論文の概要: Evaluating Accuracy of Vine Robot Shape Sensing with Distributed Inertial Measurement Units

• arxiv url: http://arxiv.org/abs/2602.24202v1
• Date: Fri, 27 Feb 2026 17:28:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.774274
• Title: Evaluating Accuracy of Vine Robot Shape Sensing with Distributed Inertial Measurement Units
• Title（参考訳）: 分散慣性計測装置を用いたVineロボット形状計測の精度評価
• Authors: Alexis E. Laudenslager, Antonio Alvarez Valdivia, Nathaniel Hanson, Margaret McGuinness,
• Abstract要約: ロボット体に沿って分散したIMUを用いたブドウのロボット形状検出の精度を実験的に評価した。 また、センサ間隔の影響を分析し、中間間隔が単一曲率形状の誤差を最小限に抑えることを観察する。
• 参考スコア（独自算出の注目度）: 1.1474575075646143
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Soft, tip-extending vine robots are well suited for navigating tight, debris-filled environments, making them ideal for urban search and rescue. Sensing the full shape of a vine robot's body is helpful both for localizing information from other sensors placed along the robot body and for determining the robot's configuration within the space being explored. Prior approaches have localized vine robot tips using a single inertial measurement unit (IMU) combined with force sensing or length estimation, while one method demonstrated full-body shape sensing using distributed IMUs on a passively steered robot in controlled maze environments. However, the accuracy of distributed IMU-based shape sensing under active steering, varying robot lengths, and different sensor spacings has not been systematically quantified. In this work, we experimentally evaluate the accuracy of vine robot shape sensing using distributed IMUs along the robot body. We quantify IMU drift, measuring an average orientation drift rate of 1.33 degrees/min across 15 sensors. For passive steering, mean tip position error was 11% of robot length. For active steering, mean tip position error increased to 16%. During growth experiments across lengths from 30-175 cm, mean tip error was 8%, with a positive trend with increasing length. We also analyze the influence of sensor spacing and observe that intermediate spacings can minimize error for single-curvature shapes. These results demonstrate the feasibility of distributed IMU-based shape sensing for vine robots while highlighting key limitations and opportunities for improved modeling and algorithmic integration for field deployment.
• Abstract（参考訳）: ソフトで先端を張るブドウのロボットは、密集したゴミだらけの環境をナビゲートするのに適しており、都市での捜索と救助に最適だ。 植物ロボットの身体の完全な形状を感知することは、ロボット本体に沿って配置された他のセンサーからの情報をローカライズし、探索中の空間内のロボットの配置を決定するのに役立つ。 従来の手法では, 単一の慣性測定ユニット(IMU)と力センサ, 長さ推定を組み合わせ, 受動的に操舵されたロボットに分散したIMUを用いて全体形状を検知する手法が提案されていた。 しかし, アクティブステアリング, ロボット長, センサ間隔の異なる分散IMU形状センサの精度は, 体系的に定量化されていない。 本研究では,ロボットの体に沿って分散したIMUを用いて,Vineロボット形状検出の精度を実験的に評価した。 我々は、IMUドリフトの平均方位ドリフト速度を15個のセンサーで測定し、定量化する。 受動ステアリングでは,平均先端位置誤差はロボット長の11%であった。 アクティブステアリングでは,平均先端位置誤差が16%に増加した。 長さ30-175cmまでの成長実験では, 平均先端誤差は8%であり, 長さの増加とともに正の傾向を示した。 また、センサ間隔の影響を分析し、中間間隔が単一曲率形状の誤差を最小限に抑えることを観察する。 これらの結果は、分散IMUによるブドウ栽培ロボットの形状認識の実現可能性を示すとともに、モデリングの改善とフィールド展開のためのアルゴリズム統合のための重要な制約と機会を強調した。

関連論文リスト

• Taccel: Scaling Up Vision-based Tactile Robotics via High-performance GPU Simulation [34.47272224723296]
  ロボット,触覚センサ,物体を精度と前例のない速度でモデル化するために,IPCとABDを統合した高性能なシミュレーションプラットフォームであるTaccelを提案する。 並列化が制限されたサブリアルタイム速度で動作する従来のシミュレータとは異なり、Taccelは正確な物理シミュレーションとリアルな触覚信号を提供する。 これらの能力は、触覚ロボットの研究と開発を拡大するための強力なツールとして、Taccelを位置づけている。
  論文  参考訳（メタデータ） (2025-04-17T12:57:11Z)
• A Soft e-Textile Sensor for Enhanced Deep Learning-based Shape Sensing of Soft Continuum Robots [0.3495246564946556]
  ロボットナビゲーションの安全性と精度は、特にソフト連続ロボット工学の領域において最重要となる。 従来の剛性センサーは、これらのロボットの柔軟な性質とうまく統合できず、望ましくないバルクと剛性を加える。 本研究は, ソフト e-textile resistive sensor を用いて, ソフト連続体ロボットの形状認識の新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-04-19T05:00:25Z)
• Multi-Robot Relative Pose Estimation in SE(2) with Observability Analysis: A Comparison of Extended Kalman Filtering and Robust Pose Graph Optimization [1.0485739694839669]
  本研究では,相対的なポーズ推定の協調的局所化と可観測性分析に着目する。 ROS/Gazeboシミュレーションでは,4つのセンシング・通信構造について検討する。 ハードウェア実験では、UWBモジュールを備えた2つのTurtlebot3がロボット間の相対的なポーズ推定に使用される。
  論文  参考訳（メタデータ） (2024-01-27T06:09:56Z)
• 6N-DoF Pose Tracking for Tensegrity Robots [5.398092221687385]
  引張ロボットは剛性圧縮要素(ロッド)と柔軟な引張要素(ケーブルなど)から構成される この研究は、マーカーのない視覚に基づく方法で、緊張するロボットのポーズトラッキングに対処することを目的としている。 RGB-Dビデオから張力ロボットの各剛体要素の6-DoFポーズを反復的に推定するプロセスを提案する。
  論文  参考訳（メタデータ） (2022-05-29T20:55:29Z)
• Bayesian Imitation Learning for End-to-End Mobile Manipulation [80.47771322489422]
  RGB + 深度カメラのような追加のセンサー入力によるポリシーの強化は、ロボットの知覚能力を改善するための簡単なアプローチである。 畳み込みニューラルネットワークを正規化するために変分情報ボトルネックを用いることで、保持領域への一般化が向上することを示す。 提案手法は, シミュレーションと現実のギャップを埋めることと, RGBと奥行き変調をうまく融合できることを実証する。
  論文  参考訳（メタデータ） (2022-02-15T17:38:30Z)
• AuraSense: Robot Collision Avoidance by Full Surface Proximity Detection [3.9770080498150224]
  AuraSenseは、ロボットアームの非死点近接検知を実現する最初のシステムである。 1組の圧電トランスデューサしか必要とせず、市販のロボットにも容易に適用できる。
  論文  参考訳（メタデータ） (2021-08-10T18:37:54Z)
• SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
  我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。 モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。 リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。 ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
  論文  参考訳（メタデータ） (2021-08-03T02:56:21Z)
• Relative Localization of Mobile Robots with Multiple Ultra-WideBand Ranging Measurements [15.209043435869189]
  ロボット群間の相対的なポーズを,複数のUWB範囲のノードを各ロボットに装備することで推定する手法を提案する。 局所化精度を向上させるため,スライディングウインドウを用いた最適化により,オドメトリー制約を利用する。
  論文  参考訳（メタデータ） (2021-07-19T12:57:02Z)
• Kimera-Multi: Robust, Distributed, Dense Metric-Semantic SLAM for Multi-Robot Systems [92.26462290867963]
  Kimera-Multiは、最初のマルチロボットシステムであり、不正なインターループとイントラロボットループの閉鎖を識別し拒否することができる。 我々は、フォトリアリスティックシミュレーション、SLAMベンチマークデータセット、地上ロボットを用いて収集された屋外データセットの挑戦において、Kimera-Multiを実証した。
  論文  参考訳（メタデータ） (2021-06-28T03:56:40Z)
• Domain and Modality Gaps for LiDAR-based Person Detection on Mobile Robots [91.01747068273666]
  本稿では,移動ロボットのシナリオに着目した既存のLiDAR人物検出装置について検討する。 実験は3Dと2D LiDARのセンサー間のモダリティのギャップだけでなく、運転と移動ロボットのシナリオ間の領域ギャップを回避している。 その結果、LiDARに基づく人物検出の実践的な洞察を与え、関連する移動ロボットの設計と応用に関する情報決定を容易にする。
  論文  参考訳（メタデータ） (2021-06-21T16:35:49Z)
• Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
  この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。 コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。 その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
  論文  参考訳（メタデータ） (2021-01-26T16:01:02Z)

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。