論文の概要: A Distributed Multi-UGV Exploration Framework With Loop-Aware Planning and Descriptor-Aided Localization in Resource-Limited Environments
- arxiv url: http://arxiv.org/abs/2606.11088v1
- Date: Tue, 09 Jun 2026 16:48:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-11 16:42:38.066633
- Title: A Distributed Multi-UGV Exploration Framework With Loop-Aware Planning and Descriptor-Aided Localization in Resource-Limited Environments
- Title（参考訳）: 資源制限環境におけるループアウェア計画と記述者支援型ローカライゼーションによる分散マルチUGV探索フレームワーク
- Authors: Zhiwei Li, Haiou Liu, Xijun Zhao, Ji Li, Yingze Wang, Boyang Wang,
- Abstract要約: 本稿では,UGV間ループ閉鎖とループ対応階層計画を結合した完全分散探索フレームワークを提案する。
我々は,高機能なUGV位置認識を実現するために,レンジイメージをプリアライメントした軽量なLiDARグローバルディスクリプタを開発した。
また,不確実性を考慮したクロスUGVループ閉鎖選択モジュールを導入する。
- 参考スコア（独自算出の注目度）: 13.456466206579782
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Robust and efficient cooperative exploration with multiple unmanned ground vehicles (UGVs) in unknown, GPSdenied, and bandwidth-limited environments without prior maps remains challenging, as localization drift degrades map consistency and induces redundant coverage. This paper presents a fully distributed exploration framework that couples descriptoraided inter-UGV loop closure with loop-aware hierarchical planning while enabling autonomous localization and exploration. We develop a lightweight LiDAR global descriptor with range-image prealignment to enable robust cross-UGV place recognition under large yaw and lateral variations, and use verified loop closures to maintain globally consistent trajectories and a sparse topological representation. We further introduce an uncertainty-aware crossUGV loop-closure selection module that scores candidate loop closures under pose uncertainty and retains high-utility loop closures as planning anchors for global task allocation and local route refinement. Simulations and real-UGV experiments show that the loop-closure module achieves AR@1/AR@1% of 89.9%/95.5%, distributed optimization reduces absolute trajectory error, the system substantially reduces two-way communication volume, and the overall framework reduces exploration time and travel distance by 15% and 14%, respectively, compared with an mTSP baseline.
- Abstract（参考訳）: ローカライゼーションドリフトは地図の一貫性を低下させ、冗長なカバレッジをもたらすため、地図のない未知、GPS、帯域幅制限環境における複数の無人地上車両(UGV)によるロバストで効率的な協調探索は依然として困難である。
本稿では,UGV間ループ閉鎖とループ対応階層計画とを結合し,自律的な局所化と探索を可能にする,完全分散探索フレームワークを提案する。
そこで我々は,広帯域および横方向の可変条件下で頑健なUGV位置認識を実現するために,レンジイメージを事前調整した軽量なLiDARグローバルディスクリプタを開発し,一貫した軌跡と疎位相表現を維持するために,検証ループクロージャを用いた。
さらに,不確実性を考慮したクロスUGVループ閉鎖選択モジュールを導入し,グローバルなタスク割り当てとローカルルート改善のためのプランニングアンカーとして高機能なループ閉鎖を継続する。
シミュレーションおよび実UGV実験により、ループ閉鎖モジュールは、89.9%/95.5%のAR@1/AR@1%を達成し、分散最適化は絶対軌道誤差を低減し、システムは双方向通信量を大幅に削減し、全体フレームワークは、mTSPベースラインと比較して、探索時間と走行距離を15%と14%削減することを示した。
関連論文リスト
- Accelerating Robot Path Planning via Connectivity-Preserving Region Proposal Network [5.81838331663612]
移動ロボット経路計画法は、しばしば広大な探索空間によって制約され、サンプリングベースアルゴリズムの遅延が発生する。
本稿では,コンパクトでトポロジカルに連結した候補領域の予測を目的としたセグメンテーション誘導モデルであるCP-RPNを提案する。
論文 参考訳（メタデータ） (2026-05-27T11:59:03Z) - OmniISR: A Unified Framework for Centralized and Federated Learning via Intermediate Supervision and Regularization [58.03221830946145]
我々は、純粋なCL、純粋なFL、ハイブリッドCL-FLトレーニングモードを融合する統合フレームワークであるOmniISRを提案する。
我々は,OmniISRが集中型パラダイムとフェデレーション型パラダイムの両方において,モデル性能を一貫して改善していることを示す。
論文 参考訳（メタデータ） (2026-05-19T04:13:27Z) - RAD-2: Scaling Reinforcement Learning in a Generator-Discriminator Framework [49.531001563853984]
RAD-2はクローズドループ計画のための統一されたジェネレータ・ディスクリミネーターフレームワークである。
様々な軌道候補を生成する一方、RL最適化判別器は、これらの候補を長期的な運転品質に応じて再現する。
強い拡散ベースのプランナーに比べて衝突速度を56%削減する。
論文 参考訳（メタデータ） (2026-04-16T17:59:44Z) - HAD: Combining Hierarchical Diffusion with Metric-Decoupled RL for End-to-End Driving [51.268878540511054]
我々は階層的拡散政策を備えたエンドツーエンドの計画フレームワークであるHADを提案する。
我々は,NAVSIMとHUGSIMの両方でHADが新たな最先端性能を実現することを示す。
論文 参考訳（メタデータ） (2026-04-04T04:12:47Z) - Degeneracy-Resilient Teach and Repeat for Geometrically Challenging Environments Using FMCW Lidar [18.593167038234828]
Teach and Repeat(T&R)のトポロジカルナビゲーションにより、ロボットはGPSに頼ることなく、事前に走行した経路を自律的に繰り返すことができる。
本稿では,ドップラー速度に基づくドップラー計測とデジェネリアシー・アウェア・スキャン・トゥ・マップ・ローカライゼーションからなる周波数変調連続波ライダーT&Rナビゲーションシステムを提案する。
論文 参考訳（メタデータ） (2026-03-10T21:57:08Z) - VGGT-MPR: VGGT-Enhanced Multimodal Place Recognition in Autonomous Driving Environments [28.038793732845477]
VGGT-MPRは、グローバル検索と再ランク付けの両方のための統合幾何エンジンである。
VGGTは、事前の深度認識と点マップ監視を通して、幾何学的に豊富な視覚的埋め込みを抽出する。
提案手法は,パラメータの最適化を伴わずに検索結果を効果的に洗練する。
論文 参考訳（メタデータ） (2026-02-23T11:33:56Z) - DSFC-Net: A Dual-Encoder Spatial and Frequency Co-Awareness Network for Rural Road Extraction [32.51260718935461]
本稿では,空間および周波数領域情報を融合するデュアルエンコーダフレームワークDSFC-Netを提案する。
CFIAモジュールはラプラシアピラミッド戦略を通じて、高周波数と低周波の情報を明示的に分離する。
WHU-RuR+、DeepGlobe、およびマサチューセッツのデータセットの実験は、最先端のアプローチよりもDSFC-Netの方が優れていることを検証した。
論文 参考訳（メタデータ） (2026-02-01T15:23:42Z) - Task-Driven Prompt Learning: A Joint Framework for Multi-modal Cloud Removal and Segmentation [11.468907022707013]
TDP-CRはタスク駆動のフレームワークで、クラウド削除と土地被覆のセグメンテーションを共同で行う。
我々のアプローチの中心は、雲の厚さと空間の不確かさを符号化する学習可能な劣化プロンプトを利用するPrompt-Guided Fusionメカニズムである。
LuojiaSET-OSFCRデータセットの実験は、我々のフレームワークの優位性を実証している。
論文 参考訳（メタデータ） (2026-01-17T13:32:38Z) - DiffusionDriveV2: Reinforcement Learning-Constrained Truncated Diffusion Modeling in End-to-End Autonomous Driving [65.7087560656003]
エンドツーエンドの自動運転のための生成拡散モデルは、しばしばモード崩壊に悩まされる。
強化学習を利用して低品質モードを制約し,優れた軌道探索を行うDiffusionDriveV2を提案する。
これにより、そのコアであるガウス混合モデル固有の多重モード性を維持しながら、全体的な出力品質が大幅に向上する。
論文 参考訳（メタデータ） (2025-12-08T17:29:52Z) - SCoTT: Strategic Chain-of-Thought Tasking for Wireless-Aware Robot Navigation in Digital Twins [78.53885607559958]
無線対応経路計画フレームワークであるSCoTTを提案する。
SCoTT は DP-WA* の2% 以内で経路ゲインを達成し, 連続的に短い軌道を生成できることを示す。
また,ガゼボシミュレーションにおいて,SCoTTをROSノードとして配置することにより,本手法の実用性を示す。
論文 参考訳（メタデータ） (2024-11-27T10:45:49Z) - 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。