論文の概要: Terrain-Adaptive Grouser Wheel for Optimal Planetary Exploration: Design and Experimental Investigation

• arxiv url: http://arxiv.org/abs/2605.24311v1
• Date: Sat, 23 May 2026 00:37:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:17.924112
• Title: Terrain-Adaptive Grouser Wheel for Optimal Planetary Exploration: Design and Experimental Investigation
• Title（参考訳）: 最適惑星探査のための地形適応型グルーザホイールの設計と実験的検討
• Authors: Vincent Griffo, Yashwanth Kumar Nakka,
• Abstract要約: [匿名化ロボット名]は、地形順応のために、溝の高さを連続的に調整できる車輪である。 750の実験の結果、適応的な展開はスリップを30.0--58.0%減少させることを示した。 全地形にわたって滑りを最小化せず、固定輪システムの限界を暗示した。
• 参考スコア（独自算出の注目度）: 0.8594140167290097
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Planetary rovers operating in extraterrestrial environments often encounter significant mobility challenges due to varying terrain features such as gradients and granularity. While recent works in multimodal wheel design have explored adjustments in stiffness, compliance, and diameter as a means to improve terrain adaptability, full wheel grouser-adjustable designs remain largely unexplored. Grousers are a compelling feature to actuate, as granular terrains tend to require increased grouser height for improved wheel performance. As a result, we introduce [Anonymized Robot Name], a multimodal wheel capable of continuously adjusting its grouser height for terrain adaptation. The platform was evaluated across four representative surfaces, including vinyl flooring, coarse rock, pea gravel, and sand under two packing states, spanning a range of granular conditions. Results from 750 experimental trials demonstrate that adaptive deployment reduces slip by 30.0--58.0\% and improves travel time and energy consumption by up to 77.4\% in granular regimes relative to fixed configurations. Using the terrain trial data, a simplified scaling analysis was developed and validated, suggesting a relationship between terrain granularity and optimal grouser height for the tested configuration. No single grouser height minimized slip across all terrains, underscoring the limitations of fixed-wheel systems commonly used for planetary exploration. This observation reinforces the potential of grouser-adaptive morphology, such as [Anonymized Robot Name], as an effective solution for enhancing rover mobility across diverse and mobility-challenging extraterrestrial environments.
• Abstract（参考訳）: 地球外環境で活動する惑星ローバーは、勾配や粒度といった様々な地形の特徴のために、しばしば大きな移動課題に直面する。 マルチモーダルホイール設計における最近の研究は、地形適応性を改善する手段として、剛性、コンプライアンス、直径の調整を探求してきたが、フルホイール・グロウザー調整可能な設計はほとんど未検討のままである。 グルーザーは、車輪性能を向上させるために、グルーザーの高さを高くする傾向があるため、アクティベートするのに魅力的な特徴である。 その結果,[匿名化ロボット名]は, 地形適応のために農作物の高さを連続的に調整できるマルチモーダルホイールである。 このプラットフォームは, ビニル床, 粗い岩, ピー砂利, 砂を含む4つの代表的な表面を, 2つの充填状態下で, 様々な粒状条件で評価した。 750の実験実験の結果、適応的な展開はスリップを30.0--58.0.%削減し、固定された構成に対して粒状構造において旅行時間とエネルギー消費を77.4.%改善することを示した。 地形実験データを用いて,簡易なスケーリング解析法を開発し,その妥当性を検証した。 全ての地形にまたがる滑りを最小化することはなく、惑星探査によく用いられる固定輪システムの限界を暗示した。 この観察は,地球外環境におけるローバーの移動性を高めるための有効なソリューションとして,[匿名化ロボット名]などのグルーザ適応型形態学の可能性を強化している。

関連論文リスト

• GreenSeg: Ground Segmentation Algorithm for Agricultural Robots in Mediterranean Greenhouses using RGB-D Point Clouds [41.99844472131922]
  GreenSegは、RGB-Dセンシングを使用した自律ナビゲーションのための堅牢な認識フレームワークである。 結果は、GreenSegがベンチマークセグメンテーションメソッドを一貫して上回っていることを示している。
  論文  参考訳（メタデータ） (2026-05-24T22:19:38Z)
• Stargazer: A Scalable Model-Fitting Benchmark Environment for AI Agents under Astrophysical Constraints [48.80158223838359]
  我々は、動的で反復的な物理地上モデル適合タスクに基づいてAIエージェントを評価するスケーラブルな環境であるStargazerを紹介した。 Stargazerは3つの難題にまたがる120のタスクで構成されており、20の実際のアーカイブケースを含んでいる。 8つのフロンティアエージェントを評価した結果,数値最適化と物理的制約への固執のギャップが明らかとなった。
  論文  参考訳（メタデータ） (2026-04-17T03:38:50Z)
• Terrain characterization and locomotion adaptation in a small-scale lizard-inspired robot [0.2770822269241973]
  多様な基板に適応可能な小型でインテリジェントなLizard-inspireed, Adaptive Robot (SILA Bot) を開発した。 本研究では, 最適物体運動パターンをパラメータ化し, 線形関数として近似できることを示す。 また、簡単な線形フィードバック制御器を設計し、身体の位相を変調し、未知の深さで地形の性能を大幅に改善する。
  論文  参考訳（メタデータ） (2026-03-06T02:44:59Z)
• Adaptive Policy Switching of Two-Wheeled Differential Robots for Traversing over Diverse Terrains [1.9573380763700712]
  本研究では,ナビゲーション中に収集した姿勢関連観測を用いて,地形タイプを効果的に推定できるかどうかを検討した。 我々はPPO(Proximal Policy Optimization)を用いて事前学習したポリシーを微調整し、平坦な地形や荒地を移動する際にロボットの3D方向データを収集した。 解析の結果、ロボットのピッチデータの標準偏差は、これらの2つの地形種間に明らかな差があることが判明した。
  論文  参考訳（メタデータ） (2026-03-05T03:20:06Z)
• RPL: Learning Robust Humanoid Perceptive Locomotion on Challenging Terrains [53.674116167774095]
  本研究では,挑戦的な地形上での多方向移動を可能にする2段階トレーニングフレームワークを提案する。 RPLは、高度マップの観察を特権化した専門家のポリシーを訓練し、分離された移動と操作のスキルを習得する。 次に、複数の深度カメラを活用して広い視野をカバーできるトランスフォーマーポリシーを作成します。 スケーラブルな深度蒸留のために、動的ロボットメッシュと静的な地形メッシュの両方に対してレイキャストを行う効率的なマルチ深度システムを開発した。
  論文  参考訳（メタデータ） (2026-02-03T02:17:08Z)
• START: Traversing Sparse Footholds with Terrain Reconstruction [11.632418196552324]
  我々は,高度にスパースな足場でアジャイルで安定した移動を可能にする,単段階学習フレームワークSTARTを提案する。 STARTは、ローコストのオンボードビジョンとプロプレセプションのみを活用して、局所的な地形の高度マップを正確に再構築する。 実験結果から,STARTは実世界の様々なシナリオにまたがるゼロショット転送を実現することが示された。
  論文  参考訳（メタデータ） (2025-12-15T10:02:41Z)
• Gait-Adaptive Perceptive Humanoid Locomotion with Real-Time Under-Base Terrain Reconstruction [86.53248703859718]
  本研究では,地形認識,歩行制御,全身制御を一つの強化学習ポリシーにマージする知覚的移動フレームワークを提案する。 31-DoF、1.65mのヒューマノイドロボットによる実験は、シミュレーションと実世界の両方で堅牢な移動を実証している。
  論文  参考訳（メタデータ） (2025-12-08T11:42:41Z)
• Lander.AI: Adaptive Landing Behavior Agent for Expertise in 3D Dynamic Platform Landings [2.5022287664959446]
  本研究では,風環境下でのプラットフォーム上での移動と着陸を目的とした,高度な深層強化学習(DRL)エージェントであるLander:AIを紹介する。 Lander:AIは、風の乱流を含む現実世界の複雑さを反映するジム・ピブルレット・ドーンシミュレーションで厳格に訓練されています。 実験の結果、ランダー:AIの高精度着陸と移動プラットフォームへの適応能力は、風による乱れでも示されました。
  論文  参考訳（メタデータ） (2024-03-11T10:20:44Z)
• Wait, That Feels Familiar: Learning to Extrapolate Human Preferences for Preference Aligned Path Planning [46.66453816117135]
  Preference ExtrApolation for Terrain awarE Robot Navigation, PATERNは、視覚ナビゲーションのための演算子地形を推定するための新しいフレームワークである。 PATERNは、様々な地形や様々な照明条件に頑健に一般化し、好みに合わせてナビゲートする。
  論文  参考訳（メタデータ） (2023-09-18T16:24:26Z)
• Automating global landslide detection with heterogeneous ensemble deep-learning classification [44.99833362998488]
  地すべりは道路、鉄道、建物、人間の生活などのインフラを脅かす。 危険に基づく空間計画と早期警戒システムは、地すべりから社会へのリスクを減らすための費用対効果の戦略である。 近年,中～高解像度の衛星画像を入力として,深層学習モデルを陸地マッピングに適用している。
  論文  参考訳（メタデータ） (2023-09-12T10:56:16Z)
• Vision Transformers, a new approach for high-resolution and large-scale mapping of canopy heights [50.52704854147297]
  分類(離散化)と連続損失関数を最適化した新しい視覚変換器(ViT)モデルを提案する。 このモデルは、従来使用されていた畳み込みベースのアプローチ(ConvNet)よりも、連続損失関数のみで最適化された精度が向上する。
  論文  参考訳（メタデータ） (2023-04-22T22:39:03Z)

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。