論文の概要: Real-Time Localization Framework for Autonomous Basketball Robots

• arxiv url: http://arxiv.org/abs/2601.08713v1
• Date: Tue, 13 Jan 2026 16:40:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-14 18:27:19.291203
• Title: Real-Time Localization Framework for Autonomous Basketball Robots
• Title（参考訳）: 自律型バスケットボールロボットのリアルタイム位置決めフレームワーク
• Authors: Naren Medarametla, Sreejon Mondal,
• Abstract要約: ロボコン2025では、射撃精度の向上、他のロボットとの衝突の回避、競技場を効率的にナビゲートするために、正確で信頼性の高い位置決めが不可欠である。 バスケットボール場における自己ローカライゼーションを実現するために,裁判所の床からの視覚データに頼って古典的手法と学習に基づく手法を統合するハイブリッドなローカライゼーションアルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Localization is a fundamental capability for autonomous robots, enabling them to operate effectively in dynamic environments. In Robocon 2025, accurate and reliable localization is crucial for improving shooting precision, avoiding collisions with other robots, and navigating the competition field efficiently. In this paper, we propose a hybrid localization algorithm that integrates classical techniques with learning based methods that rely solely on visual data from the court's floor to achieve self-localization on the basketball field.
• Abstract（参考訳）: ローカライゼーションは自律ロボットの基本機能であり、動的環境で効果的に動作することができる。 ロボコン2025では、射撃精度の向上、他のロボットとの衝突の回避、競技場を効率的にナビゲートするために、正確で信頼性の高い位置決めが不可欠である。 本稿では,古典的手法と学習に基づく手法を統合するハイブリッドなローカライゼーションアルゴリズムを提案する。

関連論文リスト

• Prof. Robot: Differentiable Robot Rendering Without Static and Self-Collisions [40.15055686410145]
  本稿では, ロボット衝突分類器の学習を通じて, 衝突に対する身体的意識を組み込むことにより, これまでの取り組みに新たな改善を加える。 これにより、ロボット自体と同様に、静的で非操作可能な環境との衝突を避けるアクションの最適化が可能になる。
  論文  参考訳（メタデータ） (2025-03-14T10:25:54Z)
• Gait in Eight: Efficient On-Robot Learning for Omnidirectional Quadruped Locomotion [13.314871831095882]
  On-robot Reinforcement Learning(オンロボット強化学習)は、脚のあるロボットの体格認識ポリシーを訓練するための有望なアプローチである。 実時間トレーニングのわずか8分で,四足歩行を効率よく学習する枠組みを提案する。 屋内と屋外の異なる環境におけるアプローチの堅牢性を示す。
  論文  参考訳（メタデータ） (2025-03-11T12:32:06Z)
• Robotic World Model: A Neural Network Simulator for Robust Policy Optimization in Robotics [50.191655141020505]
  この研究は、長期水平予測、エラー蓄積、およびsim-to-real転送の課題に対処することで、モデルに基づく強化学習を前進させる。 スケーラブルでロバストなフレームワークを提供することで、現実のアプリケーションにおいて適応的で効率的なロボットシステムを実現することができる。
  論文  参考訳（メタデータ） (2025-01-17T10:39:09Z)
• Generalizability of Graph Neural Networks for Decentralized Unlabeled Motion Planning [72.86540018081531]
  ラベルなしの動作計画では、衝突回避を確保しながら、ロボットのセットを目標の場所に割り当てる。 この問題は、探査、監視、輸送などの応用において、マルチロボットシステムにとって不可欠なビルディングブロックを形成している。 この問題に対処するために、各ロボットは、その400ドルのアネレストロボットと$k$アネレストターゲットの位置のみを知っている分散環境で対処する。
  論文  参考訳（メタデータ） (2024-09-29T23:57:25Z)
• 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)
• 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)
• Domain Adaptive Robotic Gesture Recognition with Unsupervised Kinematic-Visual Data Alignment [60.31418655784291]
  本稿では,マルチモダリティ知識,すなわちキネマティックデータとビジュアルデータを同時にシミュレータから実ロボットに伝達できる,教師なしドメイン適応フレームワークを提案する。 ビデオの時間的手がかりと、ジェスチャー認識に対するマルチモーダル固有の相関を用いて、トランスファー可能な機能を強化したドメインギャップを修復する。 その結果, 本手法は, ACCでは最大12.91%, F1scoreでは20.16%と, 実際のロボットではアノテーションを使わずに性能を回復する。
  論文  参考訳（メタデータ） (2021-03-06T09:10:03Z)

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。