論文の概要: RANT: Ant-Inspired Multi-Robot Rainforest Exploration Using Particle Filter Localisation and Virtual Pheromone Coordination
- arxiv url: http://arxiv.org/abs/2602.09661v1
- Date: Tue, 10 Feb 2026 11:11:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:41.320695
- Title: RANT: Ant-Inspired Multi-Robot Rainforest Exploration Using Particle Filter Localisation and Virtual Pheromone Coordination
- Title（参考訳）: RANT: 粒子フィルタの局在と仮想フェロモン座標を用いたアントインスパイアされたマルチロボットレインフォレスト探査
- Authors: Ameer Alhashemi, Layan Abdulhadi, Karam Abuodeh, Tala Baghdadi, Suryanarayana Datla,
- Abstract要約: RANTは、騒々しく不確実な環境のための、アリにインスパイアされたマルチロボット探索フレームワークである。
ディファレンシャルドライブロボットのチームは、10×10mの地形をナビゲートし、ノイズの多いプローブ測定を収集し、局所確率マップを構築する。
我々は、チームサイズ、ローカライゼーションの忠実度、コーディネーションがカバレッジ、ホットスポットリコール、冗長性にどのように影響するかを実験的に分析する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents RANT, an ant-inspired multi-robot exploration framework for noisy, uncertain environments. A team of differential-drive robots navigates a 10 x 10 m terrain, collects noisy probe measurements of a hidden richness field, and builds local probabilistic maps while the supervisor maintains a global evaluation. RANT combines particle-filter localisation, a behaviour-based controller with gradient-driven hotspot exploitation, and a lightweight no-revisit coordination mechanism based on virtual pheromone blocking. We experimentally analyse how team size, localisation fidelity, and coordination influence coverage, hotspot recall, and redundancy. Results show that particle filtering is essential for reliable hotspot engagement, coordination substantially reduces overlap, and increasing team size improves coverage but yields diminishing returns due to interference.
- Abstract（参考訳）: 本稿では,騒音,不確実性を考慮したマルチロボット探索フレームワークであるRANTについて述べる。
ディファレンシャルドライブロボットのチームは、10×10mの地形をナビゲートし、隠れたリッチネスフィールドのノイズの多いプローブ測定を収集し、スーパーバイザーがグローバルな評価を維持しながら、局所確率マップを構築する。
RANTは、パーティクルフィルタのローカライゼーション、グラデーション駆動のホットスポットを利用した振る舞いベースのコントローラ、および仮想フェロモンブロッキングに基づく軽量な非参照調整機構を組み合わせた。
我々は、チームサイズ、ローカライゼーションの忠実度、コーディネーションがカバレッジ、ホットスポットリコール、冗長性にどのように影響するかを実験的に分析する。
その結果, 粒子フィルタリングは信頼性の高いホットスポットエンゲージメントに不可欠であり, コーディネーションはオーバラップを大幅に低減し, チームサイズの増加はカバレッジを向上するが, 干渉によるリターンの低下を招いた。
関連論文リスト
- VORL-EXPLORE: A Hybrid Learning Planning Approach to Multi-Robot Exploration in Dynamic Environments [19.811711277536187]
マルチロボット探索は通常、フロンティア割り当てをローカルナビゲーションから切り離す。
VORL-EXPLOREは,この制約に対処するハイブリッド学習・計画フレームワークである。
また、グローバルA*ガイダンスとリアクティブ強化学習ポリシーとの間のリスク対応適応的仲裁機構も推進している。
論文 参考訳（メタデータ） (2026-03-09T05:20:33Z) - Decentralized Multi-Robot Obstacle Detection and Tracking in a Maritime Scenario [1.1086440815804226]
本稿では,自律型表面容器と協調する複数のUAVを用いて,浮遊容器の検出と追跡を行う分散マルチロボットフレームワークを提案する。
それぞれのUAVは、ステレオ不均一で強化されたYOLOv8検出器を実行し、ターゲットごとのEKFトラックを不確実性を認識したデータアソシエーションで維持する。
情報駆動アロケータは、旅行作業における期待される不確実性低減と安全分離を取引することで、目標を割り当て、UAVホバリング視点を選択する。
論文 参考訳（メタデータ） (2026-02-12T14:42:17Z) - 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) - An Efficient Aerial Image Detection with Variable Receptive Fields [0.0]
3つの鍵成分を組み込んだ変圧器型検出器を提案する。
VRF-DETRは51.4%のmAPtextsubscript50と31.8%のmAPtextsubscript50:95を13.5Mパラメータで達成している。
論文 参考訳（メタデータ） (2025-04-21T15:16:13Z) - EDENet: Echo Direction Encoding Network for Place Recognition Based on Ground Penetrating Radar [20.860547422960796]
地中レーダ(GPR)に基づくローカライゼーションは,ロボット工学において顕著に認識されている。
既存の手法は主に小規模の位置認識(PR)に重点を置いており、大規模地図におけるPRの課題は未解決のまま残されている。
本稿では, 指向性応答を正確に抽出するための学習可能なGaborフィルタと, 効果的な幾何符号化のための方向認識型アテンション機構を紹介する。
論文 参考訳（メタデータ） (2025-02-28T01:48:12Z) - Learning a Fast Mixing Exogenous Block MDP using a Single Trajectory [87.62730694973696]
STEELは、単一軌道から外因性ブロックマルコフ決定過程の制御可能なダイナミクスを学習するための、最初の証明可能なサンプル効率アルゴリズムである。
我々は,STEELが正解であり,サンプル効率が良いことを証明し,STEELを2つの玩具問題で実証した。
論文 参考訳（メタデータ） (2024-10-03T21:57:21Z) - Renormalized Connection for Scale-preferred Object Detection in Satellite Imagery [51.83786195178233]
我々は、効率的な特徴抽出の観点から再正規化群理論を実装するために、知識発見ネットワーク(KDN)を設計する。
KDN上の再正規化接続(RC)は、マルチスケール特徴の「相乗的焦点」を可能にする。
RCはFPNベースの検出器のマルチレベル特徴の分割・対数機構を幅広いスケールで予測されたタスクに拡張する。
論文 参考訳（メタデータ） (2024-09-09T13:56:22Z) - Self-Localized Collaborative Perception [49.86110931859302]
我々は,新しい自己局在型協調認識システムであるMathttCoBEVGlue$を提案する。
$mathttCoBEVGlue$は、エージェント間の相対的なポーズを提供する新しい空間アライメントモジュールである。
$mathttCoBEVGlue$は任意のローカライゼーションノイズとアタックの下で最先端の検出性能を達成する。
論文 参考訳（メタデータ） (2024-06-18T15:26:54Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z)
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。