論文の概要: Visibility-Aware Mobile Grasping in Dynamic Environments
- arxiv url: http://arxiv.org/abs/2605.02487v1
- Date: Mon, 04 May 2026 11:41:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-05 20:33:50.261414
- Title: Visibility-Aware Mobile Grasping in Dynamic Environments
- Title（参考訳）: 動的環境における可視性を考慮したモバイルグラッピング
- Authors: Tianrun Hu, Anxing Xiao, David Hsu, Hanbo Zhang,
- Abstract要約: 本稿では,動的で未知の環境での移動的把握の問題に対処する。
本稿では,2つのコアコンポーネントからなるモバイル・グルーピング・システムを提案する。
その結果, 未知の静的・動的環境において, 68.8%, 58.0%の成功率が得られた。
- 参考スコア（独自算出の注目度）: 17.682256810079455
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper addresses the problem of mobile grasping in dynamic, unknown environments where a robot must operate under a limited field-of-view. The fundamental challenge is the inherent trade-off between ``seeing'' around to reduce environmental uncertainty and ``moving'' the body to achieve task progress in a high-dimensional configuration space, subject to visibility constraints. Previous approaches often assume known or static environments and decouple these objectives, failing to guarantee safety when unobserved dynamic obstacles intersect the robot's path during manipulation. In this paper, we propose a unified mobile grasping system comprising two core components: (1) an iterative low-level whole-body planner coupled with velocity-aware active perception to navigate dynamic environments safely; and (2) a hierarchical high-level planner based on behavior trees that adaptively generates subgoals to guide the robot through exploration and runtime failures. We provide experimental results across 400 randomized simulation scenarios and real-world deployment on a Fetch mobile manipulator. Results show that our system achieves a success rate of 68.8\% and 58.0\% in unknown static and dynamic environments, respectively, significantly boosting success rates by 22.8\% and 18.0\% over the \nam approach in both unknown static and dynamic environments, with improved collision safety.
- Abstract（参考訳）: 本稿では,ロボットが視野の限られた環境下で動作しなければならない,ダイナミックで未知の環境での移動的把握の問題に対処する。
根本的な課題は、環境の不確実性を減らそうとする‘seeing’と、高次元の設定空間におけるタスクの進行を達成するための‘moving’との間にある固有のトレードオフである。
従来のアプローチでは、既知の環境や静的な環境を仮定し、これらの目的を分離し、未観測の動的障害物が操作中にロボットの進路に干渉するときの安全性を保証することができない。
本稿では, 動的環境を安全にナビゲートするために, (1) 速度認識型アクティブな知覚と, (2) 探索と実行の失敗を通じてロボットを誘導するサブゴールを適応的に生成する行動木に基づく階層的なハイレベルプランナの2つのコアコンポーネントからなる, 統合された移動体把握システムを提案する。
Fetchモバイルマニピュレータ上で,400のランダム化シミュレーションシナリオと実世界展開に関する実験結果を提供する。
その結果, 未知の静的および動的環境において, 成功率68.8\%, 58.0\%を達成し, 未知の静的および動的環境において, 未知の静的および動的環境において, シャナムアプローチにおいて, 成功率22.8\%, 18.0\%を著しく向上し, 衝突安全性が向上した。
関連論文リスト
- Learn Weightlessness: Imitate Non-Self-Stabilizing Motions on Humanoid Robot [56.377161933570335]
人間は自然に非自己安定化(NSS)運動中に「無重力」状態を利用する。
この生物学的メカニズムに着想を得て,データセットのアノテーションに対する無重力自動ラベル方式を提案する。
我々の研究は、正確な軌道追跡と適応的な環境相互作用のギャップを埋め、接触リッチなヒューマノイド制御のための生物学的にインスパイアされたソリューションを提供する。
論文 参考訳（メタデータ） (2026-04-23T07:10:05Z) - Learning Smooth and Robust Space Robotic Manipulation of Dynamic Target via Inter-frame Correlation [12.529803316934176]
微小重力環境では、物体は通常自由浮遊であり、地球上で見られる支持や摩擦の制約が欠如している。
本稿では、歴史的時間的情報とフレーム間相関機構を統合したデータ駆動型宇宙ロボット操作手法を提案する。
論文 参考訳（メタデータ） (2026-03-29T06:27:30Z) - HAIC: Humanoid Agile Object Interaction Control via Dynamics-Aware World Model [56.4392302336014]
本稿では,外部状態推定を伴わない多種多様なオブジェクトダイナミクス間のロバストな相互作用のためのフレームワークであるHAICを提案する。
我々の重要な貢献は、主観的歴史のみから高次対象状態(速度、加速度)を推定するダイナミクス予測器である。
ヒューマノイドロボットの実験では、HAICはアジャイルタスクで高い成功率を達成する。
論文 参考訳（メタデータ） (2026-02-12T09:34:35Z) - Safe mobility support system using crowd mapping and avoidance route planning using VLM [0.0]
本稿では,視覚言語モデル (VLM) とガウスプロセス回帰 (GPR) を統合し,動的群集密度マップを生成する新しいフレームワークを提案する。
大学キャンパスにおける実世界の実験による実験の結果、ロボットは静的障害物と動的群集の両方を避けるルートをうまく生成できた。
論文 参考訳（メタデータ） (2026-02-11T14:47:51Z) - SPOT: Spatio-Temporal Obstacle-free Trajectory Planning for UAVs in an Unknown Dynamic Environment [1.9181913148426697]
我々は、視覚に基づくセーフフライト・コリドール(SFC)世代と統合した4次元プランナーを開発した。
シミュレーションおよび実世界のハードウェア実験において,本手法を広範囲に検証し,最先端の手法と比較した。
論文 参考訳（メタデータ） (2026-02-01T12:24:12Z) - A General Purpose Method for Robotic Interception of Non-Cooperative Dynamic Targets [0.0]
本稿では,動的,非協調的対象の自律的,視覚に基づくインターセプションのための汎用的枠組みを提案する。
このアプローチは、ターゲット追跡のためのフィデューシャルを備えた単眼カメラにのみ依存し、ローカルなオブザーバフレームで完全に動作する。
シミュレーションおよび物理実験の結果は、低いインターセプション誤差で堅牢な性能を示す。
論文 参考訳（メタデータ） (2025-12-23T21:14:03Z) - IndustryNav: Exploring Spatial Reasoning of Embodied Agents in Dynamic Industrial Navigation [56.43007596544299]
IndustryNavは、アクティブな空間推論のための最初の動的産業用ナビゲーションベンチマークである。
9つの最先端のVisual Large Language Modelsの研究によると、クローズドソースモデルは一貫した優位性を維持している。
論文 参考訳（メタデータ） (2025-11-21T16:48:49Z) - NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。
グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。
我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
論文 参考訳（メタデータ） (2025-06-23T14:28:30Z) - Situationally-Aware Dynamics Learning [57.698553219660376]
隠れ状態表現のオンライン学習のための新しいフレームワークを提案する。
提案手法は、非観測パラメータが遷移力学と報酬構造の両方に与える影響を明示的にモデル化する。
シミュレーションと実世界の両方の実験は、データ効率、ポリシー性能、安全で適応的なナビゲーション戦略の出現を著しく改善した。
論文 参考訳（メタデータ） (2025-05-26T06:40:11Z) - DPMPC-Planner: A real-time UAV trajectory planning framework for complex
static environments with dynamic obstacles [0.9462808515258462]
安全なUAVナビゲーションは、複雑な環境構造、動的障害物、計測ノイズによる不確実性、予測不可能な移動障害物の挙動のために困難である。
本稿では,動的障害物を伴う複雑な静的環境を考慮した安全なナビゲーションを実現するための軌道計画フレームワークを提案する。
論文 参考訳（メタデータ） (2021-09-14T23:51:02Z)
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。