論文の概要: Multi-Robot Decentralized Collaborative SLAM in Planetary Analogue Environments: Dataset, Challenges, and Lessons Learned

• arxiv url: http://arxiv.org/abs/2601.21063v1
• Date: Wed, 28 Jan 2026 21:40:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.99228
• Title: Multi-Robot Decentralized Collaborative SLAM in Planetary Analogue Environments: Dataset, Challenges, and Lessons Learned
• Title（参考訳）: 惑星カタログ環境におけるマルチロボット分散協調SLAM:データセット,課題,教訓
• Authors: Pierre-Yves Lajoie, Karthik Soma, Haechan Mark Bong, Alice Lemieux-Bourque, Rongge Zhang, Vivek Shankar Varadharajan, Giovanni Beltrame,
• Abstract要約: C-SLAM実験から得られた知見と教訓を,火星の類似地形で動作する3つのロボットを用いて提示する。 我々は,C-SLAMの性能と,惑星のような環境によって引き起こされるユニークな局部化課題に対する,限定的・断続的なコミュニケーションの影響について検討した。 実験中に収集した新しいデータセットには、リアルタイムのピア・ツー・ピア・ロボット間スループットとレイテンシの測定が含まれている。
• 参考スコア（独自算出の注目度）: 4.08676219075262
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Decentralized collaborative simultaneous localization and mapping (C-SLAM) is essential to enable multirobot missions in unknown environments without relying on preexisting localization and communication infrastructure. This technology is anticipated to play a key role in the exploration of the Moon, Mars, and other planets. In this article, we share insights and lessons learned from C-SLAM experiments involving three robots operating on a Mars analogue terrain and communicating over an ad hoc network. We examine the impact of limited and intermittent communication on C-SLAM performance, as well as the unique localization challenges posed by planetary-like environments. Additionally, we introduce a novel dataset collected during our experiments, which includes real-time peer-to-peer inter-robot throughput and latency measurements. This dataset aims to support future research on communication-constrained, decentralized multirobot operations.
• Abstract（参考訳）: 分散協調型ローカライゼーションとマッピング(C-SLAM)は、既存のローカライゼーションと通信インフラに頼ることなく、未知の環境でマルチロボットのミッションを可能にするために不可欠である。 この技術は、月、火星、その他の惑星の探査において重要な役割を果たすと期待されている。 本稿では,火星のアナログ地形上で動作し,アドホックネットワーク上で通信する3つのロボットによるC-SLAM実験から得られた知見と教訓を紹介する。 我々は,C-SLAMの性能と,惑星のような環境によって引き起こされるユニークな局部化課題に対する,限定的・断続的なコミュニケーションの影響について検討する。 さらに,実験中に収集した新たなデータセットを導入し,リアルタイムのP2Pスループットとレイテンシの測定を行った。 このデータセットは、通信制約のある分散化されたマルチロボット操作に関する将来の研究を支援することを目的としている。

関連論文リスト

• High-fidelity 3D reconstruction for planetary exploration [0.15749416770494704]
  本研究は、惑星ロボットのための統一環境再構築パイプラインへの放射場に基づく手法の統合について検討する。 我々のシステムはNerfstudioおよびCOLMAPフレームワークとROS2互換のワークフローを組み合わせることで、ロスバグ記録から直接ローバーデータを処理できる。 結果として得られたパイプラインは、惑星探査における幾何学的表現と神経的表現のギャップを埋める、放射場に基づくマッピングに関する将来の研究の基礎を確立した。
  論文  参考訳（メタデータ） (2026-02-14T22:07:03Z)
• Learning Whole-Body Human-Humanoid Interaction from Human-Human Demonstrations [63.80827184637476]
  D-STAR(D-STAR)は,行動すべき場所から行動すべき場所を乱す階層的な政策である。 広範かつ厳密なシミュレーションを通じて、我々のフレームワークを検証する。
  論文  参考訳（メタデータ） (2026-01-14T14:37:06Z)
• Human-centered In-building Embodied Delivery Benchmark [8.079480672302424]
  本研究では,人間中心のインビルディング・インボディード・デリバリーという,特定の商業シナリオシミュレーションを提案する。 我々は,極地研究ステーションをモデルとした多層連結建築空間を構築し,スクラッチから新しい仮想環境システムを開発した。 この環境には、自律的な人間キャラクターや、つかみと移動能力を備えたロボットも含まれる。
  論文  参考訳（メタデータ） (2024-06-25T19:19:10Z)
• Experimental Evaluation of ROS-Causal in Real-World Human-Robot Spatial Interaction Scenarios [3.8625803348911774]
  ロボット空間相互作用における因果発見のためのROSベースのフレームワークであるROS-Causalの実験的検討を行った。 データ収集中にロボットが因果モデルを直接抽出する方法を示す。 シミュレーションから生成されたオンライン因果関係モデルは、実験結果と一致している。
  論文  参考訳（メタデータ） (2024-06-07T14:20:30Z)
• LPAC: Learnable Perception-Action-Communication Loops with Applications to Coverage Control [72.81786007015471]
  本稿では,その問題に対する学習可能なパーセプション・アクション・コミュニケーション(LPAC)アーキテクチャを提案する。 CNNは局所認識を処理する。グラフニューラルネットワーク(GNN)はロボットのコミュニケーションを促進する。 評価の結果,LPACモデルは標準分散型および集中型カバレッジ制御アルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2024-01-10T00:08:00Z)
• From Simulations to Reality: Enhancing Multi-Robot Exploration for Urban Search and Rescue [46.377510400989536]
  本研究では,コミュニケーションが限られ,位置情報がない未知の環境での効率的なマルチロボット探索のための新しいハイブリッドアルゴリズムを提案する。 連続した目標情報なしでシナリオに合うように、ローカルなベストとグローバルなベストポジションを再定義する。 提示された研究は、限られた情報と通信能力を持つシナリオにおけるマルチロボット探索の強化を約束している。
  論文  参考訳（メタデータ） (2023-11-28T17:05:25Z)
• 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)
• Swarm-SLAM : Sparse Decentralized Collaborative Simultaneous Localization and Mapping Framework for Multi-Robot Systems [12.751394886873664]
  本稿では,オープンソースのC-SLAMシステムであるSwarm-SLAMを紹介する。 本システムは慣性,ライダー,ステレオ,RGB-Dセンシングをサポートし,新規なロボット間ループクロージャ優先技術を備えている。
  論文  参考訳（メタデータ） (2023-01-16T01:41:35Z)
• PS-ARM: An End-to-End Attention-aware Relation Mixer Network for Person Search [56.02761592710612]
  モジュール・パーソン・サーチのための新しいアテンション・アウェア・リレーション・ミキサー(ARM)を提案する。 私たちのARMモジュールはネイティブで、きめ細かい監督やトポロジカルな仮定に依存していません。 我々のPS-ARMは、両方のデータセットで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-10-07T10:04:12Z)
• Batch Exploration with Examples for Scalable Robotic Reinforcement Learning [63.552788688544254]
  BEE(Batch Exploration with Examples)は、重要状態の画像の少ない数の人間がガイドする状態空間の関連領域を探索する。 BEEは、シミュレーションと本物のフランカロボットの両方で、視覚ベースの操作に挑戦することができる。
  論文  参考訳（メタデータ） (2020-10-22T17:49:25Z)

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。