論文の概要: Research on Dead Reckoning Algorithm for Self-Propelled Pipeline Robots in Three-Dimensional Complex Pipelines

• arxiv url: http://arxiv.org/abs/2512.17215v2
• Date: Thu, 25 Dec 2025 01:33:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-29 13:23:29.767844
• Title: Research on Dead Reckoning Algorithm for Self-Propelled Pipeline Robots in Three-Dimensional Complex Pipelines
• Title（参考訳）: 3次元複合管内における自己推進型パイプラインロボットのデッドリコンディングアルゴリズムに関する研究
• Authors: Yan Gao, Jiliang Wang, Minghan Wang, Xiaohua Chen, Demin Chen, Zhiyong Ren, Tian-Yun Huang,
• Abstract要約: 自己推進型パイプラインロボットは、外部のドラッグなしで複雑で湾曲したパイプラインの位置作業を完了させるように設計されている。 本稿では,拡張カルマンフィルタリング(EKF)に基づくパイプラインロボットの位置推定手法を提案する。 矩形ループパイプラインでロボットを用いて実験を行い,提案手法の有効性を検証した。
• 参考スコア（独自算出の注目度）: 14.693621512270992
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the field of gas pipeline location, existing pipeline location methods mostly rely on pipeline location instruments. However, when faced with complex and curved pipeline scenarios, these methods often fail due to problems such as cable entanglement and insufficient equipment flexibility. To address this pain point, we designed a self-propelled pipeline robot. This robot can autonomously complete the location work of complex and curved pipelines in complex pipe networks without external dragging. In terms of pipeline mapping technology, traditional visual mapping and laser mapping methods are easily affected by lighting conditions and insufficient features in the confined space of pipelines, resulting in mapping drift and divergence problems. In contrast, the pipeline location method that integrates inertial navigation and wheel odometers is less affected by pipeline environmental factors. Based on this, this paper proposes a pipeline robot location method based on extended Kalman filtering (EKF). Firstly, the body attitude angle is initially obtained through an inertial measurement unit (IMU). Then, the extended Kalman filtering algorithm is used to improve the accuracy of attitude angle estimation. Finally, high-precision pipeline location is achieved by combining wheel odometers. During the testing phase, the roll wheels of the pipeline robot needed to fit tightly against the pipe wall to reduce slippage. However, excessive tightness would reduce the flexibility of motion control due to excessive friction. Therefore, a balance needed to be struck between the robot's motion capability and positioning accuracy. Experiments were conducted using the self-propelled pipeline robot in a rectangular loop pipeline, and the results verified the effectiveness of the proposed dead reckoning algorithm.
• Abstract（参考訳）: ガスパイプライン位置の分野では、既存のパイプライン位置法は主にパイプラインの位置測定器に依存している。 しかし、複雑で湾曲したパイプラインのシナリオに直面した場合、ケーブルの絡み合いや設備の柔軟性の不足といった問題により、これらの手法は失敗することが多い。 この痛点に対処するため,我々は自己推進型パイプラインロボットを設計した。 このロボットは、複雑なパイプネットワーク内の複雑なパイプラインと湾曲したパイプラインの位置を、外部のドラッグなしで自律的に完了することができる。 パイプラインマッピング技術では、従来の視覚マッピングとレーザーマッピングの手法は、パイプラインの限られた空間における照明条件と不十分な特徴に容易に影響され、結果としてドリフトと発散の問題が発生する。 対照的に、慣性ナビゲーションとホイールオドメータを統合するパイプライン配置法は、パイプライン環境要因の影響を受けない。 そこで本研究では,拡張カルマンフィルタリング(EKF)に基づくパイプラインロボットの位置推定手法を提案する。 まず、まず、慣性測定ユニット(IMU)を介して体姿勢角を得る。 次に、拡張カルマンフィルタリングアルゴリズムを用いて、姿勢角推定の精度を向上させる。 最後に、ホイールオドメータを組み合わせることにより、高精度パイプライン配置を実現する。 試験段階では、パイプラインロボットのロールホイールがパイプ壁に密着して滑り込みを減らす必要があった。 しかし、過度の締め付けは過度の摩擦による運動制御の柔軟性を低下させる。 したがって、ロボットの運動能力と位置決め精度の間にバランスをとる必要がある。 自走式パイプラインロボットを用いて矩形ループパイプライン実験を行い,提案手法の有効性を検証した。

関連論文リスト

• VAPOR: Legged Robot Navigation in Outdoor Vegetation Using Offline Reinforcement Learning [53.13393315664145]
  本研究では,非構造で密集した屋外環境における自律脚ロボットナビゲーションのための新しい手法であるVAPORを提案する。 本手法は,アクター・クリティカル・ネットワークと実際の屋外植生で収集された任意のデータを用いて,新しいRLポリシーを訓練する。 VAPORの動作は成功率を最大40%向上させ、平均電流消費量を最大2.9%削減し、正規化軌道長を最大11.2%削減する。
  論文  参考訳（メタデータ） (2023-09-14T16:21:27Z)
• Confidence-Controlled Exploration: Efficient Sparse-Reward Policy Learning for Robot Navigation [72.24964965882783]
  強化学習(RL)はロボットナビゲーションにおいて有望なアプローチであり、ロボットは試行錯誤を通じて学習することができる。 現実世界のロボットタスクは、しばしばまばらな報酬に悩まされ、非効率な探索と準最適政策に繋がる。 本稿では,RLに基づくロボットナビゲーションにおいて,報酬関数を変更せずにサンプル効率を向上させる新しい手法であるConfidence-Controlled Exploration (CCE)を紹介する。
  論文  参考訳（メタデータ） (2023-06-09T18:45:15Z)
• Deep Pipeline Embeddings for AutoML [11.168121941015015]
  AutoMLは、最小限の人間の専門知識で機械学習システムを自動デプロイすることで、AIを民主化するための有望な方向である。 既存のパイプライン最適化テクニックでは、パイプラインステージ/コンポーネント間の深いインタラクションを探索できない。 本稿では,機械学習パイプラインのコンポーネント間のディープインタラクションをキャプチャするニューラルアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-05-23T12:40:38Z)
• Tiny-HR: Towards an interpretable machine learning pipeline for heart rate estimation on edge devices [6.59529078336196]
  本稿では,低消費電力エッジデバイスで取得した圧力センサデータから心拍数を抽出する機械学習(ML)パイプラインの概念実証を行う。 このパイプラインは、アップサンプラーニューラルネットワーク、信号品質分類器、効率的かつ正確な心拍数推定に最適化された1D畳み込みニューラルネットワークで構成されている。 その結果,提案したMLパイプラインとハイブリッドパイプラインは,従来のアルゴリズムに比べて82%と28%のエネルギーと時間を削減できることがわかった。
  論文  参考訳（メタデータ） (2022-08-16T22:38:10Z)
• Learning High-Speed Flight in the Wild [101.33104268902208]
  複雑な自然環境や人工環境を高速で自律的に飛行するエンド・ツー・エンドのアプローチを提案する。 鍵となる原理は、雑音の知覚観測を直接、後退水平方向に無衝突軌道にマッピングすることである。 現実的なセンサノイズをシミュレートすることにより,シミュレーションから現実環境へのゼロショット転送を実現する。
  論文  参考訳（メタデータ） (2021-10-11T09:43:11Z)
• Deep reinforcement learning for smart calibration of radio telescopes [3.655021726150368]
  本稿では,データ校正パイプラインの微調整を行う自律エージェントの訓練に強化学習を導入する。 我々は、パイプラインを、エージェントがパイプラインの解釈状態のみを使用するブラックボックスシステムとみなす。 この方法で訓練された自律エージェントは、多様な観察のための最適な設定を決定でき、従って、人間の介入の必要性を最小限に抑える「マート」キャリブレーションを実行することができる。
  論文  参考訳（メタデータ） (2021-02-05T14:35:28Z)
• PipeTransformer: Automated Elastic Pipelining for Distributed Training of Transformers [47.194426122333205]
  PipeTransformerはTransformerモデルの分散トレーニングアルゴリズムである。 トレーニング中にいくつかのレイヤを特定し凍結することで、パイプラインとデータの並列性を自動的に調整する。 GLUE と SQuAD データセット上で ImageNet と BERT 上での Vision Transformer (ViT) を用いた Pipe Transformer の評価を行った。
  論文  参考訳（メタデータ） (2021-02-05T13:39:31Z)
• AVATAR -- Machine Learning Pipeline Evaluation Using Surrogate Model [10.83607599315401]
  本稿では,サロゲートモデル(AVATAR)を用いたMLパイプラインの有効性評価手法を提案する。 実験の結果, AVATARは, 従来の評価手法と比較して, 複雑なパイプラインの評価においてより効率的であることがわかった。
  論文  参考訳（メタデータ） (2020-01-30T02:53:29Z)
• Rethinking Learning-based Demosaicing, Denoising, and Super-Resolution Pipeline [86.01209981642005]
  本研究では,パイプラインが学習ベースDN,DM,SRの混合問題に与える影響について,逐次解とジョイント解の両方で検討する。 我々の提案するパイプラインDN$to$SR$to$DMは、他のシーケンシャルパイプラインよりも一貫してパフォーマンスが向上する。 混合問題に対する最先端の性能を実現するために, エンドツーエンドのトリニティ・カメラ・エンハンスメント・ネットワーク(TENet)を提案する。
  論文  参考訳（メタデータ） (2019-05-07T13:19:05Z)

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。