論文の概要: Terrain-Adaptive Mobile 3D Printing with Hierarchical Control

• arxiv url: http://arxiv.org/abs/2601.10208v1
• Date: Thu, 15 Jan 2026 09:15:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.787504
• Title: Terrain-Adaptive Mobile 3D Printing with Hierarchical Control
• Title（参考訳）: 階層制御による地形適応型モバイル3Dプリンティング
• Authors: Shuangshan Nors Li, J. Nathan Kutz,
• Abstract要約: 既存のガントリーベースのシステムは精度は高いがモビリティは欠如しており、モバイルプラットフォームは不均一な場所で印刷品質を維持するのに苦労している。 本稿では,AI駆動型外乱予測とマルチモーダルセンサ融合と階層型ハードウェア制御を密に統合するフレームワークを提案する。 フルプラットフォームモビリティを維持しながら、サブセンシティメータの印刷精度を示す。
• 参考スコア（独自算出の注目度）: 2.47593085771929
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mobile 3D printing on unstructured terrain remains challenging due to the conflict between platform mobility and deposition precision. Existing gantry-based systems achieve high accuracy but lack mobility, while mobile platforms struggle to maintain print quality on uneven ground. We present a framework that tightly integrates AI-driven disturbance prediction with multi-modal sensor fusion and hierarchical hardware control, forming a closed-loop perception-learning-actuation system. The AI module learns terrain-to-perturbation mappings from IMU, vision, and depth sensors, enabling proactive compensation rather than reactive correction. This intelligence is embedded into a three-layer control architecture: path planning, predictive chassis-manipulator coordination, and precision hardware execution. Through outdoor experiments on terrain with slopes and surface irregularities, we demonstrate sub-centimeter printing accuracy while maintaining full platform mobility. This AI-hardware integration establishes a practical foundation for autonomous construction in unstructured environments.
• Abstract（参考訳）: プラットフォームモビリティと堆積精度の相違により,非構造地形における移動式3Dプリンティングは依然として困難である。 既存のガントリーベースのシステムは精度は高いがモビリティは欠如しており、モバイルプラットフォームは不均一な場所で印刷品質を維持するのに苦労している。 本稿では,AIによる外乱予測をマルチモーダルセンサ融合と階層型ハードウェア制御と密に統合し,閉ループ認識学習システムを構築するフレームワークを提案する。 AIモジュールは、IMU、視覚、深度センサーから地形と摂動のマッピングを学習し、反応補正ではなく、積極的な補償を可能にする。 このインテリジェンスは、経路計画、予測シャシー・マニピュレータ調整、精度の高いハードウェア実行という3層制御アーキテクチャに組み込まれている。 斜面や表面の不規則性のある地形の屋外実験を通じて、全プラットフォーム移動性を維持しながら、サブセンシティメータの印刷精度を示す。 このAIハードウェアの統合は、非構造化環境における自律的な構築の実践的な基盤を確立する。

関連論文リスト

• ADAPT: Adaptive Dual-projection Architecture for Perceptive Traversal [9.871259588683783]
  ADAPTは、地形地形の水平標高マップと、走行可能な空間制約の垂直距離マップを用いて環境を表現する。 ボクセルベースのベースラインと比較すると、ADAPTは観察次元と計算オーバーヘッドを大幅に削減する。 これは、Unitree G1 Humanoidへのゼロショット転送を成功させる。
  論文  参考訳（メタデータ） (2026-03-17T10:00:13Z)
• PhyScensis: Physics-Augmented LLM Agents for Complex Physical Scene Arrangement [89.35154754765502]
  PhyScensisは物理エンジンを動力とするエージェントベースのフレームワークで、物理的に可視なシーン構成を生成する。 本フレームワークは,微粒なテキスト記述や数値パラメータに対する強い制御性を保っている。 実験の結果,本手法はシーンの複雑さ,視覚的品質,身体的精度において,従来の手法よりも優れていた。
  論文  参考訳（メタデータ） (2026-02-16T17:55:25Z)
• Development and Testing for Perception Based Autonomous Landing of a Long-Range QuadPlane [0.0]
  本研究は,視覚に基づく自律着陸と視覚慣性オドメトリーのための軽量なQuadPlaneシステムを提案する。 ハードウェアプラットフォーム、センサー構成、組み込みコンピューティングアーキテクチャは、要求されるリアルタイム、物理的制約を満たすように設計されている。
  論文  参考訳（メタデータ） (2025-12-10T06:02:25Z)
• Percept-WAM: Perception-Enhanced World-Awareness-Action Model for Robust End-to-End Autonomous Driving [48.512353531499286]
  本稿では,視覚言語モデル(VLM)に2D/3Dシーン理解能力を暗黙的に統合した知覚強調世界認識行動モデルPercept-WAMを紹介する。 我々は,高密度物体知覚のためのグリッド条件付き予測機構を提案し,IoU対応スコアリングと並列自己回帰デコードを導入し,長距離・遠距離・小対象シナリオの安定性を向上させる。 実験により、パーセプションWAMは下流の知覚ベンチマークで古典的な検出器やセグメンタと一致し、2D検出とBEV 3D検出で51.7/58.9 mAPを達成した。
  論文  参考訳（メタデータ） (2025-11-24T15:28:25Z)
• Optimizing Grasping in Legged Robots: A Deep Learning Approach to Loco-Manipulation [0.6533458718563319]
  本稿では,腕を備えた四足歩行の把握能力を高めるための枠組みを提案する。 そこで我々は,ジェネシスシミュレーション環境内にパイプラインを構築し,共通物体の把握試行の合成データセットを生成する。 このデータセットは、オンボードのRGBとディープカメラからのマルチモーダル入力を処理するU-Netのようなアーキテクチャで、カスタムCNNのトレーニングに使用された。 四脚ロボットの完全な枠組みを検証した。
  論文  参考訳（メタデータ） (2025-08-24T17:47:56Z)
• NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
  我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。 グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。 我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
  論文  参考訳（メタデータ） (2025-06-23T14:28:30Z)
• Toward a Plug-and-Play Vision-Based Grasping Module for Robotics [0.0]
  本稿では,複数のマニピュレータ間で容易に移動可能な視覚ベースの把握フレームワークを提案する。 このフレームワークは、オープンループ把持軌跡の多様なレパートリーを生成し、把握の多様性を維持しつつ、適応性を向上させる。
  論文  参考訳（メタデータ） (2023-10-06T16:16:00Z)
• Vision-Based Mobile Robotics Obstacle Avoidance With Deep Reinforcement Learning [49.04274612323564]
  障害物回避は、移動ロボットの自律ナビゲーションのための根本的かつ困難な問題です。 本稿では,ロボットが単一眼カメラにのみ依存しなければならない単純な3D環境における障害物回避の問題を検討する。 データ駆動型エンドツーエンドディープラーニングアプローチとして,障害回避問題に取り組む。
  論文  参考訳（メタデータ） (2021-03-08T13:05:46Z)
• Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
  本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。 我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。 本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
  論文  参考訳（メタデータ） (2020-07-28T07:34:30Z)

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。