論文の概要: Proprioceptive Safe Active Navigation and Exploration for Planetary Environments
- arxiv url: http://arxiv.org/abs/2603.08905v1
- Date: Mon, 09 Mar 2026 20:17:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:42.127497
- Title: Proprioceptive Safe Active Navigation and Exploration for Planetary Environments
- Title（参考訳）: 惑星環境に対するプロプリオセプティブなアクティブナビゲーションと探索
- Authors: Matthew Y. Jiang, Feifei Qian, Shipeng Liu,
- Abstract要約: Proprioceptive Safe Active Navigation and Exploration (PSANE)は、未知の変形可能な環境における安全なナビゲーションと探索のためのフレームワークである。
PSANEはガウスプロセスレグレッションを通じてトラバーサビリティモデルを学び、安全な領域を推定し、認定する。
リアルタイムナビゲーションのためのリアクティブコントローラとこれらの見積を統合する。
- 参考スコア（独自算出の注目度）: 2.2120851074630177
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deformable granular terrains introduce significant locomotion and immobilization risks in planetary exploration and are difficult to detect via remote sensing (e.g., vision). Legged robots can sense terrain properties through leg-terrain interactions during locomotion, offering a direct means to assess traversability in deformable environments. How to systematically exploit this interaction-derived information for navigation planning, however, remains underexplored. We address this gap by presenting PSANE, a Proprioceptive Safe Active Navigation and Exploration framework that leverages leg-terrain interaction measurements for safe navigation and exploration in unknown deformable environments. PSANE learns a traversability model via Gaussian Process regression to estimate and certify safe regions and identify exploration frontiers online, and integrates these estimates with a reactive controller for real-time navigation. Frontier selection is formulated as a multi-objective optimization that balances safe-set expansion probability and goal-directed cost, with subgoals selected via scalarization over the Pareto-optimal frontier set. PSANE safely explores unknown granular terrain and reaches specified goals using only proprioceptively estimated traversability, while achieving performance improvements over baseline methods.
- Abstract（参考訳）: 変形可能な粒状地形は、惑星探査において大きな移動と固定化のリスクをもたらし、リモートセンシング(例えば視覚)によって検出することが困難である。
脚のついたロボットは、移動中の脚と脚の相互作用を通じて地形特性を感知し、変形可能な環境における移動性を評価する直接的な手段を提供する。
しかし、この相互作用に由来する情報をナビゲーション計画に体系的に活用する方法は、まだ解明されていない。
PSANE(Proprioceptive Safe Active Navigation and Exploration framework)は、脚と脚の相互作用の測定を利用して、未知の変形可能な環境における安全なナビゲーションと探索を行う。
PSANEはGaussian Processレグレッションを通じてトラバーサビリティモデルを学び、安全なリージョンを見積もり、オンラインで探索フロンティアを特定し、これらの推定をリアルタイムナビゲーションのためのリアクティブコントローラと統合する。
フロンティア選択は、安全な拡張確率とゴール指向コストのバランスをとる多目的最適化として定式化され、パレート最適フロンティアセット上のスカラー化によってサブゴールが選択される。
PSANEは、未知の粒状地形を安全に探索し、確率論的に推定される航法性のみを用いて特定の目標に達するとともに、ベースライン法よりも性能の向上を実現している。
関連論文リスト
- WildOS: Open-Vocabulary Object Search in the Wild [12.098091049832965]
この研究は、長距離でオープンなオブジェクト検索のための統一システムWildOSを提示する。
基礎モデルに基づく視覚モジュール ExploRFM を用いて、グラフのフロンティアノードをスコアリングする。
また、オープン語彙ターゲットクエリの粗い局所化のための粒子フィルタに基づく手法も導入する。
論文 参考訳（メタデータ） (2026-02-22T19:14:00Z) - ZeST: an LLM-based Zero-Shot Traversability Navigation for Unknown Environments [7.419243375193223]
ロボットを危険にさらすことなく、リアルタイムで移動可能なマップを作成するための新しいアプローチであるZeSTを提案する。
提案手法は,ゼロショットトラバーサビリティを実現し,実際のデータ収集に伴うリスクを軽減するだけでなく,高度なナビゲーションシステムの開発も促進する。
論文 参考訳（メタデータ） (2025-08-26T15:30:19Z) - NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。
グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。
我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
論文 参考訳（メタデータ） (2025-06-23T14:28:30Z) - DORAEMON: Decentralized Ontology-aware Reliable Agent with Enhanced Memory Oriented Navigation [55.888688171010365]
DORAEMONは、人間のナビゲーション機能を模倣したVentralとDorsal Streamsで構成される、認知にインスパイアされたフレームワークである。
我々は,DORAEMONをHM3D,MP3D,GOATのデータセット上で評価し,成功率(SR)と成功度(SPL)の測定値の両方で最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2025-05-28T04:46:13Z) - Visual Trajectory Prediction of Vessels for Inland Navigation [42.81677042059531]
本研究では,高度な物体検出手法を統合することで,映像に基づく容器追跡と予測の課題に対処する。
BoT-SORT、Deep OC-SORT、ByeTrackなどの追跡アルゴリズムの比較評価では、スムーズなトラジェクトリを提供する際のカルマンフィルタの堅牢性を強調している。
この結果は、内陸航法のためのカスタマイズされたデータセットとモデルの必要性を浮き彫りにした。
論文 参考訳（メタデータ） (2025-05-01T15:31:15Z) - Designing Control Barrier Function via Probabilistic Enumeration for Safe Reinforcement Learning Navigation [55.02966123945644]
本稿では,ニューラルネットワーク検証技術を利用して制御障壁関数(CBF)とポリシー修正機構の設計を行う階層型制御フレームワークを提案する。
提案手法は,安全なCBFベースの制御層を構築するために使用される,安全でない操作領域を特定するための確率的列挙に依存する。
これらの実験は、効率的なナビゲーション動作を維持しながら、安全でない動作を補正する提案手法の能力を実証するものである。
論文 参考訳（メタデータ） (2025-04-30T13:47:25Z) - Belief Aided Navigation using Bayesian Reinforcement Learning for Avoiding Humans in Blind Spots [0.0]
本研究では、部分的に観測可能なマルコフ決定プロセスフレームワークに基づく新しいアルゴリズムBNBRL+を導入し、観測不能領域のリスクを評価する。
ロボット、人間、そして推論された信念のダイナミクスを統合し、ナビゲーションパスを決定し、報酬関数に社会規範を埋め込む。
このモデルでは、視認性に限界があり、障害物を動的に回避できるため、自動運転車の安全性と信頼性を大幅に向上させることができる。
論文 参考訳（メタデータ） (2024-03-15T08:50:39Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z) - Occupancy Anticipation for Efficient Exploration and Navigation [97.17517060585875]
そこで我々は,エージェントが自我中心のRGB-D観測を用いて,その占有状態を可視領域を超えて推定する,占有予測を提案する。
エゴセントリックなビューとトップダウンマップの両方でコンテキストを活用することで、私たちのモデルは環境のより広いマップを予測できます。
われわれのアプローチは、2020 Habitat PointNav Challengeの優勝だ。
論文 参考訳（メタデータ） (2020-08-21T03:16:51Z)
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。