論文の概要: ForEnt: A Multi-Modal Dataset for Characterizing Quadruped Robot Entrapments in Forest Environments

• arxiv url: http://arxiv.org/abs/2606.19675v1
• Date: Thu, 18 Jun 2026 00:59:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-19 18:23:39.593217
• Title: ForEnt: A Multi-Modal Dataset for Characterizing Quadruped Robot Entrapments in Forest Environments
• Title（参考訳）: ForEnt:森林環境における四足歩行ロボットの侵入を特徴付けるマルチモーダルデータセット
• Authors: Natapat Kirdwichai, Danesh Tarapore,
• Abstract要約: 脚のついたロボットは、生態調査とモニタリングのために森林にますます配備されている。 森林の侵入は、ロボットの脚がブドウやその他の植生に浸食されると、安定性が損なわれ、転倒する。 イギリスのサウサンプトン・コモン・ウッドランドにある8つの森林地帯にまたがって,低コストのUnitree Go2で収集したデータであるForEntを提示する。
• 参考スコア（独自算出の注目度）: 1.2891210250935143
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Legged robots are increasingly deployed in forests for ecological surveying and monitoring, yet their autonomy is often interrupted consequent to the challenges posed in traversing forest environments. Forest entrapments, for example, when a robot's legs are ensnared in vines or other vegetation, result in loss of stability and toppling. Such events not only disrupt the mission and require manual intervention, but also risk damage to the robot hardware. To address the absence of a dedicated dataset to investigate these failure modes in forest environments, we present ForEnt, a multi-modal dataset collected with the low-cost Unitree Go2 quadruped across eight forest sites in the Southampton Common Woodlands, UK. For our dataset, over approximately 1.7 km of traversals in 11 sequences were conducted, yielding 69 recorded entrapment events. ForEnt includes time-synchronized RGB-D images, LiDAR scans, proprioceptive data, and third-person video, enabling analysis of terrain factors contributing to entrapment and providing labeled sensor streams for reproducible benchmarking. By supporting the evaluation of entrapment detection strategies, ForEnt lowers the barrier to developing robust quadruped robot deployments in challenging forest environments.
• Abstract（参考訳）: 脚のついたロボットは、生態調査やモニタリングのために森林にますます配備されているが、森林環境を横断する際の課題によって、その自律性はしばしば中断されている。 例えば、ロボットの脚がブドウやその他の植生に浸食されると、安定性が損なわれ、転倒する。 このような出来事はミッションを妨害し、手動の介入を必要とするだけでなく、ロボットのハードウェアに損傷を与える危険性もある。 森林環境におけるこれらの障害モードを調査するための専用のデータセットが存在しないことに対処するため、イギリス、サウサンプトン・コモン・ウッドランドの森林8か所で4倍の低コストUnitree Go2で収集されたマルチモーダルデータセットであるForEntを紹介した。 以上の結果から,11回の連続で約1.7kmのトラバースが観測され,69件が記録された。 ForEntには、時間同期RGB-Dイメージ、LiDARスキャン、プロプリセプティブデータ、サードパーティのビデオが含まれており、侵入に寄与する地形要因の分析と再現可能なベンチマークのためのラベル付きセンサーストリームを提供する。 侵入検出戦略の評価を支援することにより、ForEntは、挑戦的な森林環境における頑丈な四足歩行ロボットの開発における障壁を低くする。

関連論文リスト

• Viking Hill Dataset: A Lidar-Radar-Camera Dataset for Detection and Segmentation in Forest Scenes [19.50568056035419]
  我々は,高分解能FMCWイメージングレーダ,ライダー,RGBカメラ,IMU,RTK-GNSSを備えた移動ロボットによって収集されたマルチセンサフォレストデータセットを紹介する。 我々はMinkowskiUNetを用いたレーダーとライダー点雲のセマンティックセグメンテーションのためのベースライン結果を提供する。 クロスモダリティ解析ではライダーとレーダトランクのセグメンテーションをRGB検出モデルと比較し、直径成層評価により、トランクセグメンテーションの品質が木の大きさによってどのように変化するかを明らかにする。
  論文  参考訳（メタデータ） (2026-06-17T14:58:00Z)
• Towards autonomous photogrammetric forest inventory using a lightweight under-canopy robotic drone [0.8876098207621341]
  本稿では、最先端のオープンソース手法を活用し、森林内のデータ収集のパフォーマンスを検証するロボットアンダーキャノピードローンのプロトタイプを構築します。 試作機は、選択した挑戦的な森林環境での飛行に成功し、立体写真撮影システムを用いた森林3Dモデリングにおいて有望な性能を示した。 この結果は、自律型アンダーキャノピー森林マッピングに関する貴重な洞察を与え、複雑な森林環境をマッピングするための軽量なロボットドローンシステムを進化させるための重要な次のステップを強調している。
  論文  参考訳（メタデータ） (2025-01-21T11:59:07Z)
• RoboSense: Large-scale Dataset and Benchmark for Egocentric Robot Perception and Navigation in Crowded and Unstructured Environments [62.5830455357187]
  我々は3種類のセンサー(Camera, LiDAR, Fisheye)をベースとした自我中心型マルチセンサデータ収集プラットフォームを構築した。 大規模なマルチモーダルデータセットであるRoboSenseは、エゴセントリックなロボット知覚を促進するために構築されている。
  論文  参考訳（メタデータ） (2024-08-28T03:17:40Z)
• Automated forest inventory: analysis of high-density airborne LiDAR point clouds with 3D deep learning [16.071397465972893]
  ForAINetは多様な森林タイプや地理的地域をまたいでセグメンテーションを行うことができる。 システムは、調査ドローンを使用して5つの国で取得されたポイントクラウドのデータセットであるFor-Instanceでテストされている。
  論文  参考訳（メタデータ） (2023-12-22T21:54:35Z)
• Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
  スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。 本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
  論文  参考訳（メタデータ） (2023-08-14T16:48:57Z)
• SHIFT: A Synthetic Driving Dataset for Continuous Multi-Task Domain Adaptation [152.60469768559878]
  ShiFTは、自動運転のための最大規模のマルチタスク合成データセットである。 曇り、雨と霧の強さ、昼の時間、車と歩行者の密度を個別に連続的に変化させる。 私たちのデータセットとベンチマークツールキットはwww.vis.xyz/shift.comで公開されています。
  論文  参考訳（メタデータ） (2022-06-16T17:59:52Z)
• An Autonomous Drone for Search and Rescue in Forests using Airborne Optical Sectioning [0.0]
  密閉された森林に完全自律的に人々を発見できる最初のプロトタイプを紹介します。 様々な森林タイプで実施された17のフィールド実験で、ドローンは42人の隠れた人のうち38人を見つけた。 深層学習に基づく人物分類は、1次元合成開口内でのスパースや誤差の少ないサンプリングでは影響を受けない。
  論文  参考訳（メタデータ） (2021-05-10T13:05:22Z)
• Batch Exploration with Examples for Scalable Robotic Reinforcement Learning [63.552788688544254]
  BEE(Batch Exploration with Examples)は、重要状態の画像の少ない数の人間がガイドする状態空間の関連領域を探索する。 BEEは、シミュレーションと本物のフランカロボットの両方で、視覚ベースの操作に挑戦することができる。
  論文  参考訳（メタデータ） (2020-10-22T17:49:25Z)
• A Flow Base Bi-path Network for Cross-scene Video Crowd Understanding in Aerial View [93.23947591795897]
  本稿では,これらの課題に対処し,ドローンから収集した視覚的データから参加者を自動的に理解する。 クロスシーンテストで発生する背景雑音を軽減するために, 二重ストリーム群カウントモデルを提案する。 極暗環境下での集団密度推定問題に対処するために,ゲームグランドセフトオートV(GTAV)によって生成された合成データを導入する。
  論文  参考訳（メタデータ） (2020-09-29T01:48:24Z)

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。