論文の概要: Online Navigation Planning for Long-term Autonomous Operation of Underwater Gliders

• arxiv url: http://arxiv.org/abs/2602.19315v1
• Date: Sun, 22 Feb 2026 19:34:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-24 17:42:02.581789
• Title: Online Navigation Planning for Long-term Autonomous Operation of Underwater Gliders
• Title（参考訳）: 水中グライダーの長期自律運転のためのオンラインナビゲーション計画
• Abstract要約: グライダーナビゲーションを最短経路マルコフ決定プロセスとして定式化し,モンテカルロ木探索に基づくサンプルベースオンラインプランナを提案する。 我々はこれらの手法をSlocumグライダーの自律的なコマンド・アンド・コントロールシステムに統合する。 その結果, 直接航法に比べて効率が向上し, 長期海洋自治のためのサンプルベースプランニングの実践性を示した。
• 参考スコア（独自算出の注目度）: 35.38057493354144
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Underwater glider robots have become an indispensable tool for ocean sampling. Although stakeholders are calling for tools to manage increasingly large fleets of gliders, successful autonomous long-term deployments have thus far been scarce, which hints at a lack of suitable methodologies and systems. In this work, we formulate glider navigation planning as a stochastic shortest-path Markov Decision Process and propose a sample-based online planner based on Monte Carlo Tree Search. Samples are generated by a physics-informed simulator that captures uncertain execution of controls and ocean current forecasts while remaining computationally tractable. The simulator parameters are fitted using historical glider data. We integrate these methods into an autonomous command-and-control system for Slocum gliders that enables closed-loop replanning at each surfacing. The resulting system was validated in two field deployments in the North Sea totalling approximately 3 months and 1000 km of autonomous operation. Results demonstrate improved efficiency compared to straight-to-goal navigation and show the practicality of sample-based planning for long-term marine autonomy.
• Abstract（参考訳）: 水中グライダーロボットは、海洋サンプリングに欠かせないツールとなっている。 利害関係者はますます大規模なグライダーを管理するためのツールを求めているが、自律的な長期展開が成功していないため、適切な方法論やシステムが欠如していることが示唆されている。 本研究では,グライダーナビゲーション計画を確率的最短パスマルコフ決定プロセスとして定式化し,モンテカルロ木探索に基づくサンプルベースオンラインプランナを提案する。 サンプルは物理インフォームドシミュレーターによって生成され、制御や海流予測の不確実な実行を捉えながら、計算処理が可能である。 シミュレータパラメータは、履歴グライダーデータを用いて適合する。 我々はこれらの手法をSlocumグライダーの自律的なコマンド・アンド・コントロールシステムに統合する。 結果として得られたシステムは、北海での2つの野戦配備で約3ヶ月と1000kmの自律作戦で検証された。 その結果, 直接航法に比べて効率が向上し, 長期海洋自治のためのサンプルベースプランニングの実践性を示した。

関連論文リスト

• Marine Autonomous Vehicle Fleet Scheduling to Maximise Scientific Impact [0.6567177864421798]
  そこで本稿では,MAVデプロイメントスケジュールの自動化と最適化を目的としたMILP(Mixed-integer linear programming)モデルを提案する。 このモデルは、バッテリ容量やデータ収集の時間ウィンドウなど、厳格な運用上の制約を考慮に入れている。 非常にスケーラブルで、数十台のMAVのルーティング問題を数秒で解決し、わずか数分で数百台の車両にスケールアップする。
  論文  参考訳（メタデータ） (2026-08-27T15:49:49Z)
• A Browser-Native Digital Test Range for Benchmarking 4D Ocean-Glider Planning Algorithms [0.0]
  オーシャングライダープランナーのその場評価には、不足した車両、オペレーター、デプロイメントとリカバリのリソース、競合するアルゴリズムにリセットできないオーシャンコンディションが必要である。 そこで我々は,選択した領域を再現可能な4次元実験に変換する,ガイド付き,インストール不要なブラウザネイティブデジタルテスト範囲を提案する。 制御された観測システムシミュレーション実験(OSSE)は、古典的プランナー5種を2回、決定論的種3種、校正された60時間水平線で評価した。 54のミッションは全て、厳しい違反なしに完了し、回収されたが、プランナーのランキングと潜水政策の影響により、運用上の科学的トレードオフが明らかになった。
  論文  参考訳（メタデータ） (2026-08-13T17:34:50Z)
• Temporally-Sampled Efficiently Adaptive State Lattices for Autonomous Ground Robot Navigation in Partially Observed Environments [2.2188568806866287]
  従来の自律型ナビゲーションアーキテクチャでは、地域移動プランナーが環境マップを消費し、ローカル移動プランナーが参照として使用する軌道を出力する。 我々は,現在生成されている軌道に対して,従来生成された軌道の更新および最適化されたバージョンを検討するために,TSEASL(Temporally-Sampiently Adaptive State Lattices)を提案する。 その結果、TSEASLを走らせる際には、ロボットがベースラインプランナーを走らせている場所と同じ場所に手動で介入する必要がなくなった。
  論文  参考訳（メタデータ） (2026-02-13T18:14:56Z)
• 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)
• Real-time Remote Tracking and Autonomous Planning for Whale Rendezvous using Robots [7.40860015749481]
  本稿では,無人無人航空機を用いたリアルタイム捕鯨システムについて紹介する。 本システムでは、位置センサデータと経験的なクジラ潜水モデルを組み合わせたモデルに基づく強化学習を用いてナビゲーション決定を導出する。
  論文  参考訳（メタデータ） (2025-12-05T15:27:58Z)
• Autonomous Vehicle Path Planning by Searching With Differentiable Simulation [55.46735086899153]
  計画では、エージェントが現実世界で実行する前に、アクションを安全に洗練することができる。 自動運転では、衝突を避け、複雑な密集した交通シナリオをナビゲートすることが不可欠である。 本稿では、微分可能シミュレータWaymaxを次の状態予測と批判の両方として活用するフレームワークである、微分可能探索シミュレーション(DSS)を提案する。
  論文  参考訳（メタデータ） (2025-11-14T07:56:34Z)
• Scaling Multi Agent Reinforcement Learning for Underwater Acoustic Tracking via Autonomous Vehicles [1.7923169244369488]
  マルチエージェント強化学習は、サンプル非効率で悪名高い。 GazeboのLRAUVのような高忠実度シミュレータは、リアルタイムのシングルロボットシミュレーションを100倍高速にする。 本稿では,高忠実度シミュレーションをGPU加速環境へ伝達する反復蒸留法を提案する。
  論文  参考訳（メタデータ） (2025-05-13T04:42:30Z)
• Real-time Spatial-temporal Traversability Assessment via Feature-based Sparse Gaussian Process [15.756895046886406]
  本研究では,自律型ロボットが複雑な地形を移動できるようにすることを目的とした,空間的時間的トラバーサビリティ評価手法を提案する。 我々の手法は精度と計算効率の両面でSOTAよりも優れている。 本研究では,移動可能性マップと統合された自律ナビゲーションフレームワークを開発し,複雑な屋外環境下での微分駆動車による検証を行う。
  論文  参考訳（メタデータ） (2025-03-06T06:26:57Z)
• Autonomous Vehicle Controllers From End-to-End Differentiable Simulation [57.278726604424556]
  そこで我々は,AVコントローラのトレーニングにAPG(analytic Policy gradients)アプローチを適用可能なシミュレータを提案し,その設計を行う。 提案するフレームワークは, エージェントがより根底的なポリシーを学ぶのを助けるために, 環境力学の勾配を役立てる, エンド・ツー・エンドの訓練ループに, 微分可能シミュレータを組み込む。 ダイナミクスにおけるパフォーマンスとノイズに対する堅牢性の大幅な改善と、全体としてより直感的なヒューマンライクな処理が見られます。
  論文  参考訳（メタデータ） (2024-09-12T11:50:06Z)
• Planning with Adaptive World Models for Autonomous Driving [50.4439896514353]
  マルチエージェントインタラクションをキャプチャする実世界のモーションプランニングベンチマークであるnuPlanを提案する。 我々は、グラフ畳み込みニューラルネットワーク(GCNN)であるBehaviorNetを用いて、このようなユニークな振る舞いをモデル化することを学ぶ。 また、モデル予測制御(MPC)ベースのプランナであるAdaptiveDriverについても紹介する。
  論文  参考訳（メタデータ） (2024-06-15T18:53:45Z)
• Data-Driven Strategies for Coping with Incomplete DVL Measurements [15.619053656143564]
  現実のシナリオでは、不完全なドップラー速度測定が行われ、位置決めエラーやミッション中止が発生する。 本稿では,LiBeamsNetとMissBeamNetの2つの最先端ディープラーニング手法の比較分析を行った。 両ディープラーニングアーキテクチャは,速度予測精度が16%以上向上した。
  論文  参考訳（メタデータ） (2024-01-28T10:17:36Z)
• Confidence-Controlled Exploration: Efficient Sparse-Reward Policy Learning for Robot Navigation [72.24964965882783]
  強化学習(RL)はロボットナビゲーションにおいて有望なアプローチであり、ロボットは試行錯誤を通じて学習することができる。 現実世界のロボットタスクは、しばしばまばらな報酬に悩まされ、非効率な探索と準最適政策に繋がる。 本稿では,RLに基づくロボットナビゲーションにおいて,報酬関数を変更せずにサンプル効率を向上させる新しい手法であるConfidence-Controlled Exploration (CCE)を紹介する。
  論文  参考訳（メタデータ） (2023-06-09T18:45:15Z)
• Large-scale Autonomous Flight with Real-time Semantic SLAM under Dense Forest Canopy [48.51396198176273]
  本研究では,大規模自律飛行とリアルタイムセマンティックマッピングを,挑戦的なアンダーキャノピー環境下で実現可能な統合システムを提案する。 我々は、スキャン全体で関連付けられ、木のトランクモデルと同様にロボットのポーズを制約するために使用されるLiDARデータから、木の幹と地面の平面を検出し、モデル化する。 ドリフト補償機構は、プランナー最適性とコントローラ安定性を維持しつつ、セマンティックSLAM出力を用いたドリフトをリアルタイムで最小化するように設計されている。
  論文  参考訳（メタデータ） (2021-09-14T07:24:53Z)
• Navigational Path-Planning For All-Terrain Autonomous Agricultural Robot [0.0]
  本報告は農地の自律ナビゲーションのための新しいアルゴリズムの比較である。 インドの環境に特有な高解像度グリッドマップ表現について検討する。 その結果、自律的なフィールドナビゲーションとロボット経路計画の実現性にアルゴリズムが適用可能であることが証明された。
  論文  参考訳（メタデータ） (2021-09-05T07:29:13Z)
• Autonomous UAV Exploration of Dynamic Environments via Incremental Sampling and Probabilistic Roadmap [0.3867363075280543]
  インクリメンタルサンプリングと確率的ロードマップ(PRM)を用いた未知環境探索のための新しい動的探索プランナ(DEP)を提案する。 本手法は, 動的環境を安全に探索し, 探索時間, 経路長, 計算時間でベンチマークプランナーより優れている。
  論文  参考訳（メタデータ） (2020-10-14T22:52:37Z)

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。