論文の概要: MoRPI-PINN: A Physics-Informed Framework for Mobile Robot Pure Inertial Navigation

• arxiv url: http://arxiv.org/abs/2507.18206v1
• Date: Thu, 24 Jul 2025 09:02:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-25 15:10:43.316932
• Title: MoRPI-PINN: A Physics-Informed Framework for Mobile Robot Pure Inertial Navigation
• Title（参考訳）: MoRPI-PINN: 移動ロボット純慣性ナビゲーションのための物理インフォームドフレームワーク
• Authors: Arup Kumar Sahoo, Itzik Klein,
• Abstract要約: 我々は,慣性に基づく正確な移動ロボットナビゲーションのための物理インフォームドニューラルネットワークフレームワークとして,MoRPI-PINNを提案する。 実世界の実験では,他の手法と比較して85%以上の精度向上が見られた。
• 参考スコア（独自算出の注目度）: 2.915868985330569
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A fundamental requirement for full autonomy in mobile robots is accurate navigation even in situations where satellite navigation or cameras are unavailable. In such practical situations, relying only on inertial sensors will result in navigation solution drift due to the sensors' inherent noise and error terms. One of the emerging solutions to mitigate drift is to maneuver the robot in a snake-like slithering motion to increase the inertial signal-to-noise ratio, allowing the regression of the mobile robot position. In this work, we propose MoRPI-PINN as a physics-informed neural network framework for accurate inertial-based mobile robot navigation. By embedding physical laws and constraints into the training process, MoRPI-PINN is capable of providing an accurate and robust navigation solution. Using real-world experiments, we show accuracy improvements of over 85% compared to other approaches. MoRPI-PINN is a lightweight approach that can be implemented even on edge devices and used in any typical mobile robot application.
• Abstract（参考訳）: 移動ロボットにおける完全な自律性のための基本的な要件は、衛星ナビゲーションやカメラが使えない状況においても正確なナビゲーションである。 このような現実的な状況では、慣性センサーのみに依存すると、センサー固有のノイズやエラー項によるナビゲーションソリューションのドリフトが発生する。 ドリフトを緩和する新たな解決策の1つは、ヘビのようなスリシング動作でロボットを操り、慣性信号と雑音の比率を高め、移動ロボットの位置を後退させることである。 本研究では,慣性に基づく移動ロボットナビゲーションのための物理インフォームドニューラルネットワークフレームワークとして,MoRPI-PINNを提案する。 物理法則と制約をトレーニングプロセスに組み込むことで、MoRPI-PINNは正確で堅牢なナビゲーションソリューションを提供することができる。 実世界の実験では,他の手法と比較して85%以上の精度向上が見られた。 MoRPI-PINNはエッジデバイスでも実装可能な軽量なアプローチであり、一般的なモバイルロボットアプリケーションで使用することができる。

関連論文リスト

• Taccel: Scaling Up Vision-based Tactile Robotics via High-performance GPU Simulation [50.34179054785646]
  ロボット,触覚センサ,物体を精度と前例のない速度でモデル化するために,IPCとABDを統合した高性能なシミュレーションプラットフォームであるTaccelを提案する。 Taccelは正確な物理シミュレーションとリアルな触覚信号を提供し、ユーザフレンドリーなAPIを通じて柔軟なロボットセンサー構成をサポートする。 これらの能力は、触覚ロボットの研究と開発を拡大するための強力なツールとして、Taccelを位置づけている。
  論文  参考訳（メタデータ） (2025-04-17T12:57:11Z)
• Industrial Internet Robot Collaboration System and Edge Computing Optimization [3.2624782655521143]
  本稿では,ディープラーニングに基づく移動ロボットのグローバルパス制御方式を提案する。 提案モデルでは,エッジデバイスでローカルデータを処理し,ロボットと中央サーバ間の通信負担を軽減する。
  論文  参考訳（メタデータ） (2025-04-03T11:15:10Z)
• WMINet: A Wheel-Mounted Inertial Learning Approach For Mobile-Robot Positioning [2.915868985330569]
  我々はWMINETを車輪搭載型慣性深度学習手法として提案し,その慣性センサのみに基づいて移動ロボットの位置を推定する。 そこで本研究では,車載アプローチと移動ロボットの周期軌道駆動という,慣性ドリフトを減らすための2つの一般的な実践的手法をマージする。 我々のアプローチは最先端のアプローチよりも66%改善した。
  論文  参考訳（メタデータ） (2025-03-17T10:43:46Z)
• Towards Probabilistic Inference of Human Motor Intentions by Assistive Mobile Robots Controlled via a Brain-Computer Interface [0.0]
  Brain Computer Interface (BCI) は、物理的な動きを必要としない、ユーザフレンドリーな選択肢である。 現在のBCIシステムは、ユーザが加速するか減速するかを理解できますが、これらの変更を個別のスピードステップで実装します。 著者らは,BCI制御ロボットシステムにおける知覚行動サイクルを再設計することで,この制限に対処することを目指している。
  論文  参考訳（メタデータ） (2025-01-09T23:18:38Z)
• The One RING: a Robotic Indoor Navigation Generalist [58.30694487843546]
  RING (Robotic Indoor Navigation Generalist) は、あらゆる移動ロボットを効果的な屋内セマンティックナビゲータに変えるための具体的方針である。 完全にシミュレーションで訓練されたRingは、ロボットによる大規模なランダム化を利用して、多くの現実世界のプラットフォームに堅牢な一般化を可能にする。
  論文  参考訳（メタデータ） (2024-12-18T23:15:41Z)
• NeuPAN: Direct Point Robot Navigation with End-to-End Model-based Learning [67.53972459080437]
  乱雑で未知の環境で非ホロノミックロボットをナビゲートするには、リアルタイム衝突回避のための正確な認識と正確な動きが必要である。 本稿では, リアルタイム, 高精度, 地図のない, 展開が容易で, 環境によらないロボットモーションプランナであるNeuPANについて述べる。
  論文  参考訳（メタデータ） (2024-03-11T15:44:38Z)
• See What the Robot Can't See: Learning Cooperative Perception for Visual Navigation [11.943412856714154]
  センサをトレーニングして、関連する視点情報を移動ロボットにエンコードし、伝達する。 我々は、全てのセンサーが目標への最短経路に沿って方向を予測できるようにするという課題を克服する。 その結果,センサとロボットの通信により,SPLの最大2.0倍の改善が達成された。
  論文  参考訳（メタデータ） (2022-08-01T11:37:01Z)
• Bayesian Imitation Learning for End-to-End Mobile Manipulation [80.47771322489422]
  RGB + 深度カメラのような追加のセンサー入力によるポリシーの強化は、ロボットの知覚能力を改善するための簡単なアプローチである。 畳み込みニューラルネットワークを正規化するために変分情報ボトルネックを用いることで、保持領域への一般化が向上することを示す。 提案手法は, シミュレーションと現実のギャップを埋めることと, RGBと奥行き変調をうまく融合できることを実証する。
  論文  参考訳（メタデータ） (2022-02-15T17:38:30Z)
• CNN-based Omnidirectional Object Detection for HermesBot Autonomous Delivery Robot with Preliminary Frame Classification [53.56290185900837]
  予備的バイナリフレーム分類を用いた物体検出のためのニューラルネットワークの最適化アルゴリズムを提案する。 周囲に6台のローリングシャッターカメラを備えた自律移動ロボットを360度視野として実験装置として使用した。
  論文  参考訳（メタデータ） (2021-10-22T15:05:37Z)
• Robot Localization and Navigation through Predictive Processing using LiDAR [0.0]
  本稿では,レーザーセンサを用いた位置認識とナビゲーションに応用した,予測処理にインスパイアされたアプローチの実証について述べる。 我々は自己教師型学習を通してレーザ生成モデルを学び、オンライン状態推定とナビゲーションの両方を行う。 その結果,オドメトリーの欠如による粒子フィルタとの比較では,状態推定性能が向上した。
  論文  参考訳（メタデータ） (2021-09-09T09:58:00Z)
• SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
  我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。 モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。 リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。 ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
  論文  参考訳（メタデータ） (2021-08-03T02:56:21Z)
• High-Speed Robot Navigation using Predicted Occupancy Maps [0.0]
  ロボットがセンサの地平線を越えて広がる空間を高速で予測できるアルゴリズム手法について検討する。 我々は、人間のアノテートラベルを必要とせず、実世界のデータからトレーニングされた生成ニューラルネットワークを用いてこれを実現する。 既存の制御アルゴリズムを拡張し、予測空間を活用することで、衝突のない計画とナビゲーションを高速で改善します。
  論文  参考訳（メタデータ） (2020-12-22T16:25:12Z)

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。