論文の概要: Safe Local Navigation for Ackermann-Steered Robots in Unmapped Environments
- arxiv url: http://arxiv.org/abs/2606.19672v1
- Date: Thu, 18 Jun 2026 00:49:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-19 18:23:39.592152
- Title: Safe Local Navigation for Ackermann-Steered Robots in Unmapped Environments
- Title（参考訳）: 無マップ環境におけるアッカーマンステアリングロボットの安全な位置ナビゲーション
- Authors: Christian Schaible, Shahin Sirouspour,
- Abstract要約: アッカーマンステアリングを備えた移動ロボットの非マップ環境における局所ナビゲーションのためのフレームワークを提案する。
局所的障害物検出に基づいて、車両前方の最大の開放空間の方向に沿って、最も安全な方向角が決定される。
提案手法は,既存の探索型プランナに比べて,比較的短い時間で安全な航法経路を生成する。
- 参考スコア（独自算出の注目度）: 0.9167082845109437
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A control framework is proposed for safe local navigation of mobile robots equipped with Ackermann steering in unmapped environments where a global goal is absent. Based on local obstacle detections, the safest heading angle is determined along the direction of the largest open space ahead of the vehicle. Guided by this direction, bounding lines are constructed on the left and right sides of the vehicle to achieve obstacle separation. These bounding lines are obtained by solving a convex quadratic optimization that maximizes vehicle-to-obstacle clearance. Optionally, conditions are imposed on the bounding lines to preserve parallelism and smooth abrupt changes from prior control steps. A feedback-linearizing controller is then used to regulate the vehicle's distance from one or both bounding lines, effectively enabling tracking of a local reference path that preserves safety through obstacle clearance maximization. Open-source code is included for the application of this control scheme. Experimental results demonstrate that the proposed method produces safer navigation paths with significantly shorter computation times, compared to some existing exploration-based planners.
- Abstract（参考訳）: グローバルな目標が存在しない未マップ環境において,アッカーマンステアリングを備えた移動ロボットの安全なローカルナビゲーションのための制御フレームワークが提案されている。
局所的障害物検出に基づいて、車両前方の最大の開放空間の方向に沿って、最も安全な方向角が決定される。
この方向で案内される境界線は、車両の左右に構築され、障害物分離を実現する。
これらの境界線は、車両と障害物のクリアランスを最大化する凸二次最適化を解くことで得られる。
オプションとして、並列性を維持するために境界線に条件が課され、以前の制御ステップからスムーズな変化が生じる。
次に、フィードバック線形化制御器を用いて、車両の1つまたは両方の境界線からの距離を規制し、障害物クリアランスの最大化による安全を保護する局所的な基準経路の追跡を効果的に行う。
この制御スキームの適用には、オープンソースコードが含まれている。
実験により,提案手法は,既存の探索型プランナに比べて,計算時間を大幅に短縮した安全な航法経路を生成することが示された。
関連論文リスト
- Beyond Waypoints: A Trajectory-Centric Waypointing Paradigm for Vision-Language Navigation [79.12557132788139]
VLN-CE(Vision-Language Navigation in Continuous Environments)では、エージェントが現実世界のような環境でナビゲートしながら自然言語の指示に従う必要がある。
ほとんどのVLN-CEアプローチでは、ウェイポイント予測器がウェイポイントを提案し、ナビゲータが最良のウェイポイントを選択する。
提案手法は,各候補の経路点を実行可能な軌道に配置する,トラジェクトリ・ウェイポイントという新しいパラダイムを導入する。
論文 参考訳（メタデータ） (2026-06-05T13:11:39Z) - A Closed-Form Dual-Barrier CBF Safety Filter for Holonomic Robots on Incrementally Built Occupancy Grid Maps [0.0]
本稿では,ホロノミックロボットのリアルタイムかつ安全クリティカルな速度制御のための二重バリア制御バリア機能 (CBF) を提案する。
マップされた障害物の回避と未探索領域からの制限という2つの制約を施行する。
SLAMとプランニングがすでにかなりの計算を消費しているRaspberry Piのようなリソース制約のあるプラットフォームでは、提案されたフィルタのオーバーヘッドはリソースを保存する。
論文 参考訳（メタデータ） (2026-05-06T17:49:17Z) - Differentiable Optimization Layered Safety-Critical Control for Risk-Aware Navigation via Conformal Prediction [16.10361545309497]
本稿では,共形予測に基づく可変層型安全クリティカル制御手法を提案する。
センサノイズによる不確実性に対処するため、楕円形ロボットの周囲にリスク認識された障害物楕円体を生成するために、コンフォメーション予測法を用いる。
論文 参考訳（メタデータ） (2026-05-05T11:26:07Z) - Safe Navigation in Unknown and Cluttered Environments via Direction-Aware Convex Free-Region Generation [20.573403875258787]
本研究では,候補となる動き方向とロボット形状を凸自由領域生成に組み込んだナビゲーションフレームワークを提案する。
各領域において、このフレームワークはジオメトリ対応のターゲットポーズ選択と軌道生成を行う。
結果のフリーリージョンと候補動作は、インクリメンタルプランニングをサポートするために、リージョンベースのグラフで維持される。
論文 参考訳（メタデータ） (2026-04-26T10:37:01Z) - VORL-EXPLORE: A Hybrid Learning Planning Approach to Multi-Robot Exploration in Dynamic Environments [19.811711277536187]
マルチロボット探索は通常、フロンティア割り当てをローカルナビゲーションから切り離す。
VORL-EXPLOREは,この制約に対処するハイブリッド学習・計画フレームワークである。
また、グローバルA*ガイダンスとリアクティブ強化学習ポリシーとの間のリスク対応適応的仲裁機構も推進している。
論文 参考訳（メタデータ） (2026-03-09T05:20:33Z) - SaferPath: Hierarchical Visual Navigation with Learned Guidance and Safety-Constrained Control [9.692780954657229]
ビジュアルナビゲーションはモバイルロボットの中核機能であるが、エンド・ツー・エンドの学習ベースの手法は、目に見えない、散らかった、狭い環境での一般化と安全性に苦しむことが多い。
本稿では,既存のエンド・ツー・エンドモデルから学習したガイダンスを活用し,安全性に制約のある最適化制御モジュールを通じて改良した階層型ビジュアルナビゲーションフレームワークであるSaferPathを提案する。
論文 参考訳（メタデータ） (2026-03-02T14:17:37Z) - MetricNet: Recovering Metric Scale in Generative Navigation Policies [51.90872764552077]
MetricNetは、ウェイポイント間の距離を予測するジェネレーティブナビゲーションのための効果的なアドオンである。
MetricNetスケールのウェイポイントの実行はナビゲーションと探索の両方のパフォーマンスを大幅に改善することを示す。
また、MetricNetをナビゲーションポリシーに統合し、目標に向かって移動しながら障害物からロボットを誘導するMetricNavを提案する。
論文 参考訳（メタデータ） (2025-09-17T13:37:13Z) - 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) - Designing Control Barrier Function via Probabilistic Enumeration for Safe Reinforcement Learning Navigation [55.02966123945644]
本稿では,ニューラルネットワーク検証技術を利用して制御障壁関数(CBF)とポリシー修正機構の設計を行う階層型制御フレームワークを提案する。
提案手法は,安全なCBFベースの制御層を構築するために使用される,安全でない操作領域を特定するための確率的列挙に依存する。
これらの実験は、効率的なナビゲーション動作を維持しながら、安全でない動作を補正する提案手法の能力を実証するものである。
論文 参考訳（メタデータ） (2025-04-30T13:47:25Z) - BarrierNet: A Safety-Guaranteed Layer for Neural Networks [50.86816322277293]
BarrierNetは、ニューラルコントローラの安全性の制約が環境の変化に適応できるようにする。
本研究では,2次元空間と3次元空間における交通統合やロボットナビゲーションといった一連の制御問題について評価する。
論文 参考訳（メタデータ） (2021-11-22T15:38:11Z)
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。