論文の概要: Online Generation of Collision-Free Trajectories in Dynamic Environments

• arxiv url: http://arxiv.org/abs/2603.00759v1
• Date: Sat, 28 Feb 2026 18:04:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.788247
• Title: Online Generation of Collision-Free Trajectories in Dynamic Environments
• Title（参考訳）: 動的環境における衝突のない軌道のオンライン生成
• Authors: Nermin Covic, Bakir Lacevic,
• Abstract要約: 状態列で表される任意の幾何経路を対応する運動可能軌道に変換するオンライン手法を提案する。 ユーザが指定した制御速度で離散化して低レベルロボットコントローラにストリームできるクインティック/クアティック・スプラインのシーケンスを生成する。 実際のロボットの実験では、提案手法が人間の存在を含む現実のシナリオで使用できることを示した。
• 参考スコア（独自算出の注目度）: 0.9596789853473943
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we present an online method for converting an arbitrary geometric path represented by a sequence of states, generated by any planner (e.g., sampling-based planners like RRT or PRM, search-based planners like ARA*, etc.), into a corresponding kinematically feasible, jerk-limited trajectory. The method generates a sequence of quintic/quartic splines that can be discretized at a user-specified control rate, and then streamed to a low-level robot controller. Our approach enables real-time adaptation to newly captured changes in the environment. It can also be re-invoked at any time instance to generate a new trajectory from the robot's current to a desired target state or sequence of states. We can guarantee that the trajectory will remain collision-free for a certain amount of time in dynamic environments, while allowing bounded geometric deviation from the original path. The kinematic constraints are taken into account, including limited jerk. We validate the approach in a comparative simulation study against the competing method, demonstrating favorable behavior w.r.t. smoothness, computational time, and real-time performance, particularly in scenarios with frequent changes of target states (up to 1 [kHz]). Experiments on a real robot demonstrate that the proposed approach can be used in real-world scenarios including human presence.
• Abstract（参考訳）: 本稿では, RRT や PRM のようなサンプリング型プランナ, ARA* などの探索型プランナなど) が生成する状態列で表される任意の幾何経路を, 運動学的に実現可能な, ジャーク限定の軌道に変換するオンライン手法を提案する。 本発明の方法は、ユーザが指定した制御速度で識別し、低レベルのロボットコントローラにストリームできる、クインティック/クアティックなスプラインのシーケンスを生成する。 提案手法により, 環境変化に対するリアルタイム適応が可能となった。 任意のインスタンスで再起動して、ロボットの電流から望ましいターゲット状態や状態のシーケンスへの新たな軌跡を生成することもできる。 軌道は、元の経路から有界な幾何学的偏差を許容しながら、動的環境において一定時間、衝突のないままであることを保証することができる。 キネマティックな制約は、限定的なジャクを含む考慮される。 提案手法を比較シミュレーションで検証し,特に目標状態の頻繁な変化 (最大1[kHz]) のシナリオにおいて, 円滑性, 計算時間, 実時間性能など, 良好な挙動を示す。 実際のロボットの実験では、提案手法が人間の存在を含む現実のシナリオで使用できることを示した。

関連論文リスト

• Ultrafast Sampling-based Kinodynamic Planning via Differential Flatness [15.37007491684187]
  AkinoPDFは、多種多様なフラットなロボットシステムのための高速並列サンプリングに基づくキノダイナミックモーションプランニング技術である。 我々の手法は高速で正確で、どのサンプリングベースモーションプランナーとも互換性がある。
  論文  参考訳（メタデータ） (2026-03-17T01:53:10Z)
• Bench2Drive-R: Turning Real World Data into Reactive Closed-Loop Autonomous Driving Benchmark by Generative Model [63.336123527432136]
  我々は,リアクティブ閉ループ評価を可能にする生成フレームワークであるBench2Drive-Rを紹介する。 既存の自動運転用ビデオ生成モデルとは異なり、提案された設計はインタラクティブなシミュレーションに適したものである。 我々は、Bench2Drive-Rの生成品質を既存の生成モデルと比較し、最先端の性能を達成する。
  論文  参考訳（メタデータ） (2024-12-11T06:35:18Z)
• Navigating the Human Maze: Real-Time Robot Pathfinding with Generative Imitation Learning [0.0]
  目標条件付き自己回帰モデルを導入し,個人間の複雑な相互作用を捉える。 このモデルは、潜在的なロボット軌道サンプルを処理し、周囲の個人の反応を予測する。
  論文  参考訳（メタデータ） (2024-08-07T14:32:41Z)
• Sim-to-Real Transfer of Deep Reinforcement Learning Agents for Online Coverage Path Planning [22.077058792635313]
  被覆経路計画は、制限された地域の自由空間全体をカバーする経路を見つける問題である。 本稿では,この課題に対する連続空間強化学習の有効性について検討する。 提案手法は従来のRLに基づく手法と高度に専門化された手法の両方の性能を上回ることを示す。
  論文  参考訳（メタデータ） (2024-06-07T13:24:19Z)
• Model Checking for Closed-Loop Robot Reactive Planning [0.0]
  モデル検査を用いて、ディファレンシャルドライブホイールロボットの多段階計画を作成することにより、即時危険を回避できることを示す。 簡単な生物エージェントのエゴセントリックな反応を反映した,小型で汎用的なモデル検査アルゴリズムを用いて,リアルタイムで計画を生成する。
  論文  参考訳（メタデータ） (2023-11-16T11:02:29Z)
• DDPEN: Trajectory Optimisation With Sub Goal Generation Model [70.36888514074022]
  本稿では,エスケープネットワークを用いた微分動的プログラミング(DDPEN)を提案する。 本稿では,環境の入力マップとして,所望の位置とともにコストマップの形で利用する深層モデルを提案する。 このモデルは、目標に導く可能性のある将来の方向を生成し、リアルタイムに実行可能なローカルなミニマを避ける。
  論文  参考訳（メタデータ） (2023-01-18T11:02:06Z)
• Stochastic Trajectory Prediction via Motion Indeterminacy Diffusion [88.45326906116165]
  運動不確定性拡散(MID)の逆過程として軌道予測タスクを定式化する新しい枠組みを提案する。 我々は,履歴行動情報と社会的相互作用を状態埋め込みとしてエンコードし,トランジトリの時間的依存性を捉えるためにトランスフォーマーに基づく拡散モデルを考案する。 スタンフォード・ドローンやETH/UCYデータセットなど,人間の軌道予測ベンチマーク実験により,本手法の優位性を実証した。
  論文  参考訳（メタデータ） (2022-03-25T16:59:08Z)
• Learning Time-optimized Path Tracking with or without Sensory Feedback [5.254093731341154]
  本稿では,ロボットが関節空間で定義された基準経路を素早く追従できる学習型アプローチを提案する。 ロボットは、物理シミュレータで生成されたデータを用いて強化学習によって訓練されたニューラルネットワークによって制御される。
  論文  参考訳（メタデータ） (2022-03-03T19:13:31Z)
• 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)
• Path Planning Followed by Kinodynamic Smoothing for Multirotor Aerial Vehicles (MAVs) [61.94975011711275]
  そこで本稿では,RRT*textquotedblrightのテキストを幾何学的にベースとした動き計画手法を提案する。 提案手法では,適応探索空間とステアリング機能を導入したオリジナルのRT*を改良した。 提案手法を様々なシミュレーション環境で検証した。
  論文  参考訳（メタデータ） (2020-08-29T09:55:49Z)
• Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
  本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。 我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。 本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
  論文  参考訳（メタデータ） (2020-07-28T07:34:30Z)

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。