論文の概要: Neural Distance-Guided Path Integral Control for Tractor-Trailer Navigation
- arxiv url: http://arxiv.org/abs/2605.09939v1
- Date: Mon, 11 May 2026 03:39:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-12 23:28:50.49966
- Title: Neural Distance-Guided Path Integral Control for Tractor-Trailer Navigation
- Title（参考訳）: トラクタ・トレーラナビゲーションのためのニューラル距離誘導経路積分制御
- Authors: Peng Wei, Chen Peng, Stavros Vougioukas,
- Abstract要約: 本稿では,全トラクタ・トレーラ本体と生のLiDAR知覚との間の高速かつ正確な距離推定を実現する幾何学的ニューラルエンコーダを提案する。
これらの学習した距離はモデル予測パス積分(MPPI)コントローラに統合され、システムは真の調音幾何学を直接コスト評価に組み込むことができる。
- 参考スコア（独自算出の注目度）: 12.182908126592153
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Autonomous and safe navigation of tractor-trailer systems requires accurate, real-time collision avoidance and dynamically feasible control, particularly in cluttered and complex agricultural environments. This is challenging due to their articulated, deformable geometries and nonlinear dynamics. Traditional methods oversimplify vehicle geometry or rely on precomputed distance fields that assume a known map, limiting their applicability in dynamic, partially unknown environments. To address these limitations, we propose a geometric neural encoder that provides fast and accurate distance estimates between the full tractor-trailer body and raw LiDAR perception, enabling real-time, map-free geometric reasoning. These learned distances are integrated into a Model Predictive Path Integral (MPPI) controller, allowing the system to incorporate true articulated geometry directly into its cost evaluation and enabling more responsive navigation in challenging agricultural settings. Simulation results demonstrate that the proposed framework generates dynamically feasible and safe trajectories for navigating tractor-trailer systems in cluttered and complex environments.
- Abstract（参考訳）: トラクター・トレーラーシステムの自律的で安全なナビゲーションには、特に散らばった複雑な農業環境において、正確なリアルタイム衝突回避と動的に実現可能な制御が必要である。
これは、明瞭で変形可能な幾何学と非線形力学のためである。
従来の手法では、車両の形状を単純化したり、既知の地図を仮定する計算済み距離場に依存したりし、ダイナミックで部分的に未知の環境での適用性を制限する。
これらの制約に対処するために,フルトラクタ・トレーラ本体と生のLiDAR知覚との高速かつ正確な距離推定が可能な幾何学的ニューラルエンコーダを提案する。
これらの学習された距離はモデル予測経路積分(MPPI)コントローラに統合され、システムは真の調音幾何学を直接コスト評価に組み込むことができ、農業環境に挑戦する際のより応答性の高いナビゲーションを可能にする。
シミュレーションの結果, 複雑な環境下でのトラクタ・トレーラシステムの走行に, 動的に実現可能かつ安全な軌道を生成することが示唆された。
関連論文リスト
- Physics-Informed Reinforcement Learning of Spatial Density Velocity Potentials for Map-Free Racing [73.88859384645264]
Out-Of-Distribution (OOD) の様々なレーストラックへの一般化は、機械学習(ML)を用いて、エンドツーエンド制御のためのセンサデータと車両アクチュエーターの間の数学的関係を符号化する。
本稿では,非幾何学的,物理インフォームド報酬を用いた深度測定のスペクトル分布から非線形車両動特性をパラメータ化して,ニューラルネットワーク(ANN)による車両の時間最適・乗換レース制御を推定するDRL法を提案する。
このポリシーは、経験的なパセジカタイヤモデルに似たタイヤのダイナミックスで摩擦円を最大化することで、OODトラックの12%で人間のデモより優れています。
論文 参考訳（メタデータ） (2026-04-10T17:12:07Z) - Vision-Guided MPPI for Agile Drone Racing: Navigating Arbitrary Gate Poses via Neural Signed Distance Fields [8.66703842496129]
ドローンレースには、極端なアジリティの下での認識、計画、制御の緊密な結合が必要です。
近年のアプローチは、事前計算された空間基準軌道や明示的な6-DoFゲートポーズ推定に依存している。
そこで我々は,任意の配置と配向ゲートを介して,参照不要のアジャイル飛行を可能にするビジョンガイド付き最適制御フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-07T13:18:07Z) - Dual-quaternion learning control for autonomous vehicle trajectory tracking with safety guarantees [39.146761527401424]
運動を運動論的に記述できる自律型ロボットプラットフォームのための学習型軌道追跡制御器を提案する。
コントローラは二重四元数フレームワークで定式化され、角速度と直線速度の直接の指令を仮定して速度レベルで動作する。
論文 参考訳（メタデータ） (2026-01-06T15:30:02Z) - Multi-Waypoint Path Planning and Motion Control for Non-holonomic Mobile Robots in Agricultural Applications [0.0]
無人移動ロボットは、非構造農業環境をナビゲートできるという需要が高まっている。
草地における雑草制御のようなタスクは、順序のない座標の集合を通して効率的な経路計画を必要とする。
本稿では,Dubins Traveling Salesman問題に基づくグローバルパスプランナを組み合わせた統合ナビゲーションフレームワークを提案する。
論文 参考訳（メタデータ） (2025-07-31T08:56:24Z) - 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) - GeoDrive: 3D Geometry-Informed Driving World Model with Precise Action Control [50.67481583744243]
実世界モデルにロバストな3次元形状条件を明示的に統合したGeoDriveを紹介する。
車両の位置を編集することでレンダリングを強化するため,トレーニング中の動的編集モジュールを提案する。
動作精度と空間認識の両面で既存のモデルよりも優れていた。
論文 参考訳（メタデータ） (2025-05-28T14:46:51Z) - Multi-Modal Fusion Transformer for End-to-End Autonomous Driving [59.60483620730437]
画像表現とLiDAR表現を注目で統合する,新しいマルチモードフュージョントランスフォーマであるTransFuserを提案する。
本手法は, 衝突を76%低減しつつ, 最先端駆動性能を実現する。
論文 参考訳（メタデータ） (2021-04-19T11:48:13Z) - Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for
Online Collision Avoidance [95.86944752753564]
本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。
我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。
本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
論文 参考訳（メタデータ） (2020-07-28T07:34:30Z)
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。