論文の概要: AgniNav: Configuration-Driven Cross-Embodiment Local Planning for Robot Navigation
- arxiv url: http://arxiv.org/abs/2606.10903v1
- Date: Tue, 09 Jun 2026 14:13:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-11 16:42:38.045327
- Title: AgniNav: Configuration-Driven Cross-Embodiment Local Planning for Robot Navigation
- Title（参考訳）: AgniNav: ロボットナビゲーションのための構成駆動型クロスボディローカルプランニング
- Authors: Tianhao Zang, Siwei Cheng, Haidong Huang, Shanze Wang, Wei Zhang,
- Abstract要約: AgniNavは設定駆動のローカルナビゲーションフレームワークである。
衝突エンベロープレベルでのクロス・エボディメント転送を標準化する。
これは、知覚と計画を共同で条件付ける最初の単眼の局所航法フレームワークである。
- 参考スコア（独自算出の注目度）: 4.65204847929152
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Monocular local navigation is attractive for lightweight robots, but existing vision-based policies often couple perception to a specific body, camera height, and footprint, making transfer from wheeled bases to legged platforms dependent on retraining or active depth hardware. This paper introduces AgniNav, a configuration-driven local navigation framework that standardizes cross-embodiment transfer at the collision-envelope level. Each robot is specified by a measurable four-parameter safety envelope: collision-relevant height, front length, rear length, and half width. The height parameter conditions an image-to-scan network to predict a one-dimensional, collision-relevant pseudo-laserscan from a monocular color image, while the remaining footprint parameters configure a dimension-aware local planner for collision checking. Training uses height-conditioned column-minimum scan labels generated from paired color-depth data, allowing the same image to supervise different safety envelopes without collecting robot-specific data. To the best of our knowledge, AgniNav is the first monocular local-navigation framework that jointly conditions perception and planning on a shared collision-envelope configuration for zero-retraining deployment across wheeled, quadruped, and humanoid platforms. Real-robot experiments on a Turtlebot2, Unitree Go2, and Accelerated Evolution K1 achieve 39/40, 18/20, and 18/20 successes with 0/40, 1/20, and 2/20 collisions, respectively, while running at 30 Hz on Jetson Orin.
- Abstract（参考訳）: 単眼の局所ナビゲーションは軽量ロボットには魅力的だが、既存の視覚ベースのポリシーでは、特定のボディ、カメラの高さ、フットプリントに対する認識が重なり、車輪付きベースから脚付きプラットフォームへの移動は、トレーニングやアクティブな深度ハードウェアに依存している。
本稿では、衝突エンベロープレベルでのクロスボデーメント転送を標準化する構成駆動型ローカルナビゲーションフレームワークであるAgniNavを紹介する。
各ロボットは、衝突関連高さ、前長、後長、半幅の計測可能な4パラメータ安全封筒で特定される。
高さパラメータは、モノクロカラー画像から1次元の衝突関連擬似レーザーカンを予測するための画像対スキャンネットワークを条件とし、残りのフットプリントパラメータは、衝突チェックのための寸法対応ローカルプランナーを構成する。
トレーニングでは、ペア化された色深度データから生成された高さ条件付きカラム最小スキャンラベルを使用して、ロボット固有のデータを収集することなく、同じイメージで異なる安全封筒を監視できる。
私たちの知る限りでは、AgniNavは、車輪、四脚、ヒューマノイドプラットフォーム間のゼロ・リトレーニングデプロイメントのための共有衝突・エンベロープ構成の認識と計画を共同で条件付けする最初の単眼の局所ナビゲーションフレームワークです。
Turtlebot2、Unitree Go2、Accelerated Evolution K1における実ロボット実験は、Jetson Orin上で30Hzで、それぞれ0/40、1/20、および2/20の衝突で39/40、18/20、および18/20の成功を達成した。
関連論文リスト
- NightSight: Passive Computation for Navigation in Dark Using Events [3.7376797687484005]
小型の空中ロボットは、閉じ込められた危険な環境での捜索と救助に適している。
本稿では,単眼イベントカメラ,符号化開口レンズ,赤外線ドットプロジェクタを組み合わせた軽量な認識手法を提案する。
我々のシステムはNVIDIA Jetson Orin Nano上で20Hzでリアルタイムに動作し、リソース制約のあるプラットフォームに適していることを示す。
論文 参考訳（メタデータ） (2026-05-25T21:07:44Z) - Multimodal embodiment-aware navigation transformer [5.673561896367136]
ViLiNTは、複数のプラットフォームや環境からの異種データに基づいてトレーニングされた、ゴールナビゲーションのためのマルチモーダルな注意ベースのポリシーである。
我々は、ViLiNTが、同等の最先端ビジョンオンリーベースライン(NoMaD)よりも平均166%向上することを示す。
結果は、障害物場を航行するローバーの実際の展開を通じて確認される。
論文 参考訳（メタデータ） (2026-04-21T09:32:59Z) - CeRLP: A Cross-embodiment Robot Local Planning Framework for Visual Navigation [12.047848283467019]
汎用視覚ナビゲーションのためのクロス・エボディメント・ロボット・ローカル・プランニング(CeRLP)フレームワークを提案する。
CeRLPは、視覚情報を統一された幾何学的定式化に抽象化し、異種ロボットに適用する。
シミュレーション環境での実験では、CeRLPは比較法よりも優れていた。
論文 参考訳（メタデータ） (2026-03-20T03:17:18Z) - Learning to Localize Reference Trajectories in Image-Space for Visual Navigation [11.2075405205209]
ロボットに依存しない画像空間ガイダンスを提供する視覚ナビゲーションモデルであるLoTISを提案する。
特定のロボットに関連付けられた動作を予測する代わりに、ロボットの現在のビューに現れるように、参照軌道のイメージ空間座標を予測する。
我々のモデルの予測は、多様な実施形態をまたいだゼロショットのガイダンスを提供する。
論文 参考訳（メタデータ） (2026-02-21T11:33:00Z) - 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) - CARE: Enhancing Safety of Visual Navigation through Collision Avoidance via Repulsive Estimation [6.216878556851609]
本稿では,学習に基づく視覚ナビゲーション手法の堅牢性を向上させるため,CARE(Collision Avoidance via Repulsive Estimation)を提案する。
CAREは、ローカルなロボット軌道を生成するRGBベースのナビゲーションモデルにシームレスに統合することができる。
我々は、様々なロボットプラットフォームにまたがる最先端のビジュアルナビゲーションモデルと統合することで、CAREを評価する。
論文 参考訳（メタデータ） (2025-06-04T11:02:15Z) - CabiNet: Scaling Neural Collision Detection for Object Rearrangement
with Procedural Scene Generation [54.68738348071891]
私たちはまず、さまざまな日常環境において、650万以上の散らばったシーン(前よりも桁違いに多い)を生成します。
このデータから合成部分点雲をレンダリングし、それをCabiNetモデルアーキテクチャのトレーニングに使用します。
CabiNetは、オブジェクトとシーンポイントの雲を受け入れる衝突モデルである。
論文 参考訳（メタデータ） (2023-04-18T21:09:55Z) - Coupling Vision and Proprioception for Navigation of Legged Robots [65.59559699815512]
我々は視覚と受容の相補的な強みを利用して、脚のあるロボットでポイントゴールナビゲーションを実現する。
車輪付きロボット(LoCoBot)のベースラインよりも優れた性能を示す。
また,センサーと計算能力を備えた四足歩行ロボットに,我々のシステムを実環境に展開することも示す。
論文 参考訳（メタデータ） (2021-12-03T18:59:59Z) - 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)
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。