論文の概要: Scout-Rover cooperation: online terrain strength mapping and traversal risk estimation for planetary-analog explorations

• arxiv url: http://arxiv.org/abs/2602.18688v3
• Date: Wed, 04 Mar 2026 21:07:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.611823
• Title: Scout-Rover cooperation: online terrain strength mapping and traversal risk estimation for planetary-analog explorations
• Title（参考訳）: スカウト-ローバー協力: オンライン地形強度マッピングと惑星・アナログ探査のためのトラバースリスク推定
• Authors: Shipeng Liu, J. Diego Caporale, Yifeng Zhang, Xingjue Liao, William Hoganson, Wilson Hu, Shivangi Misra, Neha Peddinti, Rachel Holladay, Ethan Fulcher, Akshay Ram Panyam, Andrik Puentes, Jordan M. Bretzfelder, Michael Zanetti, Uland Wong, Daniel E. Koditschek, Mark Yim, Douglas Jerolmack, Cynthia Sung, Feifei Qian,
• Abstract要約: 我々は,足と車輪のハイブリッドチームを用いて,そのような地形への安全なアクセスを拡大するスカウトローバー協調フレームワークを提案する。 高移動度脚付きロボットは移動スカウトとして機能し、脚と脚の相互作用を用いて移動中のリゴリス強度を推定する。 我々は、NASA Ames Lunar Simulant TestbedとWhite Sands Dune Fieldの類似ミッションを通じて、このフレームワークを検証する。
• 参考スコア（独自算出の注目度）: 10.052329093064552
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robot-aided exploration of planetary surfaces is essential for understanding geologic processes, yet many scientifically valuable regions, such as Martian dunes and lunar craters, remain hazardous due to loose, deformable regolith. We present a scout-rover cooperation framework that expands safe access to such terrain using a hybrid team of legged and wheeled robots. In our approach, a high-mobility legged robot serves as a mobile scout, using proprioceptive leg-terrain interactions to estimate regolith strength during locomotion and construct spatially resolved terrain maps. These maps are integrated with rover locomotion models to estimate traversal risk and inform path planning. We validate the framework through analogue missions at the NASA Ames Lunar Simulant Testbed and the White Sands Dune Field. Experiments demonstrate (1) online terrain strength mapping from legged locomotion and (2) rover-specific traversal-risk estimation enabling safe navigation to scientific targets. Results show that scout-generated terrain maps reliably capture spatial variability and predict mobility failure modes, allowing risk-aware path planning that avoids hazardous regions. By combining embodied terrain sensing with heterogeneous rover cooperation, this framework enhances operational robustness and expands the reachable science workspace in deformable planetary environments.
• Abstract（参考訳）: 火星の砂丘や月のクレーターなど多くの科学的に価値のある地域は、ゆるく変形可能なレゴリスのために危険なままである。 我々は,足と車輪のハイブリッドチームを用いて,そのような地形への安全なアクセスを拡大するスカウトローバー協調フレームワークを提案する。 提案手法では,高移動度脚型ロボットが移動スカウトとして機能し,移動中のレゴリス強度を推定し,空間的に解決された地形図を構築する。 これらの地図はローバーの移動モデルと統合され、交通リスクを推定し、経路計画を伝える。 我々は、NASA Ames Lunar Simulant TestbedとWhite Sands Dune Fieldの類似ミッションを通じて、このフレームワークを検証する。 実験では,(1)足歩行によるオンライン地形強度マッピング,(2)ローバー固有の軌道リスク推定により,科学的目標への安全なナビゲーションが可能となった。 その結果,スカウト生成地形図は空間変動を確実に把握し,モビリティ障害を予測し,危険地域を避けるためのリスク対応経路計画を可能にした。 組み込まれた地形センシングと異種ローバーの協力を組み合わせることで、運用の堅牢性を高め、変形可能な惑星環境における到達可能な科学ワークスペースを拡張する。

関連論文リスト

• Seeing Where to Deploy: Metric RGB-Based Traversability Analysis for Aerial-to-Ground Hidden Space Inspection [48.120690574682875]
  本稿では,RGBを用いた幾何学的意味的再構成と,空中から地上への隠れ空間検査のためのトラベル可能性解析フレームワークを提案する。 テザリングされたUAV-UGVプラットフォームでの実験では、隠れた空間シナリオにおける信頼性の高いデプロイメントゾーンの識別が示されている。
  論文  参考訳（メタデータ） (2026-03-15T22:20:59Z)
• Proprioceptive Safe Active Navigation and Exploration for Planetary Environments [2.2120851074630177]
  Proprioceptive Safe Active Navigation and Exploration (PSANE)は、未知の変形可能な環境における安全なナビゲーションと探索のためのフレームワークである。 PSANEはガウスプロセスレグレッションを通じてトラバーサビリティモデルを学び、安全な領域を推定し、認定する。 リアルタイムナビゲーションのためのリアクティブコントローラとこれらの見積を統合する。
  論文  参考訳（メタデータ） (2026-03-09T20:17:50Z)
• Structure-Invariant Range-Visual-Inertial Odometry [17.47284320862407]
  この研究は、火星科学ヘリコプターのミッション用に設計された新しいレンジ・ヴィジュアル・慣性オドメトリーシステムを導入している。 我々のシステムは、一貫した範囲情報を視覚的および慣性計測と融合することにより、最先端のxVIOフレームワークを拡張している。 提案手法は, 厳密なミッション条件を満たす地形相対速度を推定する。
  論文  参考訳（メタデータ） (2024-09-06T21:49:10Z)
• You Only Crash Once: Improved Object Detection for Real-Time, Sim-to-Real Hazardous Terrain Detection and Classification for Autonomous Planetary Landings [7.201292864036088]
  危険地を検出するための安価で効果的な方法は、視覚カメラを使用することである。 視覚的危険地形検出の伝統的な技術は、テンプレートマッチングと事前構築されたハザードマップへの登録に焦点を当てている。 深層学習に基づく視覚的危険地形検出と分類技術であるYou Only Crash Once (YOCO)を紹介した。
  論文  参考訳（メタデータ） (2023-03-08T21:11:51Z)
• SpaceYOLO: A Human-Inspired Model for Real-time, On-board Spacecraft Feature Detection [0.0]
  衝突の危険箇所を特定するためには、リアルタイムで自動的な宇宙船の特徴認識が必要である。 新しいアルゴリズムSpaceYOLOは、最先端のオブジェクト検出器YOLOv5を、人間にインスパイアされた意思決定プロセスに基づいて、別個のニューラルネットワークで融合する。 SpaceYOLOの自律型宇宙船検出の性能は、ハードウェア・イン・ザ・ループ実験において通常のYOLOv5と比較される。
  論文  参考訳（メタデータ） (2023-02-02T02:11:39Z)
• Detection and Initial Assessment of Lunar Landing Sites Using Neural Networks [0.0]
  本稿では、誘導システムにおける着陸可能地域の初期評価を生成するために、受動的自律型ハザード検出と回避サブシステムに焦点を当てる。 このシステムは単一のカメラとMobileNetV2ニューラルネットワークアーキテクチャを使って、安全な着陸地点と岩や影、クレーターなどの危険を検知し、識別する。
  論文  参考訳（メタデータ） (2022-07-23T04:29:18Z)
• Coupling Vision and Proprioception for Navigation of Legged Robots [65.59559699815512]
  我々は視覚と受容の相補的な強みを利用して、脚のあるロボットでポイントゴールナビゲーションを実現する。 車輪付きロボット(LoCoBot)のベースラインよりも優れた性能を示す。 また,センサーと計算能力を備えた四足歩行ロボットに,我々のシステムを実環境に展開することも示す。
  論文  参考訳（メタデータ） (2021-12-03T18:59:59Z)
• Towards Robust Monocular Visual Odometry for Flying Robots on Planetary Missions [49.79068659889639]
  火星に着陸したばかりのIngenuityは、トラバーサビリティの影響を受けない新時代の探検の始まりとなるでしょう。 高速な光フロートラッキングを用いた高能率単分子オードメトリーアルゴリズムを提案する。 また、相対翻訳情報行列の主成分分析に基づいて、スケールドリフトの現在のリスクを推定する新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-09-12T12:52:20Z)
• NeBula: Quest for Robotic Autonomy in Challenging Environments; TEAM CoSTAR at the DARPA Subterranean Challenge [105.27989489105865]
  本稿では,TEAM CoSTARが開発したアルゴリズム,ハードウェア,ソフトウェアアーキテクチャについて述べる。 NeBula (Networked Belief-Aware Perceptual Autonomy) と呼ばれる当社の自律的ソリューションを紹介します。
  論文  参考訳（メタデータ） (2021-03-21T19:42:26Z)
• Occupancy Anticipation for Efficient Exploration and Navigation [97.17517060585875]
  そこで我々は,エージェントが自我中心のRGB-D観測を用いて,その占有状態を可視領域を超えて推定する,占有予測を提案する。 エゴセントリックなビューとトップダウンマップの両方でコンテキストを活用することで、私たちのモデルは環境のより広いマップを予測できます。 われわれのアプローチは、2020 Habitat PointNav Challengeの優勝だ。
  論文  参考訳（メタデータ） (2020-08-21T03:16:51Z)
• Learning to Move with Affordance Maps [57.198806691838364]
  物理的な空間を自律的に探索し、ナビゲートする能力は、事実上あらゆる移動型自律エージェントの基本的な要件である。 従来のSLAMベースの探索とナビゲーションのアプローチは、主にシーン幾何学の活用に重点を置いている。 学習可能な余剰マップは探索と航法の両方において従来のアプローチの強化に利用でき、性能が大幅に向上することを示します。
  論文  参考訳（メタデータ） (2020-01-08T04:05:11Z)

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。