論文の概要: MineXplore: An Open-Source Reinforcement Learning Exploration Benchmark for GNSS-Denied Underground Environment
- arxiv url: http://arxiv.org/abs/2606.04569v1
- Date: Wed, 03 Jun 2026 07:59:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-04 20:44:18.618512
- Title: MineXplore: An Open-Source Reinforcement Learning Exploration Benchmark for GNSS-Denied Underground Environment
- Title（参考訳）: MineXplore: GNSSによる地下環境のためのオープンソースの強化学習探索ベンチマーク
- Authors: Abhishek S, Badrikanath Praharaj, Sreeram MV,
- Abstract要約: 地下地雷は自律型ロボットナビゲーションの極端な条件を示す。
GPSは拒否され、照明は劣化し、トンネルトポロジーはループに富んでいる。
オープンソースの MuJoCo ベンチマークである MineXplore を提示する。
- 参考スコア（独自算出の注目度）: 0.8602553195689513
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Underground mines present extreme conditions for autonomous robot navigation: GPS is denied, lighting is degraded, and tunnel topology is loop-rich and non-convex. Simulation benchmarks grounded in real production-mine geometry and compatible with GPU-accelerated learning pipelines do not yet exist in the open-source ecosystem. We present MineXplore, an open-source MuJoCo-based navigation benchmark derived from the Leung et al. 2017 Chilean underground copper mine dataset. The environment reconstructs a 104,423 sq.m tunnel network through an six-stage contour-to-MJCF pipeline incorporating octagonal wall cross-sections, LiDAR-sourced jagged wall geometry, three terrain friction zones, a global 5 degree incline, and periodic spot lighting. Geometric fidelity is validated at an Intersection over Union (IoU) of 0.9538 against the source survey map, and surface texture similarity scores 79.4% across six structural dimensions. A single-agent PPO baseline trained via RLlib across five independent random seeds achieves a best rolling coverage of 88.89% (3 of 5 seeds reaching the 90% coverage target), confirming that MineXplore supports stable and reproducible policy learning under realistic underground sensing and topology.
- Abstract（参考訳）: GPSは拒否され、照明は劣化し、トンネルトポロジーはループリッチで非凸である。
シミュレーションベンチマークは実際のプロダクション・マイン・ジオメトリに基づいており、GPU加速学習パイプラインと互換性があるが、まだオープンソースエコシステムには存在しない。
我々は、MineXploreというオープンソースのMuJoCoベースのナビゲーションベンチマークを、Leungら2017年のチリの地下銅鉱山データセットから作成しました。
この環境は、八角形の断面、LiDARをソースとしたジャグウォール幾何学、3つの地形摩擦帯、グローバル5度の傾斜角、周期的なスポットライティングを組み込んだ6段の輪郭-MJCFパイプラインを通じて104,423 sq.mトンネルネットワークを再構築する。
幾何的忠実度は、ソースサーベイマップに対して0.9538のIoU(Intersection over Union)で検証され、表面テクスチャ類似度は6つの構造次元で79.4%である。
RLlibを介して訓練された単エージェントのPPOベースラインは、5つの独立したランダムなシードに対して88.89%(90%のカバーターゲットに達する5つのシードのうち3つ)のロールカバーを達成し、MineXploreが現実的な地下センサーとトポロジーの下で安定かつ再現可能なポリシー学習をサポートすることを確認した。
関連論文リスト
- SubsurfaceGen: Procedural Generation of Field-Scale Earth Models and Seismic Data [10.55228871676445]
フルウェーブフォーム・インバージョン(Full Waveform Inversion、FWI)は、地下イメージングの標準規格である。
FWIへの機械学習アプローチには、フィールドスケール、地質学的に多様性があり、物理的に現実的なトレーニングデータが必要である。
本稿では,3次元速度モデルと地震データのためのGPU加速ジェネレータであるSub surfaceGenを用いて,これらの制約に対処する。
論文 参考訳（メタデータ） (2026-05-28T20:15:40Z) - Terminal-World: Scaling Terminal-Agent Environments via Agent Skills [52.39713754337834]
エージェントスキルを中心的な合成プリミティブとして利用する完全自動化パイプラインである Terminal-World を紹介する。
我々は,5,723のトレーニング環境を構築し,端末-ワールド-8B/14B/32Bを6つのベンチマークで評価した。
Terminal-World-32B は Terminal-Bench 2.0 で Nemotron-Terminal-32B を +4.5 Pass@1 (31.5) で上回り、43.8 Pass@3 に達する。
論文 参考訳（メタデータ） (2026-05-20T08:14:51Z) - Beyond Specialization: Robust Reinforcement Learning Navigation via Procedural Map Generators [1.8454901862917816]
ナビゲーション性を保証する4つのジェネレータを,LiDARナビゲーションのトレーニング効率を重視した2次元シミュレータであるMuRoSimに統合する。
5つのナビゲーションポリシーを3つのトレーニングシードで1ジェネレータあたり1000個のシードマップで横断的に評価する。
厳密なレイアウトで訓練された専門家は迷路で3.3%成功し、ジェネレータの組み合わせで訓練されたポリシーは91.5+/- 1.1%成功を意味している。
論文 参考訳（メタデータ） (2026-05-04T12:28:16Z) - OpenResearcher: A Fully Open Pipeline for Long-Horizon Deep Research Trajectory Synthesis [63.8655724265611]
深層研究エージェントの訓練には、探索、証拠収集、多段階推論をインターリーブする長い水平軌道が必要である。
既存のデータ収集パイプラインは、一般的にプロプライエタリなWeb APIに依存しており、大規模な軌道合成をコストが高く、不安定で、再現が難しい。
再生可能なパイプラインであるOpenResearcherは,複数ターン軌道合成から1回のコーパスブートストラップを分離する。
論文 参考訳（メタデータ） (2026-03-17T20:10:12Z) - Parallelised Differentiable Straightest Geodesics for 3D Meshes [47.61846725512702]
メッシュが最も直線的な測地線として識別されたリーマン曲面上の指数写像を計算するための原理的枠組みを提案する。
我々は、我々の微分指数写像が一般測地における学習と最適化のパイプラインをどのように改善するかを示す。
論文 参考訳（メタデータ） (2026-03-16T18:10:28Z) - 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) - Pix2Geomodel: A Next-Generation Reservoir Geomodeling with Property-to-Property Translation [2.004012818482403]
本研究では、Pix2Pixをベースとした新しい条件付き生成対向ネットワーク(cGAN)フレームワークであるPix2Geomodelを紹介する。
グローニンゲンガス田のロトリーゲンド貯水池から貯水池特性(空洞、ポーシティ、透水性、飽和度)を予測するように設計されている。
その結果, 病状 (PA 0.88, FWIoU 0.85) と水飽和 (PA 0.96, FWIoU 0.95) の精度が高く, 気孔率 (PA 0.70, FWIoU 0.55) と透過性 (PA 0.74, FWIoU 0.60) が適度に向上し, 翻訳性能も良好であった。
論文 参考訳（メタデータ） (2025-06-21T15:58:27Z) - Dense 3D Displacement Estimation for Landslide Monitoring via Fusion of TLS Point Clouds and Embedded RGB Images [7.144866519844918]
地すべりモニタリングは、ジオハザードを理解し、関連するリスクを軽減するために不可欠である。
既存の点クラウドベースの手法は、一般的に幾何学的またはラジオメトリック的な情報に依存する。
本稿では,3次元点雲と共登録RGB画像とを融合した階層的分割に基づく粗い微細化手法を提案する。
論文 参考訳（メタデータ） (2025-06-19T12:28:09Z) - Ternary-Type Opacity and Hybrid Odometry for RGB NeRF-SLAM [58.736472371951955]
表面を交差する光線上の点を3つの領域(前・前・後・後)に分類する3成分式不透明度モデルを導入する。
これにより、より正確な深度のレンダリングが可能となり、画像ワープ技術の性能が向上する。
TTとHOの統合アプローチは,合成および実世界のデータセット上で最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-12-20T18:03:17Z) - Sionna RT: Differentiable Ray Tracing for Radio Propagation Modeling [65.17711407805756]
Sionnaは、リンクレベルのシミュレーションをベースとしたGPUアクセラレーションのオープンソースライブラリである。
リリース v0.14 以降、電波伝搬のシミュレーションのために微分可能なレイトレーサ (RT) を統合している。
論文 参考訳（メタデータ） (2023-03-20T13:40:11Z)
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。