論文の概要: Above and Below: Heterogeneous Multi-robot SLAM Across Surface and Underwater Domains

• arxiv url: http://arxiv.org/abs/2605.09811v1
• Date: Sun, 10 May 2026 23:21:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:50.430154
• Title: Above and Below: Heterogeneous Multi-robot SLAM Across Surface and Underwater Domains
• Title（参考訳）: 表層および下層部における不均一なマルチロボットSLAM
• Authors: John McConnell, Armon Shariati, Paul Szenher, Yaxuan Li,
• Abstract要約: この研究は、USVとAUVデータ間のロボット間SLAMループ閉鎖に関する最近の研究に基づいている。 各ロボットは状態推定を行い、各AUVデータとUSVデータ間のループ閉鎖を検出する。 これらのロボット間ループ閉鎖は、各ロボットの状態推定値を中央集権グラフにマージし、USVの全時間履歴とシステム内のすべてのAUVを推定する。
• 参考スコア（独自算出の注目度）: 2.48178309506486
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-robot simultaneous localization and mapping (SLAM) is a fundamental task in multi-robot operations. Robots must have a common understanding of their location and that of their team members to complete coordinated actions. However, multi-robot SLAM between Uncrewed Surface Vessels (USVs) and Autonomous Underwater Vehicles (AUVs) has primarily been achieved through acoustic pinging between robots to retrieve range measurements; a measurement technique requires that robots to be in similar locations simultaneously, have an uninterrupted path for signal propagation, and may necessitate synchronized clocks. This is especially challenging in complex, cluttered maritime environments, where structures may impede signals. However, these same structures may be observable above and below the water's surface, presenting an opportunity for inter-robot SLAM loop closure between USV and AUV data streams. This work builds upon recent research on inter-robot SLAM loop closure between USV and AUV data, extending it to propose a centralized multi-robot SLAM system. Each robot performs its state estimation, and we detect loop closures between each AUV and the USV data. These inter-robot loop closures are used to merge each robot's state estimate into a centralized graph, yielding estimates for the whole time history of the USV and all AUVs in the system. Validation is performed using real-world perceptual data in three different environments. Results show improved errors for AUVs in the multi-robot SLAM system compared to single-robot SLAM over the same trajectories. To our knowledge, this is the first instance of a multi-robot SLAM system with AUVs and USVs built on loop closures rather than acoustic distance measurements.
• Abstract（参考訳）: マルチロボット同時ローカライゼーションとマッピング(SLAM)は,マルチロボット操作の基本課題である。 ロボットは、調整されたアクションを完了するために、自分の位置とチームメンバーの居場所を共通の理解を持っていなければならない。 しかし、無人表面容器(USVs)と自律水中車両(AUVs)のマルチロボットSLAMは、主に距離測定の取得のためにロボット間の音響ピンピングによって達成されている。 これは、複雑で散らばった海洋環境において特に困難であり、構造が信号を妨げる可能性がある。 しかし、これらの構造は水面の上下で観測可能であり、USVデータストリームとAUVデータストリームの間のロボット間SLAMループ閉鎖の機会を与える。 この研究は、USVとAUVデータ間のロボット間SLAMループ閉鎖に関する最近の研究に基づいており、集中型マルチロボットSLAMシステムを提案するために拡張されている。 各ロボットは状態推定を行い、各AUVデータとUSVデータ間のループ閉鎖を検出する。 これらのロボット間ループ閉鎖は、各ロボットの状態推定値を中央集権グラフにマージし、USVの全時間履歴とシステム内のすべてのAUVを推定する。 3つの異なる環境における実世界の知覚データを用いて検証を行う。 その結果,同一軌道上の単一ロボットSLAMと比較して,マルチロボットSLAMシステムにおけるAUVの誤差が改善された。 我々の知る限り、これは音響距離測定ではなくループクロージャ上にAUVとUSVを組み込んだマルチロボットSLAMシステムの最初の例である。

関連論文リスト

• RC-NF: Robot-Conditioned Normalizing Flow for Real-Time Anomaly Detection in Robotic Manipulation [68.7948300643741]
  ロボットの異常検出と介入をリアルタイムに監視するロボット・コンディションド・ノーマライゼーション・フロー(RC-NF)を提案する。 RC-NFは、正規化フロー内のタスク認識ロボットとオブジェクト状態の処理を分離する。 従来のロボットタスクの監視方法と比較して、あらゆる異常なタイプで最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2026-03-11T10:14:37Z)
• Markerless Robot Detection and 6D Pose Estimation for Multi-Agent SLAM [9.016715022913793]
  マルチロボットSLAMアプローチは、ローカライゼーション履歴と異なるオブザーバからのマップをマージするものであり、データアソシエーションの確立が困難である。 本稿では,Deep-Learningに基づく6次元ポーズ推定の最近の進歩を活用する新しい手法を提案する。 分散型マルチロボットSLAMシステムの一部としてマーカレスポーズ推定を特徴とし,ロボットチーム間の相対的な位置推定精度の利点を示す。
  論文  参考訳（メタデータ） (2026-02-18T09:38:06Z)
• Proximal Control of UAVs with Federated Learning for Human-Robot Collaborative Domains [3.1043493260209805]
  本研究では,Long Short-Term Memory (LSTM) Deep Neural Networks に基づく行動認識制御手法を提案する。 実際のロボットによる実験は96%以上の精度を達成した。
  論文  参考訳（メタデータ） (2024-12-03T21:57:04Z)
• Multi-Robot Relative Pose Estimation in SE(2) with Observability Analysis: A Comparison of Extended Kalman Filtering and Robust Pose Graph Optimization [1.0485739694839669]
  本研究では,相対的なポーズ推定の協調的局所化と可観測性分析に着目する。 ROS/Gazeboシミュレーションでは,4つのセンシング・通信構造について検討する。 ハードウェア実験では、UWBモジュールを備えた2つのTurtlebot3がロボット間の相対的なポーズ推定に使用される。
  論文  参考訳（メタデータ） (2024-01-27T06:09:56Z)
• Intelligent Trajectory Design for RIS-NOMA aided Multi-robot Communications [59.34642007625687]
  目的は,ロボットの軌道とNOMA復号命令を協調的に最適化することで,マルチロボットシステムにおける全軌道の総和率を最大化することである。 ARIMAモデルとDouble Deep Q-network (D$3$QN)アルゴリズムを組み合わせたML方式を提案する。
  論文  参考訳（メタデータ） (2022-05-03T17:14:47Z)
• SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
  我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。 モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。 リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。 ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
  論文  参考訳（メタデータ） (2021-08-03T02:56:21Z)
• Kimera-Multi: Robust, Distributed, Dense Metric-Semantic SLAM for Multi-Robot Systems [92.26462290867963]
  Kimera-Multiは、最初のマルチロボットシステムであり、不正なインターループとイントラロボットループの閉鎖を識別し拒否することができる。 我々は、フォトリアリスティックシミュレーション、SLAMベンチマークデータセット、地上ロボットを用いて収集された屋外データセットの挑戦において、Kimera-Multiを実証した。
  論文  参考訳（メタデータ） (2021-06-28T03:56:40Z)
• Domain and Modality Gaps for LiDAR-based Person Detection on Mobile Robots [91.01747068273666]
  本稿では,移動ロボットのシナリオに着目した既存のLiDAR人物検出装置について検討する。 実験は3Dと2D LiDARのセンサー間のモダリティのギャップだけでなく、運転と移動ロボットのシナリオ間の領域ギャップを回避している。 その結果、LiDARに基づく人物検出の実践的な洞察を与え、関連する移動ロボットの設計と応用に関する情報決定を容易にする。
  論文  参考訳（メタデータ） (2021-06-21T16:35:49Z)

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。