論文の概要: Autonomous Navigation System for Library Service Robot Based on Unitree Go2 Edu

• arxiv url: http://arxiv.org/abs/2606.03340v1
• Date: Tue, 02 Jun 2026 08:49:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:04.882081
• Title: Autonomous Navigation System for Library Service Robot Based on Unitree Go2 Edu
• Title（参考訳）: Unitree Go2 Eduに基づく図書館サービスロボットの自律ナビゲーションシステム
• Authors: Aoduo Li, Haoran Lv, Bingquan Ou, Jianfeng Li, Yingdong Li, Zimeng Li,
• Abstract要約: 本稿では, 4D LiDAR, 前面深度カメラ, IMUを備えた, ユニツリー Go2 Edu の ROS 2 ナビゲーションシステムを提案する。 図書館が荒削りな地形であると仮定するのではなく、実際の配備における現実的な移動性の不連続を目標にしている。 実際のライブラリでは,静的,低密度,高密度の動的シーンにおいて,100%,96%,88%の成功率を達成した。
• 参考スコア（独自算出の注目度）: 5.480224483618845
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Libraries require autonomous robots to move quietly through narrow aisles while remaining safe around readers, chairs, bags, and carts. This paper presents a ROS 2 navigation system for a Unitree Go2 Edu quadruped equipped with a 4D LiDAR, a front depth camera, and an IMU. Rather than assuming the library is rough terrain, we target the practical mobility discontinuities of real deployments, including floor transitions, temporary clutter, and partially blocked passages where low-clearance wheeled platforms are less tolerant. RTAB-Map is used for visual-LiDAR SLAM, AMCL and EKF-based sensor fusion provide localization, and a Nav2 stack with A* and DWA supports planning and local avoidance. In a real library, the system achieves 100%, 96%, and 88% success rates in static, low-density dynamic, and high-density dynamic scenes, while map validation against surveyed control distances yields a mean metric error of 3.7 cm.
• Abstract（参考訳）: 図書館は、読者、椅子、バッグ、カートの周りに安全を維持しながら、狭い通路を静かに移動する自律ロボットを必要としている。 本稿では, 4D LiDAR, 前面深度カメラ, IMUを備えた, ユニツリー Go2 Edu の ROS 2 ナビゲーションシステムを提案する。 図書館が荒地であると仮定するよりも、フロア遷移、一時的クラッタ、低クリアの車輪付きプラットフォームが耐え難い部分的閉塞通路など、実際の配置の実用的モビリティの不連続性を目標としている。 RTAB-Mapは視覚-LiDAR SLAM、AMCL、EKFベースのセンサー融合がローカライズを提供し、A*とDWAを備えたNav2スタックは計画と局所的回避をサポートする。 実際のライブラリでは,静的,低密度,高密度の動的シーンにおいて,100%,96%,88%の成功率を達成した。

関連論文リスト

• osmAG-Nav: A Hierarchical Semantic Topometric Navigation Stack for Robust Lifelong Indoor Autonomy [17.090605179635467]
  osmAG-Navは、階層的セマンティックOpenStreetMap Area Graph (osmAG)マップ標準に基づいて構築された、完全なオープンソースのROS2ナビゲーションスタックである。 システムは「システム・オブ・システム」アーキテクチャに従い、グローバルな推論を局所的なメートル法実行から切り離す。 現実世界の屋内キャンパスの実験では、同じフロアのベンチマークサブセットで、osmAG-Navはグリッドベースのベースラインの長いルートよりも7816倍低い計画遅延を提供する。
  論文  参考訳（メタデータ） (2026-03-30T10:54:14Z)
• Efficient Autonomous Navigation of a Quadruped Robot in Underground Mines on Edge Hardware [0.5371337604556311]
  地下鉱山での身体的ナビゲーションは、狭い通路、不均一な地形、ほぼ全天の闇、GPSによる汚染条件、限られた通信インフラなど、重大な課題に直面している。 我々は、Boston Dynamics Spotロボットのための完全に自律的なナビゲーションスタックを提示し、GPUなしで、ネットワーク接続を必要としない低消費電力のIntelコンピュータエッジで完全に動作する。 実験地中地雷の難易度が異なる4地点を対象とし, 完全自律走行の700m以上を, 全20回の試験で100%成功率で蓄積し, 実地試験を繰り返し検証した。
  論文  参考訳（メタデータ） (2026-03-04T02:23:55Z)
• AutoFly: Vision-Language-Action Model for UAV Autonomous Navigation in the Wild [62.47761809929869]
  視覚言語ナビゲーション(VLN)は、視覚的観察とともに言語指示を解釈することで、知的エージェントが環境をナビゲートする必要がある。 無人航空機(UAV)の現在のVLN研究は、所定のルートに沿ってUAVを誘導するための詳細な指示に依存している。 本稿では,自律型UAVナビゲーションのためのエンド・ツー・エンドのビジョン・ランゲージ・アクションモデルであるAutoFlyを提案する。
  論文  参考訳（メタデータ） (2026-02-10T11:08:07Z)
• Traversability Aware Autonomous Navigation for Multi-Modal Mobility Morphobot (M4) [0.0]
  この論文は、M4ロボットプラットフォームのためのトラバーサビリティ対応ナビゲーションフレームワークを提示する。 CNNベースのモデルが標高マップを処理し、走行可能性スコアを推定し、経路計画のためのナビゲーションコストに変換する。 カスタムのA*プランナーは、これらのコストを幾何学的距離とエネルギー消費と組み合わせて、貿易の適度な距離が増加する経路を見つける。
  論文  参考訳（メタデータ） (2025-12-07T17:28:34Z)
• 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)
• Robust Localization, Mapping, and Navigation for Quadruped Robots [19.76613973814855]
  本稿では,低コスト四足歩行ロボットのためのロバストなローカライズ,マッピング,ナビゲーションシステムに向けた第一歩を示す。 我々は,接触支援キネマティック,視覚慣性オドメトリー,奥行き安定化ビジョンを組み合わせ,システムの安定性と精度を向上する。 シミュレーションの結果と2つの異なる現実世界の4Dプラットフォームにより、システムは環境の正確な2Dマップを生成し、自分自身をしっかりとローカライズし、自律的にナビゲートできることが示されている。
  論文  参考訳（メタデータ） (2025-05-04T21:58:11Z)
• MSight: An Edge-Cloud Infrastructure-based Perception System for Connected Automated Vehicles [58.461077944514564]
  本稿では,自動走行車に特化して設計された最先端道路側認識システムであるMSightについて述べる。 MSightは、リアルタイムの車両検出、ローカライゼーション、トラッキング、短期的な軌道予測を提供する。 評価は、待ち時間を最小限にしてレーンレベルの精度を維持するシステムの能力を強調している。
  論文  参考訳（メタデータ） (2023-10-08T21:32:30Z)
• ETPNav: Evolving Topological Planning for Vision-Language Navigation in Continuous Environments [56.194988818341976]
  視覚言語ナビゲーションは、エージェントが環境中をナビゲートするための指示に従う必要があるタスクである。 本研究では,1)環境を抽象化し,長距離航法計画を生成する能力,2)連続環境における障害物回避制御能力の2つの重要なスキルに焦点を当てたETPNavを提案する。 ETPNavは、R2R-CEとRxR-CEデータセットの先行技術よりも10%以上、20%改善されている。
  論文  参考訳（メタデータ） (2023-04-06T13:07:17Z)
• Large-scale Autonomous Flight with Real-time Semantic SLAM under Dense Forest Canopy [48.51396198176273]
  本研究では,大規模自律飛行とリアルタイムセマンティックマッピングを,挑戦的なアンダーキャノピー環境下で実現可能な統合システムを提案する。 我々は、スキャン全体で関連付けられ、木のトランクモデルと同様にロボットのポーズを制約するために使用されるLiDARデータから、木の幹と地面の平面を検出し、モデル化する。 ドリフト補償機構は、プランナー最適性とコントローラ安定性を維持しつつ、セマンティックSLAM出力を用いたドリフトをリアルタイムで最小化するように設計されている。
  論文  参考訳（メタデータ） (2021-09-14T07:24:53Z)

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。