論文の概要: MPPI-based Informative Trajectory Planning for Search and Capture of Drifting Targets with ASVs

• arxiv url: http://arxiv.org/abs/2606.12019v1
• Date: Wed, 10 Jun 2026 12:44:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-18 14:22:48.085353
• Title: MPPI-based Informative Trajectory Planning for Search and Capture of Drifting Targets with ASVs
• Title（参考訳）: ASVによるドリフトターゲットの探索と捕獲のためのMPPIに基づくインフォーマティブ軌道計画
• Authors: Sanjeev Ramkumar Sudha, Marija Popović, Erlend M. Coates,
• Abstract要約: 本稿では,ハイブリッド・プランニング・フレームワークを用いた漂流目標の探索と捕捉の問題に対処する。 プランナーは、長い水平線上の連続軌道を最適化することにより、運動レベルコマンドを直接生成する。 実験の結果、私たちのプランナーは選択した計画ベースラインよりも優れています。
• 参考スコア（独自算出の注目度）: 0.8602553195689513
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous surface vehicles offer an efficient solution for environmental cleanup as well as search and rescue operations in open waters. Targets in these settings drift continuously, so efficient search must balance exploration of unobserved regions with tracking of known targets. However, most target tracking and pursuit scenarios consider simple guidance behaviours and short-term predictions for decision-making. In this letter, we address the problem of search and capture of multiple drifting targets, such as litter, in dynamic environments, using a hybrid planning framework. A key aspect of our strategy is a spatiotemporal informative planning method based on model predictive path integral (MPPI) control, a sampling-based model predictive control approach. The planner directly generates kinematic-level commands by optimising continuous trajectories over long horizons. A multi-objective cost balances search and tracking objectives while ensuring safe, feasible trajectories. In the interception stage, we switch to a pure pursuit guidance controller for the physical capture of moving targets. Experiments show that our planner outperforms the chosen planning baselines. Finally, we validate our approach in field trials with an ASV.
• Abstract（参考訳）: 自律型表層車両は、環境浄化と、オープンウォーターでの捜索・救助活動に効率的なソリューションを提供する。 これらの設定のターゲットは連続的にドリフトするため、効率的な探索は観測されていない領域の探索と既知のターゲットの追跡のバランスをとる必要がある。 しかし、ほとんどの目標追跡と追跡シナリオは、簡単なガイダンス行動と意思決定の短期予測を考慮に入れている。 本稿では, ハイブリッド計画フレームワークを用いて, 動的環境におけるごみ等の複数の漂流目標の探索と捕捉の問題に対処する。 我々の戦略の重要な側面は、モデル予測経路積分(MPPI)制御に基づく時空間情報計画法であり、サンプリングベースモデル予測制御アプローチである。 プランナーは、長い水平線上の連続軌道を最適化することにより、運動レベルコマンドを直接生成する。 多目的コストは、安全で実現可能な軌道を確保しつつ、探索と追跡のバランスをとる。 インターセプションの段階では、移動目標を物理的に捕捉する純粋な追従誘導コントローラに切り替える。 実験の結果、私たちのプランナーは選択した計画ベースラインよりも優れています。 最後に,ASVを用いたフィールドトライアルにおけるアプローチを検証する。

関連論文リスト

• STEM: Semantic Target Search and Exploration using MAVs in Cluttered Environments [17.009653719709213]
  本稿では,目的探索時間と探索時間を最小限に抑えるために,意味誘導型視点プランナを用いた新しいフレームワークを提案する。 具体的には,対象に繋がる可能性のある視点を優先順位付けすることで,効率的な意味探索計画を生成するプランナーを開発する。
  論文  参考訳（メタデータ） (2026-05-30T15:00:58Z)
• Eva-Tracker: ESDF-update-free, Visibility-aware Planning with Target Reacquisition for Robust Aerial Tracking [51.06229328990625]
  Eva-Trackerは、航空追跡のための可視性を考慮した軌道計画フレームワークである。 ESDF更新を排除し、リカバリ可能なパス生成メソッドを組み込んで、ターゲット再取得を行う。 提案手法は,従来の最先端手法よりも計算労力の少ないロバストな追跡結果を提供する。
  論文  参考訳（メタデータ） (2026-02-13T02:56:34Z)
• 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)
• Variable Time-Step MPC for Agile Multi-Rotor UAV Interception of Dynamic Targets [6.0967385124149756]
  既存の非線形モデル予測制御手法を使用したアジャイルプランニングは、ますます需要が高まるにつれて計画手順の数によって制限される。 本稿では,変動時間ステップを導入し,予測水平長と組み合わせることで,これらの制約に対処することを提案する。 簡易な点質量運動プリミティブは、四重項力学の微分平坦性と、平坦な出力空間における可能な軌道の軌道生成を利用するために用いられる。
  論文  参考訳（メタデータ） (2025-03-18T11:59:24Z)
• Real-Time Sampling-based Online Planning for Drone Interception [18.340019191662957]
  本稿では,ニューラルネットワークの推論を利用して,時間を要する非線形軌道最適化を代替するサンプリングベースのオンライン計画アルゴリズムを提案する。 提案手法は、無人機が衝突を回避し、不完全な目標予測を処理しながら、目標を迎撃しなければならないドローン迎撃問題に適用される。
  論文  参考訳（メタデータ） (2025-02-20T03:48:38Z)
• Affordances-Oriented Planning using Foundation Models for Continuous Vision-Language Navigation [64.84996994779443]
  本稿では,連続視覚言語ナビゲーション(VLN)タスクのためのAffordances-Oriented Plannerを提案する。 我々のAO-Plannerは、様々な基礎モデルを統合して、アベイランス指向の低レベルな動き計画とハイレベルな意思決定を実現する。 挑戦的なR2R-CEデータセットとRxR-CEデータセットの実験は、AO-Plannerが最先端のゼロショットのパフォーマンスを達成したことを示している。
  論文  参考訳（メタデータ） (2024-07-08T12:52:46Z)
• Reinforcement Learning for Agile Active Target Sensing with a UAV [10.070339628481445]
  本稿では,情報トラジェクトリを計画するための深層強化学習手法を開発する。 ターゲット状態に対する現在の信念を活用し、高忠実度分類のための不正確なセンサーモデルを含む。 提案手法の特異な特徴は,真の目標分布から様々な量の偏差が生じることにある。
  論文  参考訳（メタデータ） (2022-12-16T01:01:17Z)
• Imitative Planning using Conditional Normalizing Flow [2.8978926857710263]
  自律走行車のための動的な都市シナリオにおける軌道計画の一般的な方法は、明確に特定され手作業によるコスト関数に依存することである。 自律走行車(AV)の軌道計画性能向上のための正規化フローの適用について検討する。 軌道プランナーのコスト多様体をエネルギー関数としてモデル化することにより、AV制御空間上のボルツマン分布以前のシーン条件付き写像を学習する。
  論文  参考訳（メタデータ） (2020-07-31T16:32:23Z)
• Long-Horizon Visual Planning with Goal-Conditioned Hierarchical Predictors [124.30562402952319]
  未来に予測し、計画する能力は、世界で行動するエージェントにとって基本である。 視覚的予測と計画のための現在の学習手法は、長期的タスクでは失敗する。 本稿では,これらの制約を克服可能な視覚的予測と計画のためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-23T17:58:56Z)
• Learning to Track Dynamic Targets in Partially Known Environments [48.49957897251128]
  我々は、アクティブな目標追跡を解決するために、深層強化学習アプローチを用いる。 特に,アクティブ・トラッカー・ターゲティング・ネットワーク(ATTN)を導入し,アクティブ・ターゲティング・ターゲティングの主要なタスクを解決するための統一的なRLポリシーを提案する。
  論文  参考訳（メタデータ） (2020-06-17T22:45:24Z)

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。