論文の概要: Multi-Floor Exploration for Ground Robots via an Incremental Reachable Graph and Structural Priors
- arxiv url: http://arxiv.org/abs/2605.23350v1
- Date: Fri, 22 May 2026 08:13:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-25 17:29:20.258578
- Title: Multi-Floor Exploration for Ground Robots via an Incremental Reachable Graph and Structural Priors
- Title（参考訳）: 増分到達可能なグラフによる地上ロボットのマルチフロア探査と構造優先
- Authors: Zhiwen Zhu, Jiaqi Chen, Xiangyi Huang, Meiqi Hu, Boyu Zhou,
- Abstract要約: 本稿では,インクリメンタルリーチブルグラフに基づくマルチフロア探索フレームワークを提案する。
リーチ可能なサポート面上のスパースグラフとして構築されたこのグラフは、潜在的に有効な接続性を保持する。
シミュレーションでは,評価ベースラインに比べて探索効率とマッピング完全性が改善された。
- 参考スコア（独自算出の注目度）: 19.688434395072914
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autonomous exploration of multi-floor buildings remains challenging for ground robots because conventional 2D and 2.5D maps cannot represent overlapping traversable surfaces such as stairs, ramps, and multiple reachable elevations. This letter presents a multi-floor exploration framework based on an incremental reachable graph. Built as a sparse graph over reachable support surfaces, the graph preserves potentially valid connectivity through tentative graph elements under sparse observations and enables stable, physically reachable frontier detection. To guide exploration beyond the currently mapped floor, we project task-zone priors from an explored floor to initialize a hypothetical graph on the target floor and reconcile it incrementally with incoming observations. A hierarchical planner then jointly reasons over confirmed and hypothetical structures for global guidance. In simulation, the proposed method demonstrates improved exploration efficiency and mapping completeness compared to evaluated baselines. Furthermore, onboard real-world experiments validate its practical feasibility and real-time performance.
- Abstract（参考訳）: 従来の2Dマップと2.5Dマップは、階段やランプ、複数の到達可能な標高といった、重なり合う表面を表現できないため、地上ロボットにとって、多層建物の自律的な探査は依然として困難である。
本稿では,インクリメンタルリーチブルグラフに基づくマルチフロア探索フレームワークを提案する。
到達可能な支持面上のスパースグラフとして構築されたこのグラフは、スパース観測の下で仮グラフ要素を通して潜在的に有効な接続性を保持し、安定で物理的に到達可能なフロンティア検出を可能にする。
本研究は,現在地図化されている床の向こう側を探索するために,探索された床からタスクゾーン先行を投影し,対象床の仮説図を初期化し,入ってくる観測と漸進的に調整する。
階層的なプランナーは、グローバルガイダンスのための確認された仮説的な構造について共同で理由を定めている。
シミュレーションでは,評価ベースラインに比べて探索効率とマッピング完全性が改善された。
さらに,実世界の実物実験により,実物の実現可能性と実物の性能が検証された。
関連論文リスト
- TravExplorer: Cross-Floor Embodied Exploration via Traversability-Aware 3-D Planning [17.54520943622758]
この記事では、クロスフロアで具体化された探索フレームワークであるTravExplorerを紹介します。
ゼロショットセマンティックガイダンスとトラバーサビリティを意識した3Dプランニングを結合する。
ユニツリーGo2の現実世界での50の試行は、シングルフロアとクロスフロアの屋内環境におけるオープンボキャブラリターゲット探索をさらに検証している。
論文 参考訳（メタデータ） (2026-05-19T15:11:29Z) - Hierarchical and Holistic Open-Vocabulary Functional 3D Scene Graphs for Indoor Spaces [116.57196064763924]
我々は、高密度テーブルトップオブジェクトと明示的なマルチレベル機能関係を導入することで、ベンチマークカバレッジを拡大する。
この研究は、小規模、高密度、および類似のインスタンスにかかわる重要な課題を提起する。
2次元視覚的グラウンドリングと3次元グラフ最適化に基づくオープン語彙パイプラインを提案する。
論文 参考訳（メタデータ） (2026-05-15T09:14:50Z) - GATA2Floor: Graph attention for floor counting in street-view facades [21.78202670532642]
それぞれのファサードを、エッジに垂直に先行したウィンドウ/ドア検出のグラフとしてモデル化する。
GATA2Floorは,建物のグローバルフロア数を予測するマルチヘッドグラフアテンションv2(GATv2)ベースのモデルである。
ラベル付きデータセットの欠如を軽減するために,提案したグラフベースの推論がアノテーションなしで適用可能であることを示す。
論文 参考訳（メタデータ） (2026-05-12T09:45:24Z) - FlatLands: Generative Floormap Completion From a Single Egocentric View [24.890782171333246]
単一ビューの鳥眼ビュー(BEV)フロアコンプリートのためのデータセットとベンチマークであるFlatLandsを紹介した。
データセットには、既存の6つのデータセットから描かれた17,656の屋内シーンからの270,575の観測が含まれている。
論文 参考訳（メタデータ） (2026-03-16T23:50:16Z) - Seeing Where to Deploy: Metric RGB-Based Traversability Analysis for Aerial-to-Ground Hidden Space Inspection [48.120690574682875]
本稿では,RGBを用いた幾何学的意味的再構成と,空中から地上への隠れ空間検査のためのトラベル可能性解析フレームワークを提案する。
テザリングされたUAV-UGVプラットフォームでの実験では、隠れた空間シナリオにおける信頼性の高いデプロイメントゾーンの識別が示されている。
論文 参考訳（メタデータ） (2026-03-15T22:20:59Z) - SuperEx: Enhancing Indoor Mapping and Exploration using Non-Line-of-Sight Perception [4.882290104560518]
本研究では,ロボット探査に非視線センシング(NLOS)を導入している。
我々は、隠れた物体の存在をエンコードする飛行時間ヒストグラムをキャプチャする単一光子LiDARを利用する。
我々は,NLOSセンシングを直接地図探索ループに統合するフレームワークであるSuperExを紹介する。
論文 参考訳（メタデータ） (2025-10-12T08:52:20Z) - EarthMapper: Visual Autoregressive Models for Controllable Bidirectional Satellite-Map Translation [50.433911327489554]
制御可能な衛星マップ翻訳のための新しいフレームワークであるEarthMapperを紹介する。
また,中国38都市を対象とした302,132組の衛星マップからなる大規模データセットであるCNSatMapをコントリビュートした。
CNSatMapとNew Yorkデータセットの実験は、EarthMapperの優れたパフォーマンスを実証している。
論文 参考訳（メタデータ） (2025-04-28T02:41:12Z) - Beyond the Frontier: Predicting Unseen Walls from Occupancy Grids by Learning from Floor Plans [3.432284729311483]
本研究では,360deg LIDARセンサの軌跡に沿って集積された占有格子上に2次元の線分を配置し,部分観測環境の見えない壁面を予測する課題に取り組む。
大学キャンパスからのオフィススケールフロアプランのコレクションにおいて、ランダムにサンプリングされたウェイポイントのセット間で仮想ロボットをナビゲートすることにより、そのような占有グリッドとその対象壁セグメントのデータセットを収集する。
行セグメント予測タスクを自己回帰シーケンス予測タスクとして定式化し、データセット上で注目ベースのディープネットワークをトレーニングする。
論文 参考訳（メタデータ） (2024-06-13T14:22:59Z) - FloorLevel-Net: Recognizing Floor-Level Lines with
Height-Attention-Guided Multi-task Learning [49.30194762653723]
本研究は, 教師付き深層学習手法を用いて, ストリートビュー画像中のフロアレベル線の位置を求める問題に対処する。
まず、新しいデータセットをコンパイルし、トレーニングサンプルを合成する新しいデータ拡張スキームを開発する。
次にFloorLevel-Netを設計する。FloorLevel-Netは、ファサードと暗黙のフロアレベルラインの明示的な特徴を関連付けるマルチタスク学習ネットワークである。
論文 参考訳（メタデータ） (2021-07-06T08:17:59Z) - Occupancy Anticipation for Efficient Exploration and Navigation [97.17517060585875]
そこで我々は,エージェントが自我中心のRGB-D観測を用いて,その占有状態を可視領域を超えて推定する,占有予測を提案する。
エゴセントリックなビューとトップダウンマップの両方でコンテキストを活用することで、私たちのモデルは環境のより広いマップを予測できます。
われわれのアプローチは、2020 Habitat PointNav Challengeの優勝だ。
論文 参考訳（メタデータ） (2020-08-21T03:16:51Z) - Structured Landmark Detection via Topology-Adapting Deep Graph Learning [75.20602712947016]
解剖学的顔と医学的ランドマーク検出のための新しいトポロジ適応深層グラフ学習手法を提案する。
提案手法は局所像特徴と大域形状特徴の両方を利用するグラフ信号を構成する。
3つの公開顔画像データセット(WFLW、300W、COFW-68)と3つの現実世界のX線医学データセット(ケパロメトリ、ハンド、ペルビス)で実験を行った。
論文 参考訳（メタデータ） (2020-04-17T11:55:03Z)
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。