論文の概要: Multi-Robot Planning and Control from CCTV Camera Networks in a Real Warehouse

• arxiv url: http://arxiv.org/abs/2606.06762v1
• Date: Thu, 04 Jun 2026 22:58:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-08 14:33:29.475695
• Title: Multi-Robot Planning and Control from CCTV Camera Networks in a Real Warehouse
• Title（参考訳）: 実戦におけるCCTVカメラネットワークからのマルチロボット計画と制御
• Authors: Luke Robinson, Benjamin Ramtoula, Anas Izaaryene, Paul Newman, Daniele De Martini,
• Abstract要約: 環境に埋め込まれたカメラからの移動ロボットのオフボード制御は、スケーラブルな自律性への実践的なパスを提供する。 我々は、このアイデアを実際の倉庫で調整された車両に拡張し、分散CCTVネットワークとエッジコンピューティングだけで複数のロボットを駆動します。 これは、外部カメラネットワークとオフボード計算のみを使用して、マルチロボットの計画と調整を行う最初のフィールド実証である。
• 参考スコア（独自算出の注目度）: 13.839467609978831
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Off-board control of mobile robots from cameras embedded in the environment offers a practical path to scalable autonomy, moving sensing and compute off the robots. We extend this idea from the single-robot case to coordinated fleets in a real warehouse, driving multiple robots with only a distributed CCTV network and edge compute. The system operates entirely in image space over an uncalibrated, pixel-wise topological camera graph, enabling wide-area operation with flexible camera placement. A hierarchical planner selects a camera sequence per robot and plans its image-space motion through each view, coordinating robots with a prioritised-then-joint strategy and treating overlapping camera regions as shared resources held by one robot at a time to prevent collisions and deadlocks. We validate the approach in a real warehouse with four robots and 30 cameras across six 27 m aisles, reporting mission times and coordination statistics. To our knowledge, this is the first field demonstration of multi-robot planning and coordination using only an external camera network and off-board compute, with robots carrying no task-specific navigation hardware.
• Abstract（参考訳）: 環境に埋め込まれたカメラからの移動ロボットのオフボード制御は、スケーラブルな自律性、センサーの移動、ロボットからの計算への実践的なパスを提供する。 我々は、このアイデアを、単一ロボットのケースから、実際の倉庫で調整されたフリートに拡張し、分散CCTVネットワークとエッジコンピューティングだけで複数のロボットを駆動する。 このシステムは、補正されていないピクセルワイドのトポロジカルカメラグラフ上の画像空間で完全に動作し、フレキシブルなカメラ配置で広い領域での操作を可能にする。 階層的プランナーは、ロボット毎にカメラシーケンスを選択し、各ビューを通してその画像空間の動きを計画し、優先された結合戦略でロボットを調整し、重複するカメラ領域を、衝突やデッドロックを防止するために、一度に1つのロボットが保持する共有リソースとして扱う。 実際の倉庫では、ロボット4台とカメラ30台を6つの27m通路に配置し、ミッションタイムと調整統計を報告する。 我々の知る限り、これは、外部カメラネットワークとオフボードコンピュータのみを使用し、タスク固有のナビゲーションハードウェアを搭載せずに、マルチロボットの計画と調整を行う最初のフィールド実証である。

関連論文リスト

• RobotSeg: A Model and Dataset for Segmenting Robots in Image and Video [56.9581053843815]
  画像とビデオにおけるロボットセグメンテーションの基礎モデルであるRobotSegを紹介する。 ロボットへの適応の欠如、手動のプロンプトへの依存、フレーム単位のトレーニングマスクアノテーションの必要性に対処する。 それは、画像とビデオの両方で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-11-28T07:51:02Z)
• Scalable Multi-Robot Informative Path Planning for Target Mapping via Deep Reinforcement Learning [11.134855513221359]
  マルチロボットインフォーマティブパス計画問題に対する深層強化学習手法を提案する。 ここでは、各ロボットが発見した目標を最大化し、未知の静的障害物を回避し、ロボット同士の衝突を防ぐ。 提案手法は、発見対象数において、最先端のアプローチを少なくとも26.2%上回っている。
  論文  参考訳（メタデータ） (2024-09-25T14:27:37Z)
• Controlling diverse robots by inferring Jacobian fields with deep networks [48.279199537720714]
  自然生物の複雑な構造と多様な機能を反映することは、ロボット工学における長年の課題である。 本稿では,深層ニューラルネットワークを用いてロボットの映像ストリームをバイスモータヤコビアン場にマッピングする手法を提案する。 提案手法は,正確なクローズドループ制御を実現し,各ロボットの因果動的構造を復元する。
  論文  参考訳（メタデータ） (2024-07-11T17:55:49Z)
• External Camera-based Mobile Robot Pose Estimation for Collaborative Perception with Smart Edge Sensors [22.5939915003931]
  本稿では,移動ロボットのポーズを多視点RGB画像を用いた静的カメラネットワークのアロセントリック座標で推定する手法を提案する。 画像はオンラインで、深層ニューラルネットワークによってスマートエッジセンサーでローカルに処理され、ロボットを検出する。 ロボットのポーズを正確に推定すると、その観察は同中心のシーンモデルに融合することができる。
  論文  参考訳（メタデータ） (2023-03-07T11:03:33Z)
• Neural Scene Representation for Locomotion on Structured Terrain [56.48607865960868]
  本研究では,都市環境を横断する移動ロボットの局所的な地形を再構築する学習手法を提案する。 搭載されたカメラとロボットの軌道からの深度測定のストリームを用いて、ロボットの近傍の地形を推定する。 ノイズ測定とカメラ配置の盲点からの大量の欠落データにもかかわらず,シーンを忠実に再構築する3次元再構成モデルを提案する。
  論文  参考訳（メタデータ） (2022-06-16T10:45:17Z)
• CNN-based Omnidirectional Object Detection for HermesBot Autonomous Delivery Robot with Preliminary Frame Classification [53.56290185900837]
  予備的バイナリフレーム分類を用いた物体検出のためのニューラルネットワークの最適化アルゴリズムを提案する。 周囲に6台のローリングシャッターカメラを備えた自律移動ロボットを360度視野として実験装置として使用した。
  論文  参考訳（メタデータ） (2021-10-22T15:05:37Z)
• Event Camera Based Real-Time Detection and Tracking of Indoor Ground Robots [2.471139321417215]
  本稿では,イベントカメラを用いて複数の移動ロボットをリアルタイムに検出・追跡する手法を提案する。 ノイズのあるアプリケーションの密度に基づく空間クラスタリング(DBSCAN)を用いて、ロボットと1本のk次元(k-d)木を検知し、屋内アリーナで動きながら正確に追跡する。
  論文  参考訳（メタデータ） (2021-02-23T19:50:17Z)
• Deep Reinforcement learning for real autonomous mobile robot navigation in indoor environments [0.0]
  本研究では,地図やプランナーを使わずに,未知の環境下での自律型自律学習ロボットナビゲーションの概念を実証する。 ロボットの入力は、2DレーザースキャナーとRGB-Dカメラからの融合データと目標への向きのみである。 Asynchronous Advantage Actor-Critic Network(GA3C)の出力動作は、ロボットの線形および角速度である。
  論文  参考訳（メタデータ） (2020-05-28T09:15:14Z)
• Morphology-Agnostic Visual Robotic Control [76.44045983428701]
  MAVRICは、ロボットの形態に関する最小限の知識で機能するアプローチである。 本稿では,視覚誘導型3Dポイントリーチ,軌道追従,ロボットとロボットの模倣について紹介する。
  論文  参考訳（メタデータ） (2019-12-31T15:45:10Z)

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。