論文の概要: Neural Radiance Maps for Extraterrestrial Navigation and Path Planning

• arxiv url: http://arxiv.org/abs/2603.17236v1
• Date: Wed, 18 Mar 2026 00:39:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-19 18:32:57.459136
• Title: Neural Radiance Maps for Extraterrestrial Navigation and Path Planning
• Title（参考訳）: 地球外航法と経路計画のためのニューラルラジアンスマップ
• Authors: Adam Dai, Shubh Gupta, Grace Gao,
• Abstract要約: 現在のローバーの自律性は、オンボードの再計画のために簡単に構築および保存できるグローバルマップの欠如によって制限されている。 NeRFは、スパース2D画像からトレーニングし、効率的に保存できる詳細な3Dシーン表現として導入されている。 我々は、NeRFを用いて、自律ナビゲーションにおけるオンライン利用のためのマップを構築することを提案し、NeRFマップを利用してローカル情報とグローバル情報を統合する計画フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.6211484563861966
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous vehicles such as the Mars rovers currently lead the vanguard of surface exploration on extraterrestrial planets and moons. In order to accelerate the pace of exploration and science objectives, it is critical to plan safe and efficient paths for these vehicles. However, current rover autonomy is limited by a lack of global maps which can be easily constructed and stored for onboard re-planning. Recently, Neural Radiance Fields (NeRFs) have been introduced as a detailed 3D scene representation which can be trained from sparse 2D images and efficiently stored. We propose to use NeRFs to construct maps for online use in autonomous navigation, and present a planning framework which leverages the NeRF map to integrate local and global information. Our approach interpolates local cost observations across global regions using kernel ridge regression over terrain features extracted from the NeRF map, allowing the rover to re-route itself around untraversable areas discovered during online operation. We validate our approach in high-fidelity simulation and demonstrate lower cost and higher percentage success rate path planning compared to various baselines.
• Abstract（参考訳）: 火星探査機のような自律型車両は、現在、地球外惑星や月の表面探査の先駆けとなっている。 探索と科学の目的のペースを加速するためには、これらの車両の安全かつ効率的な経路を計画することが不可欠である。 しかし、現在のローバーの自律性は、オンボード再計画のために簡単に構築および保存できるグローバルマップの欠如によって制限されている。 近年,ニューラルレージアンス場 (NeRF) は,スパース2次元画像からトレーニングし,効率よく保存できる詳細な3次元シーン表現として導入されている。 我々は、NeRFを用いて、自律ナビゲーションにおけるオンライン利用のためのマップを構築することを提案し、NeRFマップを利用してローカル情報とグローバル情報を統合する計画フレームワークを提案する。 提案手法は,NeRFマップから抽出した地形特性に対するカーネルリッジ回帰を用いて,地球規模での局地的コスト観測を補間する。 提案手法を高忠実度シミュレーションで検証し,各種ベースラインと比較して低コストかつ高い成功率パス計画を示す。

関連論文リスト

• High-fidelity 3D reconstruction for planetary exploration [0.15749416770494704]
  本研究は、惑星ロボットのための統一環境再構築パイプラインへの放射場に基づく手法の統合について検討する。 我々のシステムはNerfstudioおよびCOLMAPフレームワークとROS2互換のワークフローを組み合わせることで、ロスバグ記録から直接ローバーデータを処理できる。 結果として得られたパイプラインは、惑星探査における幾何学的表現と神経的表現のギャップを埋める、放射場に基づくマッピングに関する将来の研究の基礎を確立した。
  論文  参考訳（メタデータ） (2026-02-14T22:07:03Z)
• SuperEx: Enhancing Indoor Mapping and Exploration using Non-Line-of-Sight Perception [4.882290104560518]
  本研究では,ロボット探査に非視線センシング(NLOS)を導入している。 我々は、隠れた物体の存在をエンコードする飛行時間ヒストグラムをキャプチャする単一光子LiDARを利用する。 我々は,NLOSセンシングを直接地図探索ループに統合するフレームワークであるSuperExを紹介する。
  論文  参考訳（メタデータ） (2025-10-12T08:52:20Z)
• Bayesian-Driven Graph Reasoning for Active Radio Map Construction [96.08082552413117]
  本稿では,経路ナビゲーションに適したグラフベースの推論を明示的に活用する不確実性を考慮した無線地図再構成フレームワークを提案する。 提案手法は,(1)空間的不確実性をリアルタイムで推定するベイズニューラルネットワーク,(2)グローバル推論を行う注意に基づく強化学習ポリシの2つの重要な深層学習要素を統合した。 実験の結果,URAMは既存のベースラインよりも最大で34%の精度で復元できることがわかった。
  論文  参考訳（メタデータ） (2025-07-29T03:32:01Z)
• FrontierNet: Learning Visual Cues to Explore [54.8265603996238]
  この研究は、3Dマップからゴールポーズを抽出する制限に対処するため、効率的な自律探索に2Dビジュアルキューを活用することを目的としている。 本稿では、FrontierNetをコアコンポーネントとする、視覚のみのフロンティアベースの探索システムを提案する。 提案手法は,既存の3次元目標抽出手法に代わるもので,早期探索効率の15%向上を実現している。
  論文  参考訳（メタデータ） (2025-01-08T16:25:32Z)
• Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
  本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。 本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。 我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
  論文  参考訳（メタデータ） (2024-10-10T10:10:03Z)
• Solving Occlusion in Terrain Mapping with Neural Networks [7.703348666813963]
  本研究では,実世界のデータに基づいて,地上情報を必要としない自己教師付き学習手法を提案する。 私たちのニューラルネットワークは、自律的な地上ロボットに適したサンプリングレートで、CPUとGPUの両方でリアルタイムで実行できます。
  論文  参考訳（メタデータ） (2021-09-15T08:30:16Z)
• Large-scale Autonomous Flight with Real-time Semantic SLAM under Dense Forest Canopy [48.51396198176273]
  本研究では,大規模自律飛行とリアルタイムセマンティックマッピングを,挑戦的なアンダーキャノピー環境下で実現可能な統合システムを提案する。 我々は、スキャン全体で関連付けられ、木のトランクモデルと同様にロボットのポーズを制約するために使用されるLiDARデータから、木の幹と地面の平面を検出し、モデル化する。 ドリフト補償機構は、プランナー最適性とコントローラ安定性を維持しつつ、セマンティックSLAM出力を用いたドリフトをリアルタイムで最小化するように設計されている。
  論文  参考訳（メタデータ） (2021-09-14T07:24:53Z)
• 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。