論文の概要: XIT: Exploration and Exploitation Informed Trees for Active Gas Distribution Mapping in Unknown Environments

• arxiv url: http://arxiv.org/abs/2602.13739v1
• Date: Sat, 14 Feb 2026 12:11:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.460628
• Title: XIT: Exploration and Exploitation Informed Trees for Active Gas Distribution Mapping in Unknown Environments
• Title（参考訳）: XIT:未知環境におけるアクティブガス分布図作成のための探索・爆発インフォームドツリー
• Authors: Mal Fazliu, Matthew Coombes, Sen Wang, Cunjia Liu,
• Abstract要約: 移動式ロボットガス分布マッピング(GDM)は、危険ガス放出に対する緊急対応において重要な状況認識を提供する。 XIT(Exploration-Exploitation Informed Trees)は,探索と利用のバランスをとるサンプリングベースプランナである。 XITは、現在のガス後部から派生したアッパー信頼境界(UCB)情報フィールドからサンプルのバッチを抽出し、ガス濃度と不確実性に対して旅行の努力をオフにするコストで木を拡大する。
• 参考スコア（独自算出の注目度）: 8.609848670085038
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mobile robotic gas distribution mapping (GDM) provides critical situational awareness during emergency responses to hazardous gas releases. However, most systems still rely on teleoperation, limiting scalability and response speed. Autonomous active GDM is challenging in unknown and cluttered environments, because the robot must simultaneously explore traversable space, map the environment, and infer the gas distribution belief from sparse chemical measurements. We address this by formulating active GDM as a next-best-trajectory informative path planning (IPP) problem and propose XIT (Exploration-Exploitation Informed Trees), a sampling-based planner that balances exploration and exploitation by generating concurrent trajectories toward exploration-rich goals while collecting informative gas measurements en route. XIT draws batches of samples from an Upper Confidence Bound (UCB) information field derived from the current gas posterior and expands trees using a cost that trades off travel effort against gas concentration and uncertainty. To enable plume-aware exploration, we introduce the gas frontier concept, defined as unobserved regions adjacent to high gas concentrations, and propose the Wavefront Gas Frontier Detection (WGFD) algorithm for their identification. High-fidelity simulations and real-world experiments demonstrate the benefits of XIT in terms of GDM quality and efficiency. Although developed for active GDM, XIT is readily applicable to other robotic information-gathering tasks in unknown environments that face the exploration and exploitation trade-off.
• Abstract（参考訳）: 移動式ロボットガス分布マッピング(GDM)は、危険ガス放出に対する緊急対応において重要な状況認識を提供する。 しかし、ほとんどのシステムは依然として遠隔操作に依存しており、スケーラビリティと応答速度を制限している。 ロボットは、移動可能な空間を同時に探索し、環境をマッピングし、希少な化学測定からガス分布の信念を推測する必要がある。 本稿では, アクティブGDMを次世代トラジェクティブ・パス計画(IPP)問題として定式化し, XIT (Exploration-Exploitation Informed Trees) を提案する。 XITは、現在のガス後部から派生したアッパー信頼境界(UCB)情報フィールドからサンプルのバッチを抽出し、ガス濃度と不確実性に対して旅行の努力をオフにするコストで木を拡大する。 本研究では,高ガス濃度に隣接する未観測領域として定義されたガスフロンティアの概念を導入し,その同定のためのウェーブフロントガスフロンティア検出(WGFD)アルゴリズムを提案する。 高忠実度シミュレーションと実世界の実験は、GDMの品質と効率の点でXITの利点を実証している。 アクティブなGDMのために開発されたが、XITは探索とエクスプロイトのトレードオフに直面している未知の環境における他のロボット情報収集タスクに容易に適用できる。

関連論文リスト

• Multi-Agent Off-World Exploration for Sparse Evidence Discovery via Gaussian Belief Mapping and Dual-Domain Coverage [15.524614683513834]
  本稿では,ガウス的信念マッピングと二重領域カバレッジに基づくスパースエビデンス発見のためのマルチエージェント情報経路計画フレームワークを提案する。 シミュレーションした月面環境における実験結果から,提案手法は,異なる予算と通信範囲でサンプリングベースおよびグリーディベースラインを一貫して上回ることがわかった。
  論文  参考訳（メタデータ） (2026-03-08T14:27:41Z)
• Uncertainty assessment in satellite-based greenhouse gas emissions estimates using emulated atmospheric transport [0.11515105534512099]
  大気中輸送の「フットプリント」と温室効果ガスモル分率測定を推定するためのアンサンブルに基づくパイプラインを提案する。 このアプローチは2016年にブラジルのGOSAT(Greenhouse Gases Observing Satellite)観測で実証された。 その結果,大気中の輸送フットプリントとメタンモル分画の両面において,アンサンブル拡散が低信頼な空間的および時間的予測を浮き彫りにすることがわかった。
  論文  参考訳（メタデータ） (2025-10-07T10:14:25Z)
• Towards Operational Automated Greenhouse Gas Plume Detection [0.15556354682377155]
  この研究は、データとラベルの品質管理、バイアスの防止、そして正しく整列されたモデリング目的など、この分野におけるいくつかの重要な障害をレビューし対処する。 運用性能検出が可能な航空機および宇宙搭載機器のマルチキャンプデータを用いた厳密な実験を実演する。 分析可能なデータ、モデル、デプロイメントのためのソースコードを提供し、ベストプラクティスのセットを定義します。
  論文  参考訳（メタデータ） (2025-05-27T22:22:54Z)
• FH-DRL: Exponential-Hyperbolic Frontier Heuristics with DRL for accelerated Exploration in Unknown Environments [1.8749305679160366]
  本稿では、FH-DRLという、フロンティア検出のためのカスタマイズ可能な機能と、連続的かつ高速なローカルナビゲーションのためのTwin Delayed DDPG(TD3)エージェントを統合する新しいフレームワークを紹介する。 FH-DRLを複数のシミュレーションおよび実世界のシナリオで徹底的に評価し,旅行距離と完了時間の明確な改善を実証した。 その結果、FH-DRLは、大規模または部分的に知られている環境におけるフロンティアベースの探索の効率的で一般的なアプローチであることがわかった。
  論文  参考訳（メタデータ） (2024-07-26T17:42:18Z)
• Variable-Agnostic Causal Exploration for Reinforcement Learning [56.52768265734155]
  強化学習のための新しいフレームワークVACERL(Variable-Agnostic Causal Exploration for Reinforcement Learning)を導入する。 本手法は,注目機構を用いて,重要変数に関連する重要な観測行動ステップを自動的に同定する。 これらのステップを接続する因果グラフを構築し、エージェントをタスク完了に対する因果的影響の大きい観察-作用ペアへと導く。
  論文  参考訳（メタデータ） (2024-07-17T09:45:27Z)
• Gaze-guided Hand-Object Interaction Synthesis: Dataset and Method [61.19028558470065]
  本稿では,視線,手,物間相互作用の3次元モデリングを同時に行う最初のデータセットであるGazeHOIを紹介する。 これらの課題に対処するため,GHO-Diffusion という手動物体間相互作用拡散モデルを提案する。 また, GHO拡散のサンプリング段階におけるHOI-Manifold Guidanceを導入し, 生成した動きのきめ細かい制御を可能にする。
  論文  参考訳（メタデータ） (2024-03-24T14:24:13Z)
• Joint Gaze-Location and Gaze-Object Detection [62.69261709635086]
  現在、フレームガウン位置検出(GL-D)とガウンオブジェクト検出(GO-D)は2つの異なるタスクである。 本稿では,検出後の視線を合理化するために,検出後の下線Gazeを短縮したGTRを提案する。 GTRはGazeFollowingで12.1mAP、GL-DでVideoAttentionTargetで18.2mAP、GO-Dで19mAP向上を達成した。
  論文  参考訳（メタデータ） (2023-08-26T12:12:24Z)
• 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)
• A Multi-UAV System for Exploration and Target Finding in Cluttered and GPS-Denied Environments [68.31522961125589]
  複雑なGPSを用いた複雑な環境において,UAVのチームが協調して目標を探索し,発見するための枠組みを提案する。 UAVのチームは自律的にナビゲートし、探索し、検出し、既知の地図で散らばった環境でターゲットを見つける。 その結果, 提案方式は, 時間的コスト, 調査対象地域の割合, 捜索・救助ミッションの成功率などの面で改善されていることがわかった。
  論文  参考訳（メタデータ） (2021-07-19T12:54:04Z)
• Weakly-Supervised Physically Unconstrained Gaze Estimation [80.66438763587904]
  我々は、人間のインタラクションのビデオから弱教師付き視線推定を行うという未発見の問題に対処する。 本稿では,タスクに特化して設計された新しい損失関数とともに,トレーニングアルゴリズムを提案する。 a)半教師付き視線推定の精度と(b)最先端の物理的に制約のないGaze360視線推定ベンチマーク上でのクロスドメイン一般化の精度を大幅に改善した。
  論文  参考訳（メタデータ） (2021-05-20T14:58:52Z)

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。