論文の概要: Variable-Resolution Virtual Maps for Autonomous Exploration with Unmanned Surface Vehicles (USVs)

• arxiv url: http://arxiv.org/abs/2603.22667v1
• Date: Tue, 24 Mar 2026 00:38:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.232112
• Title: Variable-Resolution Virtual Maps for Autonomous Exploration with Unmanned Surface Vehicles (USVs)
• Title（参考訳）: 無人表面車両(USV)による自律探査のための可変解像度仮想マップ
• Authors: Ye Li, Yewei Huang, Wenlong GaoZhang, Alberto Quattrini Li, Brendan Englot, Yuanchang Liu,
• Abstract要約: 海岸に近い海域では、自律型表面車両(USV)は、広範囲にわたる信頼性の高い位置決めと一貫したマッピングを必要としている。 仮想マップベースの手法は、地図の不確実性基準と密結合係数グラフSLAMによる局所化とマッピングの不確実性を明示的にモデル化する。 本稿では,地図の不確実性を表す計算効率の良い方法として,可変解仮想マップ(VRVM)を提案する。
• 参考スコア（独自算出の注目度）: 12.687661957286416
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autonomous exploration by unmanned surface vehicles (USVs) in near-shore waters requires reliable localisation and consistent mapping over extended areas, but this is challenged by GNSS degradation, environment-induced localisation uncertainty, and limited on-board computation. Virtual map-based methods explicitly model localisation and mapping uncertainty by tightly coupling factor-graph SLAM with a map uncertainty criterion. However, their storage and computational costs scale poorly with fixed-resolution workspace discretisations, leading to inefficiency in large near-shore environments. Moreover, overvaluing feature-sparse open-water regions can increase the risk of SLAM failure as a result of imbalance between exploration and exploitation. To address these limitations, we propose a Variable-Resolution Virtual Map (VRVM), a computationally efficient method for representing map uncertainty using bivariate Gaussian virtual landmarks placed in the cells of an adaptive quadtree. The adaptive quadtree enables an area-weighted uncertainty representation that keeps coarse, far-field virtual landmarks deliberately uncertain while allocating higher resolution to information-dense regions, and reduces the sensitivity of the map valuation to local refinements of the tree. An expectation-maximisation (EM) planner is adopted to evaluate pose and map uncertainty along frontiers using the VRVM, balancing exploration and exploitation. We evaluate VRVM against several state-of-the-art exploration algorithms in the VRX Gazebo simulator, using a realistic marina environment across different testing scenarios with an increasing level of exploration difficulty. The results indicate that our method offers safer behaviour and better utilisation of on-board computation in GNSS-degraded near-shore environments.
• Abstract（参考訳）: 近海における無人表面車両(USV)による自律探査は, 広範囲にわたる信頼性の高い局所化と一貫したマッピングを必要とするが, GNSS の劣化, 環境負荷による局所化の不確実性, オンボード計算の制限などにより, 問題となっている。 仮想マップベースの手法は、地図の不確実性基準と密結合係数グラフSLAMによる局所化とマッピングの不確実性を明示的にモデル化する。 しかし、そのストレージと計算コストは、固定解像度のワークスペースの判断で不十分にスケールし、大規模な沿岸環境では非効率になる。 さらに, 機能不足領域の過度評価は, 探査と利用の不均衡の結果, SLAM失敗のリスクを増大させる可能性がある。 これらの制約に対処するために,適応クアッドツリーのセルに配置されたガウス仮想ランドマークを用いて,マップの不確かさを表現する計算効率の良い方法である可変解仮想マップ(VRVM)を提案する。 適応クアッドツリーは、粗い、遠距離の仮想的ランドマークを意図的に不確実に保ちつつ、高分解能を情報密度領域に割り当てる領域重み付き不確実性表現を可能にし、地図評価の感度をツリーの局所的な精細化に還元する。 予測最大化(EM)プランナーが採用され、VRVMを使用してフロンティアに沿ってポーズを評価し、不確実性をマップし、探索とエクスプロイトのバランスをとる。 我々はVRX Gazeboシミュレータのいくつかの最先端探索アルゴリズムに対するVRVMの評価を行った。 提案手法は, GNSS の劣化した近海環境において, より安全な挙動と, オンボード計算の有効利用を提供することを示す。

関連論文リスト

• BayesSDF: Surface-Based Laplacian Uncertainty Estimation for 3D Geometry with Neural Signed Distance Fields [0.0]
  BayesSDFは神経暗黙の3次元表現における不確実性推定のための新しい確率的フレームワークである。 表面認識の不確実性定量化を可能にすることで、ベイズSDFはより堅牢で、解釈可能で、動作可能な3D知覚システムの基礎を定めている。
  論文  参考訳（メタデータ） (2025-07-08T03:21:12Z)
• Depth-Constrained ASV Navigation with Deep RL and Limited Sensing [43.785833390490446]
  本研究では,深度制約下でのASVナビゲーションのための強化学習フレームワークを提案する。 環境意識を高めるため,GPレグレッションをRLフレームワークに統合する。 我々は,実世界の水環境に対して,訓練された政策が適切に一般化されることを保証する効果的なシミュレート・トゥ・リアル・トランスファーを実証する。
  論文  参考訳（メタデータ） (2025-04-25T10:56:56Z)
• Efficient High-Resolution Visual Representation Learning with State Space Model for Human Pose Estimation [60.80423207808076]
  高解像度の視覚表現を維持しながら長距離依存関係をキャプチャすることは、人間のポーズ推定のような密集した予測タスクに不可欠である。 マルチスケールの畳み込み操作で視覚状態空間モデルを拡張する動的ビジュアル状態空間(DVSS)ブロックを提案する。 HRVMambaは効率的な高分解能表現学習のための新しいモデルである。
  論文  参考訳（メタデータ） (2024-10-04T06:19:29Z)
• Real-Time Stochastic Terrain Mapping and Processing for Autonomous Safe Landing [0.0]
  本稿では,新しいリアルタイムな惑星地形マッピングアルゴリズムを開発した。 サンプル点間の地形的不確実性や、スパース3次元測定による不確かさを考慮に入れている。
  論文  参考訳（メタデータ） (2024-09-14T05:12:14Z)
• Where Am I Now? Dynamically Finding Optimal Sensor States to Minimize Localization Uncertainty for a Perception-Denied Rover [13.564676246832544]
  認識密度の高いローバーは、障害物に満たされた経路に沿って位置や不確実性の測定に頼っている。 本研究では, ロボットの位置と不確実性を測定し, 障害物に満たされた経路に沿って位置を定め, 位置と不確かさを判断するシナリオを考察する。 ローバーの局所化不確実性を最小化する最適センサ状態を見つけるために、DyFOSは最適化探索に局在化不確実性予測パイプラインを使用する。
  論文  参考訳（メタデータ） (2022-11-30T04:05:36Z)
• Robust Monocular Localization in Sparse HD Maps Leveraging Multi-Task Uncertainty Estimation [28.35592701148056]
  スライドウインドウポーズグラフに基づく新しい単分子局在化手法を提案する。 効率的なマルチタスク不確実性認識モジュールを提案する。 我々の手法は、挑戦的な都市シナリオにおけるロバストで正確な6Dローカライズを可能にする。
  論文  参考訳（メタデータ） (2021-10-20T13:46:15Z)
• Bayesian Deep Learning for Segmentation for Autonomous Safe Planetary Landing [7.1581738936972]
  本稿では,ベイジアンディープラーニングセグメンテーション法のハザード検出への応用を提案する。 ベイジアンディープラーニングとセマンティックセグメンテーションを通じて、安全予測マップとその不確実性マップを同時に生成する。 実験は、Mars HiRISEデジタル地形モデルに基づくシミュレーションデータで示される。
  論文  参考訳（メタデータ） (2021-02-21T08:13:49Z)
• Localization Uncertainty Estimation for Anchor-Free Object Detection [48.931731695431374]
  アンカーベース物体検出のための既存の不確実性推定手法にはいくつかの制限がある。 アンカーフリー物体検出のためのUADと呼ばれる新しい位置推定不確実性推定手法を提案する。 本手法は,ボックスオフセットの4方向の不確かさを均一に捉え,どの方向が不確実であるかを判断する。
  論文  参考訳（メタデータ） (2020-06-28T13:49:30Z)

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。