論文の概要: A ROS2 Benchmarking Framework for Hierarchical Control Strategies in Mobile Robots for Mediterranean Greenhouses

• arxiv url: http://arxiv.org/abs/2602.15162v1
• Date: Mon, 16 Feb 2026 20:04:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.497938
• Title: A ROS2 Benchmarking Framework for Hierarchical Control Strategies in Mobile Robots for Mediterranean Greenhouses
• Title（参考訳）: 地中海温室移動ロボットの階層制御戦略のためのROS2ベンチマークフレームワーク
• Authors: Fernando Cañadas-Aránega, Francisco J. Mañas-Álvarez, José L- Guzmán, José C. Moreno, José L. Blanco-Claraco,
• Abstract要約: 本稿では,温室環境における移動ロボットコントローラ評価のためのベンチマークフレームワークを提案する。 提案フレームワークは, 環境の正確な3次元モデル, 物理ベースシミュレータ, 階層型制御アーキテクチャを統合する。 Squared Absolute Error (SAE)、Squared Control Input (SCI)、複合パフォーマンス指標など、標準化されたパフォーマンス指標が導入されている。
• 参考スコア（独自算出の注目度）: 36.94429692322632
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Mobile robots operating in agroindustrial environments, such as Mediterranean greenhouses, are subject to challenging conditions, including uneven terrain, variable friction, payload changes, and terrain slopes, all of which significantly affect control performance and stability. Despite the increasing adoption of robotic platforms in agriculture, the lack of standardized, reproducible benchmarks impedes fair comparisons and systematic evaluations of control strategies under realistic operating conditions. This paper presents a comprehensive benchmarking framework for evaluating mobile robot controllers in greenhouse environments. The proposed framework integrates an accurate three dimensional model of the environment, a physics based simulator, and a hierarchical control architecture comprising low, mid, and high level control layers. Three benchmark categories are defined to enable modular assessment, ranging from actuator level control to full autonomous navigation. Additionally, three disturbance scenarios payload variation, terrain type, and slope are explicitly modeled to replicate real world agricultural conditions. To ensure objective and reproducible evaluation, standardized performance metrics are introduced, including the Squared Absolute Error (SAE), the Squared Control Input (SCI), and composite performance indices. Statistical analysis based on repeated trials is employed to mitigate the influence of sensor noise and environmental variability. The framework is further enhanced by a plugin based architecture that facilitates seamless integration of user defined controllers and planners. The proposed benchmark provides a robust and extensible tool for the quantitative comparison of classical, predictive, and planning based control strategies in realistic conditions, bridging the gap between simulation based analysis and real world agroindustrial applications.
• Abstract（参考訳）: 地中海の温室のような農業環境で動作する移動ロボットは、不均一な地形、変動摩擦、ペイロードの変化、地形の斜面など、制御性能と安定性に大きな影響を及ぼす困難条件にさらされている。 農業におけるロボットプラットフォームの普及にもかかわらず、標準化された再現可能なベンチマークの欠如は、現実的な運用条件下での制御戦略の公正な比較と体系的な評価を妨げている。 本稿では,温室環境における移動ロボットコントローラ評価のための総合的なベンチマークフレームワークを提案する。 提案フレームワークは,環境の正確な3次元モデル,物理に基づくシミュレータ,低層・中層・高層制御層からなる階層型制御アーキテクチャを統合する。 3つのベンチマークカテゴリは、アクチュエータレベルコントロールから完全な自律ナビゲーションまで、モジュールアセスメントを可能にするために定義されている。 さらに、実際の農業条件を再現するために、ペイロードの変動、地形タイプ、斜面の3つの乱れシナリオを明示的にモデル化する。 客観的かつ再現可能な評価を保証するため、正方形絶対誤差(SAE)、正方形制御入力(SCI)、複合性能指標など、標準化されたパフォーマンス指標が導入される。 繰り返し試行に基づく統計的分析は, センサノイズと環境変動の影響を軽減するために用いられる。 このフレームワークは、ユーザ定義コントローラとプランナのシームレスな統合を容易にするプラグインベースのアーキテクチャによってさらに強化されている。 提案したベンチマークは,シミュレーションに基づく解析と実世界の農業利用のギャップを埋める,古典的・予測的・計画的制御戦略を現実的な条件下で定量的に比較するための,堅牢で拡張可能なツールを提供する。

関連論文リスト

• AgentNoiseBench: Benchmarking Robustness of Tool-Using LLM Agents Under Noisy Condition [72.24180896265192]
  本稿では,騒音環境下でのエージェントモデルのロバスト性を評価するためのフレームワークであるAgentNoiseBenchを紹介する。 まず、実世界のシナリオにおけるバイアスと不確実性の詳細な分析を行う。 次に,環境騒音をユーザノイズとツールノイズの2つの主要なタイプに分類する。 この分析に基づいて,既存のエージェント中心ベンチマークに制御可能なノイズを注入する自動パイプラインを開発した。
  論文  参考訳（メタデータ） (2026-02-11T20:33:10Z)
• RADAR: Benchmarking Vision-Language-Action Generalization via Real-World Dynamics, Spatial-Physical Intelligence, and Autonomous Evaluation [76.22852262683746]
  本稿では,現実的な条件下でのVLA一般化を体系的に評価するベンチマークであるRADARを紹介する。 RADARを用いて、複数の最先端のVLAモデルを監査し、その明らかな能力の下で深刻な脆弱性を明らかにする。
  論文  参考訳（メタデータ） (2026-02-11T16:08:30Z)
• A Unified Experimental Architecture for Informative Path Planning: from Simulation to Deployment with GuadalPlanner [69.43049144653882]
  本稿では,車種別制御から高レベルの意思決定を分離する統一アーキテクチャを提案する。 提案アーキテクチャは、計画、センシング、車両実行の標準化されたインターフェースを定義するGuaralPlannerを通じて実現されている。
  論文  参考訳（メタデータ） (2026-02-11T10:02:31Z)
• A New Dataset and Framework for Robust Road Surface Classification via Camera-IMU Fusion [3.571515153090507]
  道路表面分類(RSC)は、環境に配慮した予測保守システムにおいて重要な実現法である。 既存のRCC技術は、狭い運用条件を超えた一般化に失敗することが多い。 この研究は、画像と慣性測定を融合するマルチモーダルフレームワークを導入している。
  論文  参考訳（メタデータ） (2026-01-28T18:46:29Z)
• A Cross-Environment and Cross-Embodiment Path Planning Framework via a Conditional Diffusion Model [6.482051262912219]
  本研究の目的は、未確認環境や新しいロボットマニピュレータに再訓練せずに一般化できる経路計画フレームワークを開発することである。 本稿では,Voxelized scene representationsに基づく共同空間軌跡を生成する拡散型計画モデルであるGADGETを提案する。 実験結果から,GADGETは球状障害物,ビンピッキング,シェルフ環境において衝突強度の低い高い高い成功率を達成できた。
  論文  参考訳（メタデータ） (2025-10-21T23:30:14Z)
• Mind and Motion Aligned: A Joint Evaluation IsaacSim Benchmark for Task Planning and Low-Level Policies in Mobile Manipulation [31.874825130479174]
  Kitchen-Rは、シミュレーションされたキッチン環境内でタスク計画と低レベル制御の評価を統合するベンチマークである。 アイザック・シムシミュレーターを使ってデジタル双生児として開発されたKitchen-Rは、移動式マニピュレータロボットをサポートしている。
  論文  参考訳（メタデータ） (2025-08-21T15:48:51Z)
• Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
  本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。 連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。 我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
  論文  参考訳（メタデータ） (2021-11-15T18:50:04Z)

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。