論文の概要: Collaborative Navigation and Exploration with $β$-Sparse Gaussian Processes

• arxiv url: http://arxiv.org/abs/2605.26304v1
• Date: Mon, 25 May 2026 19:55:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-27 17:51:41.392945
• Title: Collaborative Navigation and Exploration with $β$-Sparse Gaussian Processes
• Title（参考訳）: β$Sparse Gaussian プロセスによる協調ナビゲーションと探索
• Authors: Evangelos Psomiadis, Dipankar Maity, Panagiotis Tsiotras,
• Abstract要約: 未知環境における異種ロボットの協調ナビゲーションは、センシング、通信、計算の制限によって大きな課題を生んでいる。 そこで本研究では,センサが送信した地図ポイントとナビゲーション動作を協調的に選択できるフレームワークを提案し,環境の未探索領域を予測した。
• 参考スコア（独自算出の注目度）: 14.685150015050164
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Collaborative navigation of heterogeneous robots in unknown environments poses significant challenges due to sensing, communication, and computational limitations. In this work, a lead robot navigates toward a target while a mobile sensor robot (e.g., a drone) assists by transmitting information about its locally observed environment under bandwidth constraints. We propose a framework that enables the sensor to jointly select its transmitted map points and navigation actions online, while also predicting unexplored regions of the environment. To this end, we present $β$-Sparse Gaussian Processes, a novel and robust variational sparse Gaussian Process model for task-aware inducing point selection. Furthermore, we develop an action-selection strategy that balances task relevance with exploration. Simulations on Mars and Earth maps show that the framework can reduce path cost by 18% relative to no communication and decrease transmitted information by 76% compared to raw-data transmission baselines.
• Abstract（参考訳）: 未知環境における異種ロボットの協調ナビゲーションは、センシング、通信、計算の制限によって大きな課題を生んでいる。 本研究では,移動体センサロボット(例えばドローン)が,帯域制限下で局部観測された環境に関する情報を伝達することにより,目標に向かって誘導する。 そこで本研究では,センサが送信した地図ポイントとナビゲーション動作を協調的に選択できるフレームワークを提案し,環境の未探索領域を予測した。 この目的のために、タスク認識による点選択を誘導する新規かつ堅牢なバラツキガウスプロセスモデルである、$β$-Sparse Gaussian Processesを提案する。 さらに,課題と探索のバランスをとる行動選択戦略を開発する。 火星と地球地図のシミュレーションにより、このフレームワークは通信のない場合に比べてパスコストを18%削減し、送信された情報を生データ送信ベースラインと比較して76%削減できることが示された。

関連論文リスト

• Evolutionary Swarm Robotics: Dynamic Subgoal-Based Path Formation and Task Allocation for Exploration and Navigation in Unknown Environments [0.0]
  本稿では、視覚的に接続されたサブゴールを利用して、2つの異なる場所間の経路を確立するサブゴールベースのパス形成手法を提案する。 本論文は,経路形成に携わる多数のロボット同士の協調(交通)の問題に対処するものであり,これはサブゴール方式の性能に悪影響を及ぼす。 ローカル通信プロトコルと光信号に基づく通信を活用するタスク割り当て戦略を提案する。
  論文  参考訳（メタデータ） (2023-12-27T15:13:56Z)
• Comparing Active Learning Performance Driven by Gaussian Processes or Bayesian Neural Networks for Constrained Trajectory Exploration [0.0]
  現在、人間は科学的な目的を達成するためにロボットを駆動しているが、ロボットの位置によっては、情報交換と駆動コマンドがミッション遂行に不適切な遅延を引き起こす可能性がある。 科学的目的と探索戦略で符号化された自律ロボットは、通信遅延を発生させず、ミッションをより迅速に達成することができる。 能動学習アルゴリズムは知的探索の能力を提供するが、その基盤となるモデル構造は、環境の理解を正確に形成する際に、能動学習アルゴリズムの性能を変化させる。
  論文  参考訳（メタデータ） (2023-09-28T02:45:14Z)
• Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
  スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。 本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
  論文  参考訳（メタデータ） (2023-08-14T16:48:57Z)
• Exploring Contextual Representation and Multi-Modality for End-to-End Autonomous Driving [58.879758550901364]
  最近の知覚システムは、センサー融合による空間理解を高めるが、しばしば完全な環境コンテキストを欠いている。 我々は,3台のカメラを統合し,人間の視野をエミュレートするフレームワークを導入し,トップダウンのバードアイビューセマンティックデータと組み合わせて文脈表現を強化する。 提案手法は, オープンループ設定において0.67mの変位誤差を達成し, nuScenesデータセットでは6.9%の精度で現在の手法を上回っている。
  論文  参考訳（メタデータ） (2022-10-13T05:56:20Z)
• DC-MRTA: Decentralized Multi-Robot Task Allocation and Navigation in Complex Environments [55.204450019073036]
  本稿では,倉庫環境における移動ロボットのためのタスク割り当てと分散ナビゲーションアルゴリズムを提案する。 本稿では,共同分散タスク割り当てとナビゲーションの問題について考察し,それを解決するための2段階のアプローチを提案する。 ロボットの衝突のない軌道の計算では,タスク完了時間において最大14%の改善と最大40%の改善が観察される。
  論文  参考訳（メタデータ） (2022-09-07T00:35:27Z)
• Incremental 3D Scene Completion for Safe and Efficient Exploration Mapping and Planning [60.599223456298915]
  本研究では,情報,安全,解釈可能な地図作成と計画に3次元シーン補完を活用することによって,深層学習を探索に統合する新しい手法を提案する。 本手法は,地図の精度を最小限に抑えることで,ベースラインに比べて環境のカバレッジを73%高速化できることを示す。 最終地図にシーン完了が含まれていなくても、ロボットがより情報的な経路を選択するように誘導し、ロボットのセンサーでシーンの測定を35%高速化できることが示される。
  論文  参考訳（メタデータ） (2022-08-17T14:19:33Z)
• See What the Robot Can't See: Learning Cooperative Perception for Visual Navigation [11.943412856714154]
  センサをトレーニングして、関連する視点情報を移動ロボットにエンコードし、伝達する。 我々は、全てのセンサーが目標への最短経路に沿って方向を予測できるようにするという課題を克服する。 その結果,センサとロボットの通信により,SPLの最大2.0倍の改善が達成された。
  論文  参考訳（メタデータ） (2022-08-01T11:37:01Z)
• Rapid Exploration for Open-World Navigation with Latent Goal Models [78.45339342966196]
  多様なオープンワールド環境における自律的な探索とナビゲーションのためのロボット学習システムについて述べる。 本手法のコアとなるのは、画像の非パラメトリックトポロジカルメモリとともに、距離と行動の学習された潜在変数モデルである。 学習方針を規則化するために情報ボトルネックを使用し、(i)目標のコンパクトな視覚的表現、(ii)一般化能力の向上、(iii)探索のための実行可能な目標をサンプリングするためのメカニズムを提供する。
  論文  参考訳（メタデータ） (2021-04-12T23:14:41Z)
• Learning control for transmission and navigation with a mobile robot under unknown communication rates [0.0]
  遠隔地を調査したり監視したりするタスクでは、自律ロボットは無線ネットワークを介してデータを送信しながら移動しなければならない。 本稿では,データバッファを最小限の時間で送信する問題について考察する。 2つのアプローチが提案され、それぞれがサンプルからレート関数を推定する機械学習コンポーネントで構成されている。 大規模なシミュレーションでは、これらの手法は既知のレートや未知のレートのベースラインと比較して競争性能が向上する。
  論文  参考訳（メタデータ） (2020-11-18T10:26:15Z)

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。