論文の概要: Path planning for unmanned surface vehicle based on predictive artificial potential field. International Journal of Advanced Robotic Systems
- arxiv url: http://arxiv.org/abs/2602.19062v1
- Date: Sun, 22 Feb 2026 06:30:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:41.625147
- Title: Path planning for unmanned surface vehicle based on predictive artificial potential field. International Journal of Advanced Robotic Systems
- Title（参考訳）: 予測人工電位場に基づく無人表面車両の経路計画
- Authors: Jia Song, Ce Hao, Jiangcheng Su,
- Abstract要約: 本稿では,よりスムーズな経路を計画するための時間情報と予測ポテンシャルを取り入れた新しい予測的人工電位場を提案する。
車両力学と局所的最小到達可能性を考慮して、人工ポテンシャル場の原理を探求する。
- 参考スコア（独自算出の注目度）: 1.7542381096035424
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Path planning for high-speed unmanned surface vehicles requires more complex solutions to reduce sailing time and save energy. This article proposes a new predictive artificial potential field that incorporates time information and predictive potential to plan smoother paths. It explores the principles of the artificial potential field, considering vehicle dynamics and local minimum reachability. The study first analyzes the most advanced traditional artificial potential field and its drawbacks in global and local path planning. It then introduces three modifications to the predictive artificial potential field-angle limit, velocity adjustment, and predictive potential to enhance the feasibility and flatness of the generated path. A comparison between the traditional and predictive artificial potential fields demonstrates that the latter successfully restricts the maximum turning angle, shortens sailing time, and intelligently avoids obstacles. Simulation results further verify that the predictive artificial potential field addresses the concave local minimum problem and improves reachability in special scenarios, ultimately generating a more efficient path that reduces sailing time and conserves energy for unmanned surface vehicles.
- Abstract（参考訳）: 高速無人表面車両の経路計画には、帆走時間と省エネルギーのためにより複雑なソリューションが必要である。
本稿では,よりスムーズな経路を計画するための時間情報と予測ポテンシャルを取り入れた新しい予測的人工電位場を提案する。
車両力学と局所的最小到達可能性を考慮して、人工ポテンシャル場の原理を探求する。
この研究はまず、グローバルおよびローカルな経路計画における最も先進的な人工電位場とその欠点を分析した。
次に、予測可能な人工電位場-角度制限、速度調整、予測ポテンシャルの3つの修正を導入し、生成された経路の実現可能性と平坦性を高める。
従来の人工電位場と予測可能な人工電位場の比較は、後者が最大旋回角をうまく制限し、帆走時間を短縮し、障害を知的に回避することを示した。
さらにシミュレーションの結果、予測可能な人工電位場が凹面の局所的最小問題に対処し、特別なシナリオにおける到達性を改善し、最終的には帆走時間を短縮し、無人表面車両のエネルギーを節約するより効率的な経路を生成することが確認された。
関連論文リスト
- STRAP: Spatial-Temporal Risk-Attentive Vehicle Trajectory Prediction for Autonomous Driving [0.968535561940627]
本稿では,リスクポテンシャル場を組み込んだ新しい空間的・時間的リスク回避軌道予測フレームワークを提案する。
提案するフレームワークは、解釈可能でリスク対応の予測を提供し、自律運転システムに対するより堅牢な意思決定に寄与する。
論文 参考訳（メタデータ） (2025-07-11T13:05:35Z) - A Survey of World Models for Autonomous Driving [55.520179689933904]
自律運転の最近の進歩は、堅牢な世界モデリングの進歩によって推進されている。
世界モデルは、マルチセンサーデータ、セマンティックキュー、時間ダイナミクスを統合する駆動環境の高忠実度表現を提供する。
今後の研究は、自己指導型表現学習、マルチモーダル融合、高度なシミュレーションにおける重要な課題に対処する必要がある。
論文 参考訳（メタデータ） (2025-01-20T04:00:02Z) - Potential Based Diffusion Motion Planning [73.593988351275]
本稿では,潜在的行動計画の学習に向けた新しいアプローチを提案する。
我々はニューラルネットワークを訓練し、運動計画軌跡よりも容易に最適化可能なポテンシャルを捕捉し、学習する。
我々は、その固有の構成可能性を示し、様々な動きの制約に一般化することができる。
論文 参考訳（メタデータ） (2024-07-08T17:48:39Z) - Implicit Occupancy Flow Fields for Perception and Prediction in
Self-Driving [68.95178518732965]
自動運転車(SDV)は、周囲を認識でき、他の交通参加者の将来の行動を予測できなければならない。
既存の作業は、検出されたオブジェクトの軌跡が続くオブジェクト検出を実行するか、シーン全体の密度の高い占有とフローグリッドを予測するかのいずれかである。
これは、認識と将来の予測に対する統一されたアプローチを動機付け、単一のニューラルネットワークで時間とともに占有とフローを暗黙的に表現します。
論文 参考訳（メタデータ） (2023-08-02T23:39:24Z) - Path Planning for Air-Ground Robot Considering Modal Switching Point
Optimization [35.24900569772999]
アジャイル飛行の必要性は、エアグラウンドロボットの伝統的な経路計画技術によって満足できない。
グラフ探索アルゴリズムに基づくロボットのための軽量なグローバル空間計画手法を提案する。
我々の技術は、高い信頼性で完成度の高い3Dパスを作成可能であることを示す。
論文 参考訳（メタデータ） (2023-05-14T15:02:52Z) - Predicting Future Occupancy Grids in Dynamic Environment with
Spatio-Temporal Learning [63.25627328308978]
本稿では,将来の占有予測を生成するための時間的予測ネットワークパイプラインを提案する。
現在のSOTAと比較して、我々の手法は3秒の長い水平線での占有を予測している。
我々は、さらなる研究を支援するために、nulisに基づくグリッド占有データセットを公開します。
論文 参考訳（メタデータ） (2022-05-06T13:45:32Z) - Safety-aware Motion Prediction with Unseen Vehicles for Autonomous
Driving [104.32241082170044]
本研究では,無人運転用無人車を用いた新しい作業,安全を意識した動作予測手法について検討する。
既存の車両の軌道予測タスクとは異なり、占有率マップの予測が目的である。
私たちのアプローチは、ほとんどの場合、目に見えない車両の存在を予測できる最初の方法です。
論文 参考訳（メタデータ） (2021-09-03T13:33:33Z) - Online Planning in Uncertain and Dynamic Environment in the Presence of
Multiple Mobile Vehicles [5.894659354028797]
環境条件が不確実な環境条件下での移動体ロボットの自律走行について検討する。
我々はまず,時間変動による乱れの影響を考慮し,他の車両の将来の状態分布を予測した。
次に,ロボットが到達する確率の高い状態を含む動的障害物対応リーチ可能空間を構築する。
論文 参考訳（メタデータ） (2020-09-08T13:27:57Z) - The Importance of Prior Knowledge in Precise Multimodal Prediction [71.74884391209955]
道路にはよく定義された地形、地形、交通規則がある。
本稿では,構造的事前を損失関数として組み込むことを提案する。
実世界の自動運転データセットにおけるアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2020-06-04T03:56:11Z)
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。