論文の概要: AeroGrab: A Unified Framework for Aerial Grasping in Cluttered Environments

• arxiv url: http://arxiv.org/abs/2603.15097v1
• Date: Mon, 16 Mar 2026 10:50:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-21 18:33:56.857795
• Title: AeroGrab: A Unified Framework for Aerial Grasping in Cluttered Environments
• Title（参考訳）: AeroGrab: クラッタ環境での空中グラッピングのための統一フレームワーク
• Authors: Shivansh Pratap Singh, Naveen Sudheer Nair, Samaksh Ujjawal, Sarthak Mishra, Soham Patil, Rishabh Dev Yadav, Spandan Roy,
• Abstract要約: 乱雑な環境下での信頼性の高い空中把握のための統合パイプラインを提案する。 システムは対象オブジェクトを特定し、オブジェクトのより良いビューを得るために積極的に探索する。 乱雑な実世界のシナリオにおける実験は、堅牢で信頼性の高い把握実行を示している。
• 参考スコア（独自算出の注目度）: 0.5377664327091393
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reliable aerial grasping in cluttered environments remains challenging due to occlusions and collision risks. Existing aerial manipulation pipelines largely rely on centroid-based grasping and lack integration between the grasp pose generation models, active exploration, and language-level task specification, resulting in the absence of a complete end-to-end system. In this work, we present an integrated pipeline for reliable aerial grasping in cluttered environments. Given a scene and a language instruction, the system identifies the target object and actively explores it to gain better views of the object. During exploration, a grasp generation network predicts multiple 6-DoF grasp candidates for each view. Each candidate is evaluated using a collision-aware feasibility framework, and the overall best grasp is selected and executed using standard trajectory generation and control methods. Experiments in cluttered real-world scenarios demonstrate robust and reliable grasp execution, highlighting the effectiveness of combining active perception with feasibility-aware grasp selection for aerial manipulation.
• Abstract（参考訳）: 乱雑な環境下での信頼性の高い航空把握は、閉塞や衝突の危険性のため、依然として困難である。 既存の空中操作パイプラインは、主にセントロイドベースの把握と、グリップポーズ生成モデル、アクティブな探索、言語レベルのタスク仕様の統合の欠如に依存しており、完全なエンドツーエンドシステムがない結果となった。 本研究では, 乱れた環境下での信頼性の高い空中把握のための統合パイプラインを提案する。 シーンと言語命令が与えられたら、システムは対象オブジェクトを特定し、オブジェクトのより良いビューを得るために積極的に探索する。 探索中、グリップ生成ネットワークは、ビュー毎に複数の6-DoFグリップ候補を予測する。 各候補は、衝突認識実現フレームワークを用いて評価され、標準軌跡生成および制御方法を用いて、全体的最良の把握が選択され、実行される。 乱れた実世界のシナリオにおける実験は、堅牢で信頼性の高い把握実行を示し、空中操作のための能動的知覚と実現可能性を考慮した把握選択の有効性を強調した。

関連論文リスト

• Perception-Aware Autonomous Exploration in Feature-Limited Environments [9.046854275196605]
  ステレオ搭載無人航空機(UAV)のための階層的知覚認識探索フレームワークを提案する。 提案手法は,グローバルな特徴マップを用いて,各候補フロンティアと期待される特徴品質を関連付け,視覚的に有意なサブゴールを優先する。 提案手法は,特徴品質を無視し,かつ連続ヨーを最適化しないベースラインと比較して,より信頼性の高い特徴追跡を維持でき,ドリフトを低減でき,また,オドメトリ誤差が特定の閾値を超える前に平均30%高いカバレッジを達成できる。
  論文  参考訳（メタデータ） (2026-03-16T17:55:56Z)
• AdaClearGrasp: Learning Adaptive Clearing for Zero-Shot Robust Dexterous Grasping in Densely Cluttered Environments [31.097251477695497]
  AdaClearGraspは、適応的クリアリングとゼロショットデクスタラスグルーピングのためのクローズドループ決定実行フレームワークである。 事前学習された視覚言語モデル(VLM)は、視覚観察と言語タスク記述を解釈し、把握された干渉について推論する。 視覚的なフィードバックは結果を監視し、失敗時にリプランングをトリガーし、クローズドループ補正メカニズムを形成する。
  論文  参考訳（メタデータ） (2026-03-11T10:24:20Z)
• Head Anchor Enhanced Detection and Association for Crowded Pedestrian Tracking [8.653608112604472]
  提案手法は,物体検出器の回帰と分類の両方から検出特徴を取り入れたものである。 動きモデリングの観点で、現代の検出器仮定に適合するように設計された反復カルマンフィルタリング手法を提案する。
  論文  参考訳（メタデータ） (2025-08-07T15:47:34Z)
• Semantic Exploration and Dense Mapping of Complex Environments using Ground Robot with Panoramic LiDAR-Camera Fusion [10.438142938687326]
  本稿では,LiDAR-パノラマカメラスイートを備えた地上ロボットを用いて,複雑な未知環境の自律的セマンティック探索と密集的セマンティックターゲットマッピングを行うシステムを提案する。 そこで我々はまず,幾何的カバレッジと意味的視点の両方の観察を完遂するタスクを再定義し,その後,意味的視点と幾何学的視点を別々に管理し,局所的な視点を生成するための新たな優先順位駆動型デカップリング型局所サンプリングを提案する。 さらに,ロボットの安全性を確保しつつ,積極的な探索行動を可能にする安全な攻撃的探索状態マシンを提案する。
  論文  参考訳（メタデータ） (2025-05-28T21:27:32Z)
• Corner-Grasp: Multi-Action Grasp Detection and Active Gripper Adaptation for Grasping in Cluttered Environments [0.3565151496245486]
  本研究では, 散在したビンピッキング環境において, 効果的に把握する手法を提案する。 我々は吸引と指の握りを併用した多機能グリップを用いた。 また,グリップハードウェアと周辺環境との衝突を最小限に抑えるために,アクティブグリップの適応戦略を提案する。
  論文  参考訳（メタデータ） (2025-04-02T16:12:28Z)
• LEAP-VO: Long-term Effective Any Point Tracking for Visual Odometry [53.5449912019877]
  本稿では,LEAP(Long-term Effective Any Point Tracking)モジュールについて述べる。 LEAPは、動的トラック推定のために、視覚的、トラック間、時間的キューと慎重に選択されたアンカーを革新的に組み合わせている。 これらの特徴に基づき,強靭な視力計測システムLEAP-VOを開発した。
  論文  参考訳（メタデータ） (2024-01-03T18:57:27Z)
• ZoomNeXt: A Unified Collaborative Pyramid Network for Camouflaged Object Detection [70.11264880907652]
  最近のオブジェクト(COD)は、現実のシナリオでは極めて複雑で難しい、視覚的にブレンドされたオブジェクトを周囲に分割しようと試みている。 本研究では,不明瞭な画像を観察したり,ズームインしたりアウトしたりする際の人間の行動を模倣する,効果的な統合協調ピラミッドネットワークを提案する。 我々のフレームワークは、画像とビデオのCODベンチマークにおいて、既存の最先端の手法を一貫して上回っている。
  論文  参考訳（メタデータ） (2023-10-31T06:11:23Z)

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。