論文の概要: Coverage First Next Best View for Inspection of Cluttered Pipe Networks Using Mobile Manipulators

• arxiv url: http://arxiv.org/abs/2603.16471v1
• Date: Tue, 17 Mar 2026 12:59:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-21 18:33:56.906132
• Title: Coverage First Next Best View for Inspection of Cluttered Pipe Networks Using Mobile Manipulators
• Title（参考訳）: 移動マニピュレータを用いた断裂管網検査のための第1報
• Authors: Joshua Raymond Bettles, Jiaxu Wu, Bruno Vilhena Adorno, Joaquin Carrasco, Atsushi Yamashita,
• Abstract要約: 放射能領域のロボット検査により、オペレーターは危険環境から除去できる。 これらのシステムは、未知の環境を自律的に再構築し、その表面をカバーしなければならない。 我々は,環境の同時探索と活用を可能にする,次世代の視点に基づく新しい計画手法を提案する。
• 参考スコア（独自算出の注目度）: 3.0472973584577923
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robotic inspection of radioactive areas enables operators to be removed from hazardous environments; however, planning and operating in confined, cluttered environments remain challenging. These systems must autonomously reconstruct the unknown environment and cover its surfaces, whilst estimating and avoiding collisions with objects in the environment. In this paper, we propose a new planning approach based on next-best-view that enables simultaneous exploration and exploitation of the environment by reformulating the coverage path planning problem in terms of information gain. To handle obstacle avoidance under uncertainty, we extend the vector-field-inequalities framework to explicitly account for stochastic measurements of geometric primitives in the environment via chance constraints in a constrained optimal control law. The stochastic constraints were evaluated experimentally alongside the planner on a mobile manipulator in a confined environment to inspect a pipe network. These experiments demonstrate that the system can autonomously plan and execute inspection and coverage paths to reconstruct and fully cover the simplified pipe network. Moreover, the system successfully estimated geometric primitives online and avoided collisions during motion between viewpoints.
• Abstract（参考訳）: 放射性領域のロボットによる検査により、オペレーターは危険な環境から取り除くことができるが、制限された環境下での計画と運用は依然として困難である。 これらのシステムは、未知の環境を自律的に再構築し、その表面をカバーし、環境内の物体との衝突を推定し回避しなければならない。 本稿では,情報ゲインの観点からカバレッジパス計画問題を修正し,環境の同時探索と活用を可能にする次世代視点に基づく新しい計画手法を提案する。 不確実性の下での障害物回避に対処するため、ベクトル場不等式フレームワークを拡張し、制約された最適制御法において、環境中の幾何的プリミティブの確率的測定を明示的に考慮する。 管網を検査するために, 移動マニピュレータのプランナとともに, 拘束環境下で確率的制約を実験的に評価した。 これらの実験により, 簡易パイプネットワークを再構築し, 全面的に網羅する点検・カバーパスを自律的に計画し, 実施できることが実証された。 さらに,オンライン上での幾何学的プリミティブの推定に成功し,視点間の衝突を回避した。

関連論文リスト

• Verification of Visual Controllers via Compositional Geometric Transformations [49.81690518952909]
  到達可能な集合の外部近似を生成できる知覚ベースのコントローラのための新しい検証フレームワークを提案する。 提案手法の音質を理論的に保証し,ベンチマーク制御環境における有効性を示す。
  論文  参考訳（メタデータ） (2025-07-06T20:22:58Z)
• Unlocking Smarter Device Control: Foresighted Planning with a World Model-Driven Code Execution Approach [82.27842884709378]
  本研究では,自然言語理解と構造化推論を優先し,エージェントの環境に対するグローバルな理解を高める枠組みを提案する。 本手法は,従来の手法,特にタスク成功率の44.4%向上を達成している。
  論文  参考訳（メタデータ） (2025-05-22T09:08:47Z)
• 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)
• OOSTraj: Out-of-Sight Trajectory Prediction With Vision-Positioning Denoising [49.86409475232849]
  軌道予測はコンピュータビジョンと自律運転の基本である。 この分野における既存のアプローチは、しばしば正確で完全な観測データを仮定する。 本稿では,視覚的位置決め技術を利用した視線外軌道予測手法を提案する。
  論文  参考訳（メタデータ） (2024-04-02T18:30:29Z)
• 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)
• In-Distribution Barrier Functions: Self-Supervised Policy Filters that Avoid Out-of-Distribution States [84.24300005271185]
  本稿では,任意の参照ポリシーをラップした制御フィルタを提案する。 本手法は、トップダウンとエゴセントリックの両方のビュー設定を含むシミュレーション環境における2つの異なるビズモータ制御タスクに有効である。
  論文  参考訳（メタデータ） (2023-01-27T22:28:19Z)
• Robot Active Neural Sensing and Planning in Unknown Cluttered Environments [0.0]
  未知の乱雑な環境でのアクティブなセンシングと計画は、ホームサービス、探索と救助、狭い通行検査、医療支援を提供するロボットにとって、オープンな課題である。 本研究は,ロボットマニピュレータの動力学的に実現可能な視点列を手動カメラで生成し,基礎環境の再構築に必要な観測回数を最小化するための能動型ニューラルセンシング手法を提案する。 我々のフレームワークは視覚的RGBD観測を積極的に収集し、それらをシーン表現に集約し、環境との不要なロボットの相互作用を避けるためにオブジェクト形状推論を行う。
  論文  参考訳（メタデータ） (2022-08-23T16:56:54Z)
• 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。