論文の概要: Affine Transformable Unmanned Ground Vehicle
- arxiv url: http://arxiv.org/abs/2602.07677v1
- Date: Sat, 07 Feb 2026 19:56:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:41.257533
- Title: Affine Transformable Unmanned Ground Vehicle
- Title（参考訳）: アフィン変圧式無人地上車両
- Authors: Aron Mathias, Mohammad Ghufran, Jack Hughes, Hossein Rastgoftar,
- Abstract要約: 本稿では, 安全かつアグレッシブな変形が可能な新しいアフィントランスフォーマブル無人地上車両(ATUGV)の概念実証を開発した。
ATUGVは、移動ロボットを動力とする多体システムで、ATUGVの変形可能な動きを駆動し、移動ロボットを囲むためのパワーセル、ペイロードを含む非パワーセル、バーやジョイントを介して細胞を統合する変形可能な構造を備えている。
- 参考スコア（独自算出の注目度）: 2.7998963147546143
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper develops the proof of concept for a novel affine transformable unmanned ground vehicle (ATUGV) with the capability of safe and aggressive deformation while carrying multiple payloads. The ATUGV is a multi-body system with mobile robots that can be used to power the ATUGV morphable motion, powered cells to enclose the mobile robots, unpowered cells to contain payloads, and a deformable structure to integrate cells through bars and joints. The objective is that all powered and unpowered cells motion can safely track a desired affine transformation, where an affine transformation can be decomposed into translation, rigid body rotation, and deformation. To this end, the paper first uses a deep neural network to structure cell interconnection in such a way that every cell can freely move over the deformation plane, and the entire structure can reconfigurably deform to track a desired affine transformation. Then, the mobile robots, contained by the powered cells and stepper motors, regulating the connections of the powered and unpowered cells, design the proper controls so that all cells safely track the desired affine transformation. The functionality of the proposed ATUGV is validated through hardware experimentation and simulation.
- Abstract（参考訳）: 本稿では,複数のペイロードを積んで安全かつアグレッシブな変形が可能な新しいアフィントランスフォーマブル無人地上車両(ATUGV)のコンセプトを実証する。
ATUGVは、移動ロボットを動力とする多体システムで、ATUGVの変形可能な動きを駆動し、移動ロボットを囲むためのパワーセル、ペイロードを含む非パワーセル、バーやジョイントを介して細胞を統合する変形可能な構造を備えている。
目的は、すべての動力と非動力の細胞の動きが、アフィン変換を翻訳、剛体回転、変形に分解できる所望のアフィン変換を安全に追跡できることである。
この目的のために、まずディープニューラルネットワークを用いて、すべてのセルが自由に変形面を移動できるようにセル相互接続を構造化し、構造全体を再構成して所望のアフィン変換を追跡する。
そして、パワーセルとステッパーモーターが内蔵する移動ロボットは、パワーセルと非パワーセルの接続を制御し、すべてのセルが望むアフィン変換を安全に追跡できるように、適切な制御を設計する。
提案するATUGVの機能は,ハードウェア実験とシミュレーションによって検証される。
関連論文リスト
- CAR: Cross-Vehicle Kinodynamics Adaptation via Mobility Representation [12.994292036520681]
CAR(Cross-vehicle Kinodynamics Adaptation by Mobility Representation)は、新しい車両への高速移動を可能にする新しいフレームワークである。
我々は,CARをクロノ多物理エンジン上に構築したVerti-Benchシミュレータを用いて評価し,Verti-4-Wheelerプラットフォームを4つの物理構成で評価した。
論文 参考訳（メタデータ） (2026-03-06T20:34:55Z) - MobileManiBench: Simplifying Model Verification for Mobile Manipulation [70.30578259859512]
MobileManiBenchは、モバイルベースのロボット操作のための大規模なベンチマークである。
MobileManiBenchには、2つのモバイルプラットフォーム(パラレルグリッパーとデキソラスハンドロボット)、2つの同期カメラ(頭と右手首)、630のオブジェクト(オープン、クローズ、プル、プッシュ、ピック)、5つのスキル(オープン、クローズ、プッシュ、ピック)、100以上のタスクが現実的なシーンで実行される。
論文 参考訳（メタデータ） (2026-02-05T02:49:52Z) - TrajBooster: Boosting Humanoid Whole-Body Manipulation via Trajectory-Centric Learning [79.59753528758361]
両足のVLAを促進するために、豊富な車輪付きヒューマノイドデータを活用するクロス・エボディメント・フレームワークであるTrajBoosterを提案する。
私たちのキーとなる考え方は、形態素に依存しないインターフェースとして、エンドエフェクタ・トラジェクトリを使用することです。
以上の結果から,TrajBoosterは既存の車輪付きヒューマノイドデータにより,二足歩行ヒューマノイドVLAの性能を効率的に向上させることができることがわかった。
論文 参考訳（メタデータ） (2025-09-15T12:25:39Z) - AC-DiT: Adaptive Coordination Diffusion Transformer for Mobile Manipulation [31.314066269767057]
移動操作は、家庭作業において言語条件のロボット制御を可能にすることで注目を集めている。
既存の手法では、移動体ベースがマニピュレータ制御に与える影響を明示的にモデル化することができない。
本稿では,適応座標拡散変換器 (AC-DiT) を提案する。
論文 参考訳（メタデータ） (2025-07-02T17:59:54Z) - VertiFormer: A Data-Efficient Multi-Task Transformer for Off-Road Robot Mobility [49.512339092493384]
VertiFormerは、たった1時間のデータでトレーニングされた、新しいデータ効率のマルチタスクトランスフォーマーモデルである。
我々の実験は、限られたデータでオフロードロボットの移動にトランスフォーマーを効果的に活用するための洞察を提供する。
論文 参考訳（メタデータ） (2025-02-01T20:21:00Z) - Real-time Evolution of Multicellularity with Artificial Gene Regulation [0.0]
本稿では, 物理的2次元生態系における自然選択により進化する'プロトゾーン様'細胞を用いたリアルタイムシミュレーションを提案する。
論文 参考訳（メタデータ） (2023-05-20T17:39:07Z) - CSformer: Bridging Convolution and Transformer for Compressive Sensing [65.22377493627687]
本稿では,CNNからの詳細な空間情報を活用するためのハイブリッドフレームワークと,表現学習の強化を目的としたトランスフォーマーが提供するグローバルコンテキストを統合することを提案する。
提案手法は、適応的なサンプリングとリカバリからなるエンドツーエンドの圧縮画像センシング手法である。
実験により, 圧縮センシングにおける専用トランスアーキテクチャの有効性が示された。
論文 参考訳（メタデータ） (2021-12-31T04:37:11Z) - ViTAE: Vision Transformer Advanced by Exploring Intrinsic Inductive Bias [76.16156833138038]
コンボリューション, ie, ViTAEから内在性IBを探索するビジョントランスフォーマーを提案する。
ViTAEはいくつかの空間ピラミッド縮小モジュールを備えており、入力イメージをリッチなマルチスケールコンテキストでトークンに埋め込む。
各トランス層では、ViTAEはマルチヘッド自己保持モジュールと平行な畳み込みブロックを持ち、その特徴は融合されフィードフォワードネットワークに供給される。
論文 参考訳（メタデータ） (2021-06-07T05:31:06Z) - Transformers with Competitive Ensembles of Independent Mechanisms [97.93090139318294]
隠れた表現とパラメータを複数のメカニズムに分割し、注意を通して情報を交換する新しいトランスフォーマー層を提案する。
TIM を大規模 BERT モデル、画像変換器、および音声強調について研究し、意味的に意味のある専門化とパフォーマンスの向上の証拠を見つけます。
論文 参考訳（メタデータ） (2021-02-27T21:48:46Z)
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。