する。
我々は、低消費電力の機械学習アクセラレーターが宇宙での人工知能の活用を可能にしていることを示す。
論文 参考訳（メタデータ） (2022-04-07T08:53:18Z) - Edge Robotics: Edge-Computing-Accelerated Multi-Robot Simultaneous
Localization and Mapping [22.77685685539304]
RecSLAMは、ロボットエッジクラウドアーキテクチャ下でのマップ構築プロセスの高速化に焦点を当てたマルチロボットレーザーSLAMシステムである。
ロボット上でグラフィックマップを生成し、それらをクラウド上で完全にマージする従来のマルチロボットSLAMとは対照的に、RecSLAMは階層的なマップ融合技術を開発する。
大規模な評価では、RecSLAMは最先端よりも39%の処理遅延を削減できる。
論文 参考訳（メタデータ） (2021-12-25T10:40:49Z) - 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) - 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) - NeBula: Quest for Robotic Autonomy in Challenging Environments; TEAM
CoSTAR at the DARPA Subterranean Challenge [105.27989489105865]
本稿では,TEAM CoSTARが開発したアルゴリズム,ハードウェア,ソフトウェアアーキテクチャについて述べる。
NeBula (Networked Belief-Aware Perceptual Autonomy) と呼ばれる当社の自律的ソリューションを紹介します。
論文 参考訳（メタデータ） (2021-03-21T19:42:26Z) - Collaborative Recognition of Feasible region with Aerial and Ground
Robots through DPCN [9.10669609583837]
地上ロボットは、障害物に近づいた場合にのみ衝突し、危険を感知して行動を起こすことができ、通常は衝突を避けるには遅すぎる。
航空ロボットと地上ロボットのコラボレーションにより、実現可能な地域を認識します。
論文 参考訳（メタデータ） (2021-03-01T12:22:11Z) - 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) - Autonomous Off-road Navigation over Extreme Terrains with
Perceptually-challenging Conditions [7.514178230130502]
移動性ストレス要素を用いた知覚困難環境におけるレジリエント自律計算の枠組みを提案する。
リアルタイムに堅牢なマルチファイアリティトラバーサビリティ推定を生成するための高速設定アルゴリズムを提案する。
提案手法は、スキッドステアや追尾ロボット、高速RCカー、脚ロボットなど、複数の物理的システムに展開された。
論文 参考訳（メタデータ） (2021-01-26T22:13:01Z)
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。