論文の概要: Environment-Aware Path Generation for Robotic Additive Manufacturing of Structures
- arxiv url: http://arxiv.org/abs/2603.05748v1
- Date: Thu, 05 Mar 2026 23:20:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:41.963218
- Title: Environment-Aware Path Generation for Robotic Additive Manufacturing of Structures
- Title（参考訳）: 構造物のロボット添加物製造のための環境対応経路生成
- Authors: Mahsa Rabiei, Reza Moini,
- Abstract要約: 環境対応パス生成フレームワーク (PGF) を初めて提案し, 構造をオンラインに設計した。
挑戦的な環境における最も有望なパスプランナーは、ロボット添加物製造アプリケーションで特定される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Robotic Additive Manufacturing (AM) has emerged as a scalable and customizable construction method in the last decade. However, current AM design methods rely on pre-conceived (A priori) toolpath of the structure, often developed via offline slicing software. Moreover, considering the dynamic construction environments involving obstacles on terrestrial and extraterrestrial environments, there is a need for online path generation methods. Here, an environment-aware path generation framework (PGF) is proposed for the first time in which structures are designed in an online fashion by utilizing four path planning (PP) algorithms (two search-based and two sampling-based). To evaluate the performance of the proposed PGF in different obstacle arrangements (periodic, random) for two types of structures (closed and open), structural (path roughness, turns, offset, Root Mean Square Error (RMSE), deviation) and computational (run time) performance metrics are developed. Most challenging environments (i.e., dense with high number of obstacles) are considered to saturate the feasibility limits of PP algorithms. The capability of each of the four path planners used in the PGF in finding a feasible path is assessed. Finally, the effectiveness of the proposed structural performance metrics is evaluated individually and comparatively, and most essential metrics necessary for evaluation of toolpath of the resulting structures are prescribed. Consequently, the most promising path planners in challenging environments are identified for robotic additive manufacturing applications.
- Abstract（参考訳）: ロボット・アダプティブ・マニュファクチャリング(AM)はこの10年で、スケーラブルでカスタマイズ可能な工法として登場した。
しかし、現在のAM設計手法は、しばしばオフラインスライシングソフトウェアによって開発される、事前認識(A priori)ツールパスに依存している。
さらに,地球外環境の障害を伴う動的建設環境を考えると,オンライン経路生成手法が必要である。
ここでは,4つの経路計画(PP)アルゴリズム(検索ベース2つ,サンプリングベース2つ)を用いて,構造物をオンライン的に設計する環境対応経路生成フレームワーク(PGF)を初めて提案する。
2種類の構造物(閉鎖・開放)、構造(パス粗さ、ターン、オフセット、ルート平均角誤差(RMSE)、偏差、計算(実行時間)の異なる障害物配置(周期、ランダム)におけるPGFの性能を評価する。
最も困難な環境(すなわち、多くの障害物が密集している)は、PPアルゴリズムの実現可能性限界を飽和させると考えられている。
PGFで使用される4つの経路プランナーのそれぞれが実現可能な経路を見つける能力を評価する。
最後に, 提案した構造性能指標の有効性を個別に, 比較的に評価し, 結果のツールパスを評価するために必要な最も重要な指標を規定する。
その結果、ロボット添加物製造用途において、挑戦的な環境における最も有望な経路プランナーが特定される。
関連論文リスト
- Scalable Multi-Robot Path Planning via Quadratic Unconstrained Binary Optimization [0.0]
マルチエージェントパスファインディング(MAPF)はロボティクスの基本的な課題である。
本稿では,複数ロボット経路計画のための構造的・スケーラブルな代替手段として,擬似非拘束バイナリ最適化(QUBO)について検討する。
論文 参考訳（メタデータ） (2026-02-16T14:50:04Z) - 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) - On Sequential Fault-Intolerant Process Planning [60.66853798340345]
我々は、逐次的フォールトトレラントプロセス計画(SFIPP)と呼ばれる計画問題を提案し、研究する。
SFIPPは、全ての段階が成功する場合にのみ計画が成功すると判断される多くの連続した多段階決定問題に共通する報酬構造をキャプチャする。
私たちは、異なるアクションを選択して、それぞれのステージで成功の確率を未知にする必要がある設定のために、確実に厳密なオンラインアルゴリズムを設計します。
論文 参考訳（メタデータ） (2025-02-07T15:20:35Z) - An Efficient Learning-based Solver Comparable to Metaheuristics for the
Capacitated Arc Routing Problem [67.92544792239086]
我々は,高度メタヒューリスティックスとのギャップを著しく狭めるため,NNベースの解法を導入する。
まず,方向対応型注意モデル(DaAM)を提案する。
第2に、教師付き事前学習を伴い、堅牢な初期方針を確立するための教師付き強化学習スキームを設計する。
論文 参考訳（メタデータ） (2024-03-11T02:17:42Z) - POA: Passable Obstacles Aware Path-planning Algorithm for Navigation of
a Two-wheeled Robot in Highly Cluttered Environments [53.41594627336511]
パッシブル障害物認識(Passable Obstacles Aware, POA)プランナーは, 乱雑な環境下での二輪ロボットのナビゲーション手法である。
我々のアルゴリズムは、二輪ロボットが通過可能な障害物を通り抜ける道を見つけることを可能にする。
論文 参考訳（メタデータ） (2023-07-16T19:44:27Z) - Learning Coverage Paths in Unknown Environments with Deep Reinforcement Learning [17.69984142788365]
被覆経路計画 (CPP) は、制限された領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。
この課題に対する強化学習の適性について検討する。
本稿では,フロンティアに基づく計算可能なエゴセントリックマップ表現と,全変動に基づく新たな報酬項を提案する。
論文 参考訳（メタデータ） (2023-06-29T14:32:06Z) - Autonomous search of real-life environments combining dynamical system-based path planning and unsupervised learning [0.0]
本研究は,カオスカバレッジパスプランナの現実的応用のための新しいフレームワークを開発する。
効果的な障害物回避、カオス軌道分散、正確なリアルタイムカバレッジ計算のための技術を提供する。
このアプリケーションの性能は、従来の最適経路プランナーに匹敵するものだった。
論文 参考訳（メタデータ） (2023-05-03T00:09:31Z) - Ranking Cost: Building An Efficient and Scalable Circuit Routing Planner
with Evolution-Based Optimization [49.207538634692916]
そこで我々は、効率よくトレーニング可能なルータを形成するための新しい回路ルーティングアルゴリズム、Randing Costを提案する。
提案手法では,A*ルータが適切な経路を見つけるのに役立つコストマップと呼ばれる新しい変数群を導入する。
我々のアルゴリズムはエンドツーエンドで訓練されており、人工データや人間の実演は一切使用しない。
論文 参考訳（メタデータ） (2021-10-08T07:22:45Z) - An AI-Assisted Design Method for Topology Optimization Without
Pre-Optimized Training Data [68.8204255655161]
トポロジ最適化に基づくAI支援設計手法を提示し、最適化された設計を直接的に得ることができる。
設計は、境界条件と入力データとしての充填度に基づいて、人工ニューラルネットワーク、予測器によって提供される。
論文 参考訳（メタデータ） (2020-12-11T14:33:27Z) - Deep Reinforcement Learning Methods for Structure-Guided Processing Path
Optimization [2.462953128215088]
材料設計の大きな目標は、望ましい特性を持つ材料構造を見つけることである。
本稿では,処理経路最適化のための深層強化学習手法を提案する。
論文 参考訳（メタデータ） (2020-09-21T09:20:24Z)
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。