論文の概要: Human-in-the-Loop Swarms: A Bionic Swarm Approach to Real-World Soil Mapping

• arxiv url: http://arxiv.org/abs/2605.29091v1
• Date: Wed, 27 May 2026 20:50:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 02:45:55.454936
• Title: Human-in-the-Loop Swarms: A Bionic Swarm Approach to Real-World Soil Mapping
• Title（参考訳）: 人間とロボットの群れ--実世界の土壌マッピングへのバイオニック・スワームアプローチ
• Authors: Petras Swissler, Mohammadali Rashidioun, Nicholas Sahu, Raaid Kabir, Ayodeji Aderibigbe, Oladoyin Kolawole,
• Abstract要約: 本稿では,ロボットに実装が難しいタスクの多くを抽象化するが,全体的なアルゴリズム評価に寄与しない新しいシステムである Bionic Swarm' を紹介する。 人間のユーザはスマートフォンのWebアプリから指示を受け、Bluetoothに接続されたセンサーから計測を行い、それらを集中型サーバーに中継する。 次に、Bionic Swarmプラットフォームにアルゴリズムを適用し、実世界の屋外環境でその機能を検証する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Swarm and field robotics face significant barriers to real-world validation due to the high cost and development time to deploy hardware. This paper introduces the ``Bionic Swarm,'' a novel system that lowers these barriers by abstracting away many of the tasks that are difficult to implement on robots but which do not contribute to the overall algorithm evaluation, giving these tasks to human users. These human users take directions from a smartphone web-app that takes measurements from Bluetooth-connected sensors and relays them to a centralized server. This server runs the swarm algorithm and directs actions to the human users. We evaluate this system through the experimental validation of a geotechnically-focused search algorithm named Score-Biased-Search, which functions by assigning a ``score'' to each location on a reconstructed map, then biases search patterns through areas of higher expected scores, and which exhibits superlinear map reconstruction relative to the number of search agents. After presenting simulation results for the algorithm, we then apply the algorithm on the Bionic Swarm platform to validate its function in a real-world, outdoor setting. This work demonstrates that this human-in-the-loop approach significantly lowers the barrier to entry for field and swarm robotics research.
• Abstract（参考訳）: Swarmとフィールドロボティクスは、ハードウェアをデプロイするコストと開発時間のために、現実世界のバリデーションに重大な障壁に直面している。 本稿では,ロボットに実装が難しいタスクの多くを抽象化し,アルゴリズムの全体的な評価に寄与しない新たなシステムである‘Bionic Swarm’を紹介する。 これらの人間のユーザーはスマートフォンのウェブアプリから指示を受け、Bluetoothで接続されたセンサーから計測を行い、それらを集中型サーバーに中継する。 このサーバは、Swarmアルゴリズムを実行し、人間のユーザに対してアクションを指示する。 Score-Biased-Searchという地理的に焦点を絞った探索アルゴリズムの実験的検証により,再構成された地図上の各場所に「スコア」を割り当て,高い期待値の領域で探索パターンをバイアスし,探索エージェント数に対して超線形地図再構成を示す。 シミュレーション結果をBionic Swarmプラットフォームに適用し,実世界の屋外環境での検証を行う。 この研究は、このループ内の人間によるアプローチが、フィールドとスウォームロボティクス研究の参入障壁を著しく低下させることを実証している。

関連論文リスト

• SPACE: A Python-based Simulator for Evaluating Decentralized Multi-Robot Task Allocation Algorithms [1.52292571922932]
  本研究では,分散マルチロボットタスクアロケーション(MRTA)アルゴリズムの研究,評価,比較を支援するPythonベースのシミュレータであるSPACE(Swarm Planning and Control Evaluation)を提案する。 SPACEは、Pythonプラグインとして意思決定アルゴリズムを実装し、直感的なGUIでエージェントの動作木を簡単に構築し、エージェント間通信とローカルタスク認識のための組み込みサポートを活用することで、コアアルゴリズム開発を効率化する。
  論文  参考訳（メタデータ） (2024-09-06T12:38:24Z)
• Active Visual Localization for Multi-Agent Collaboration: A Data-Driven Approach [47.373245682678515]
  本研究は、視点変化の課題を克服するために、アクティブな視覚的ローカライゼーションをどのように利用できるかを検討する。 具体的には、与えられた場所における最適な視点を選択する問題に焦点をあてる。 その結果,既存の手法と比較して,データ駆動方式の方が優れた性能を示した。
  論文  参考訳（メタデータ） (2023-10-04T08:18:30Z)
• 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)
• Multi-Robot Active Mapping via Neural Bipartite Graph Matching [49.72892929603187]
  本稿では,最小時間ステップにおけるシーンマップ構築の完全化を目的としたマルチロボットアクティブマッピングの問題点について検討する。 この問題の鍵は、より効率的なロボットの動きを可能にするゴール位置推定にある。 本稿では,ニューラルコマッピング(NeuralCoMapping)という新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-03-30T14:03:17Z)
• 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)
• Task-relevant Representation Learning for Networked Robotic Perception [74.0215744125845]
  本稿では,事前学習されたロボット知覚モデルの最終的な目的と協調して設計された感覚データのタスク関連表現を学習するアルゴリズムを提案する。 本アルゴリズムは,ロボットの知覚データを競合する手法の最大11倍まで積極的に圧縮する。
  論文  参考訳（メタデータ） (2020-11-06T07:39:08Z)
• Learning Topometric Semantic Maps from Occupancy Grids [2.5234065536725963]
  本稿では,このようなインスタンスベースのセマンティックマップを,占有グリッドから純粋に抽出する手法を提案する。 我々は、ランダムな大きさの地図からドア仮説を検出し、セグメンテーションし、抽出するために、深層学習技術を組み合わせている。 提案手法を,公開されている実世界の複数のデータセットに対して評価する。
  論文  参考訳（メタデータ） (2020-01-10T22:06:10Z)

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。