論文の概要: Decentralized Heterogeneous Multi-Robot Collaborative Exploration for Indoor and Outdoor 3D Environments
- arxiv url: http://arxiv.org/abs/2604.23693v1
- Date: Sun, 26 Apr 2026 13:16:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-28 17:12:07.502905
- Title: Decentralized Heterogeneous Multi-Robot Collaborative Exploration for Indoor and Outdoor 3D Environments
- Title（参考訳）: 室内・屋外3次元環境のための分散異種多ロボット協調探査
- Authors: Yuxiang Li, Kun Chen, Jiancheng Wang, Shihao Fang, Haoyao Chen, Yunhui Liu,
- Abstract要約: 本稿では,異種マルチロボットシステムのための分散協調フレームワークを提案する。
このフレームワークは、異種ロボット間の探索作業を調整し、優れた探索効率と通信節約を実現する。
- 参考スコア（独自算出の注目度）: 11.81511178687002
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Heterogeneous multi-robot systems feature significant adaptability for complex environments. However, effective collaboration that fully exploits the robots' potential remains a core challenge. This paper proposes a decentralized collaborative framework for heterogeneous multi-robot systems to autonomously explore indoor and outdoor 3D environments. First, a basic perception map that integrates terrain and observation metrics is designed. Improved supervoxel segmentation is developed to simplify the map structure and form a high-level representation that supports lightweight communication. Second, the traversal and observation capabilities of heterogeneous robots are modeled to evaluate the requirements of task views derived from incomplete supervoxels. These task views are grouped by requirements and clustered to streamline assignment. Subsequently, the view-cluster assignment is formulated as a heterogeneous multi-depot multi-traveling salesman problem (HMDMTSP) that incorporates constraints between view-cluster requirements and robot capabilities. An improved genetic algorithm is developed to efficiently solve this problem while ensuring global consistency. Based on the assignments, redundant views within clusters are eliminated to refine exploration routes. Finally, conflicts between robots' motion paths are resolved. Simulations and field experiments in cluttered indoor and outdoor environments demonstrate that our approach effectively coordinates exploration tasks among heterogeneous robots, achieving superior exploration efficiency and communication savings compared to state-of-the-art approaches.
- Abstract（参考訳）: 不均一なマルチロボットシステムは複雑な環境に対して大きな適応性を持つ。
しかし、ロボットの可能性を完全に活用する効果的なコラボレーションは、依然として中核的な課題である。
本稿では,室内および屋外の3次元環境を自律的に探索する異種マルチロボットシステムのための分散協調フレームワークを提案する。
まず、地形と観測指標を統合する基本的な知覚マップを設計する。
改良されたスーパーボクセルセグメンテーションは、マップ構造を単純化し、軽量通信をサポートするハイレベルな表現を形成するために開発された。
第2に、不完全なスーパーボクセルから派生したタスクビューの要求を評価するために、異種ロボットのトラバースと観測能力をモデル化する。
これらのタスクビューは要件によってグループ化され、割り当てを合理化するためにクラスタ化される。
その後、ビュークラスタ割り当ては、ビュークラスタ要求とロボット能力の制約を組み込んだ異種多地点マルチトレーディングセールスマン問題(HMDMTSP)として定式化される。
グローバルな一貫性を確保しつつ、この問題を効率的に解決する改良された遺伝的アルゴリズムを開発した。
割り当てに基づいて、クラスタ内の冗長なビューを排除し、探索ルートを洗練する。
最後に、ロボットの運動経路間の衝突を解消する。
室内と屋外の混在環境におけるシミュレーションとフィールド実験により, 異種ロボット間の探索作業を効果的にコーディネートし, 探索効率, 通信省力化を実現した。
関連論文リスト
- Line-of-Sight-Constrained Multi-Robot Mapless Navigation via Polygonal Visible Regions [34.42294321573021]
本稿では,未知の障害物を持つマルチロボットナビゲーションにおけるライン・オブ・ビュー(LoS)接続性維持問題について検討する。
本稿では,各ロボットがリアルタイムLiDARスキャンに基づいて,自我中心の可視領域のみを構築するという,本質的に分散したアプローチを提案する。
その結果,障害物が散らばった環境においてロボット間のLoS接続性を確実に維持できることが示唆された。
論文 参考訳（メタデータ） (2026-03-27T11:33:25Z) - CHORAL: Traversal-Aware Planning for Safe and Efficient Heterogeneous Multi-Robot Routing [4.3992789649203194]
自律ロボットによる大規模で未知の複雑な環境のモニタリングは、重要なナビゲーション課題を引き起こす。
異種ロボットの協調のための統合意味認識フレームワークを提案する。
シミュレーション実験と3つのロボットプラットフォームを用いた実際の検査ミッションにより,本手法の有効性が実証された。
論文 参考訳（メタデータ） (2026-01-15T12:34:22Z) - Generalizable Geometric Prior and Recurrent Spiking Feature Learning for Humanoid Robot Manipulation [90.90219129619344]
本稿では,スパイキング機能を備えたR-prior-S, Recurrent Geometric-priormodal Policyを提案する。
物理的現実の高レベル推論を基礎として、軽量な2次元幾何学的帰納バイアスを利用する。
ロボット行動生成におけるデータ効率問題に対して,再帰的適応スパイクネットワークを導入する。
論文 参考訳（メタデータ） (2026-01-13T23:36:30Z) - Decentralized Vision-Based Autonomous Aerial Wildlife Monitoring [55.159556673975544]
野生生物モニタリングのための分散視覚に基づくマルチクワッドロータシステムを提案する。
我々のアプローチは、その自然生息地における大型種のロバスト同定と追跡を可能にする。
論文 参考訳（メタデータ） (2025-08-20T20:05:05Z) - Humanoid Occupancy: Enabling A Generalized Multimodal Occupancy Perception System on Humanoid Robots [50.0783429451902]
ヒューマノイドロボット技術は急速に進歩しており、メーカーは特定のシナリオに合わせて様々な視覚認識モジュールを導入している。
総合的な環境理解に不可欠なリッチなセマンティック情報と3D幾何学情報の両方を提供するため、占有率に基づく表現はヒューマノイドロボットに特に適していると広く認識されている。
本稿では,ハードウェアとソフトウェアコンポーネントを統合した汎用マルチモーダル占有認識システムであるHumanoid Occupancy,データ取得装置,専用のアノテーションパイプラインを提案する。
論文 参考訳（メタデータ） (2025-07-27T10:47:00Z) - SPACE: 3D Spatial Co-operation and Exploration Framework for Robust Mapping and Coverage with Multi-Robot Systems [0.0]
マルチロボット・ヴィジュアル(RGB-D)マッピングと探索は、国内サービスやロジスティクスといった分野への応用にとって大きな可能性を秘めている。
主な課題は,(1)ロボットの視点の重なりによる「ゴースト・トレイル」効果,(2)探索のための最も効果的なフロンティアを選択する際の視覚再建の監督である。
室内環境における空間協調のための半分散型フレームワーク(SPACE)を提案する。
論文 参考訳（メタデータ） (2024-11-04T19:04:09Z) - CoPeD-Advancing Multi-Robot Collaborative Perception: A Comprehensive Dataset in Real-World Environments [8.177157078744571]
本稿では,先駆的で包括的な実世界のマルチロボット協調認識データセットを提案する。
生のセンサー入力、ポーズ推定、オプションのハイレベル認識アノテーションが特徴である。
この研究は、マルチロボット設定におけるマルチモーダル協調認識を通して、ハイレベルなシーン理解の潜在的研究を解き放つだろうと考えている。
論文 参考訳（メタデータ） (2024-05-23T15:59:48Z) - Active Visual Localization for Multi-Agent Collaboration: A Data-Driven Approach [47.373245682678515]
本研究は、視点変化の課題を克服するために、アクティブな視覚的ローカライゼーションをどのように利用できるかを検討する。
具体的には、与えられた場所における最適な視点を選択する問題に焦点をあてる。
その結果,既存の手法と比較して,データ駆動方式の方が優れた性能を示した。
論文 参考訳（メタデータ） (2023-10-04T08:18:30Z) - Scalable Multi-Robot System for Non-myopic Spatial Sampling [9.37678298330157]
本稿では,空間場の非一様サンプリングのためのスケーラブルな分散マルチロボット計画アルゴリズムを提案する。
我々は,複数のロボット間のコミュニケーションがチーム全体のサンプリング性能に与える影響を,独立して分析する。
論文 参考訳（メタデータ） (2021-05-20T20:30:10Z) - Simultaneous Navigation and Construction Benchmarking Environments [73.0706832393065]
モバイル構築のためのインテリジェントなロボット、環境をナビゲートし、幾何学的設計に従ってその構造を変更するプロセスが必要です。
このタスクでは、ロボットのビジョンと学習の大きな課題は、GPSなしでデザインを正確に達成する方法です。
我々は,手工芸政策の性能を,基礎的なローカライゼーションと計画,最先端の深層強化学習手法を用いて評価した。
論文 参考訳（メタデータ） (2021-03-31T00:05:54Z)
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。