論文の概要: UNSEEN: Uncertainty-aware Navigation via Sparse Estimation in Unknown Environments

• arxiv url: http://arxiv.org/abs/2606.20755v1
• Date: Thu, 18 Jun 2026 07:54:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 13:12:46.532306
• Title: UNSEEN: Uncertainty-aware Navigation via Sparse Estimation in Unknown Environments
• Title（参考訳）: UNSEEN:未知環境におけるスパース推定による不確実性認識ナビゲーション
• Authors: Tommaso Faraci, Marco Camurri, Daniele Fontanelli, Luigi Palopoli,
• Abstract要約: 視覚のみのナビゲーションは軽量な代替手段だが、動作のぼやけ、テクスチャの低さ、照明の変更により性能が著しく低下する。 UNSEENは、フロントマウントカメラのみを使用して、位置決め、マッピング、計画を明確に組み合わせた、統一された不確実性と認識を意識したナビゲーションフレームワークである。
• 参考スコア（独自算出の注目度）: 5.893948403053389
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Visual navigation in unknown environments remains a core challenge in mobile robotics, especially for resource-constrained platforms. Most existing approaches rely on loosely coupled modular pipelines and strong assumptions on perception quality or environmental structure, often resorting to multi-modal sensor suites that increase system complexity and deployment cost. Vision-only navigation offers a lightweight alternative, but its performance degrades severely under motion blur, low texture, and illumination changes, largely because they neglect the tight coupling between commanded motion and perception. While perception-aware methods partially address this issue, they typically optimize individual modules and fail to propagate uncertainty consistently across the navigation stack. In this paper, we present UNSEEN, a unified uncertainty- and perception-aware navigation framework that explicitly couples localization, mapping, and planning using only a front-mounted camera. UNSEEN estimates sparse maps and robot poses with associated uncertainties at 6Hz, and leverages them to plan trajectories that jointly optimize task progress and estimation accuracy in receding-horizon. Simulations and extensive real-world experiments in unknown environments demonstrate the robustness of the proposed approach, with UNSEEN-SLAM reducing absolute translational error by 9.8% and UNSEEN-Plan improving estimation accuracy by up to 45% compared to state-of-the-art methods, while achieving a 100% task success rate.
• Abstract（参考訳）: 未知の環境でのビジュアルナビゲーションは、特にリソース制約のあるプラットフォームにおいて、モバイルロボティクスにおいて依然として重要な課題である。 既存のアプローチの多くは、疎結合のモジュールパイプラインと知覚品質や環境構造への強い仮定に依存しており、システム複雑性とデプロイメントコストを増大させるマルチモーダルセンサースイートに頼っている。 視覚のみのナビゲーションは軽量な代替手段を提供するが、その性能は動作のぼやけ、テクスチャの低さ、照明の変化により著しく低下する。 知覚認識手法はこの問題に部分的に対処するが、通常は個々のモジュールを最適化し、ナビゲーションスタック全体にわたって不確実性を一貫して広めることができない。 本稿では、フロントマウントカメラのみを用いた位置決め、マッピング、計画を明確に組み合わせた、統一された不確実性と認識を意識したナビゲーションフレームワークUNSEENを提案する。 UNSEENは、スパースマップとロボットが関連する不確実性を6Hzで推定し、それらを利用して、作業の進捗と後退地における推定精度を共同で最適化する軌道を計画する。 UNSEEN-SLAMは絶対翻訳誤差を9.8%削減し、UNSEEN-Planは最先端の手法と比較して推定精度を最大45%改善し、100%タスク成功率を達成した。

関連論文リスト

• What Limits Vision-and-Language Navigation ? [18.423144111320592]
  StereoNavは、現実世界のナビゲーションの一貫性を高めるために設計された、堅牢なVision-Language-Actionフレームワークである。 R2R-CEとRxR-CEの実験は、StereoNavが最先端のエゴセントリックなRGB性能を達成することを示した。
  論文  参考訳（メタデータ） (2026-05-13T10:41:24Z)
• Event-based SLAM Benchmark for High-Speed Maneuvers [68.148886127117]
  イベントベースのカメラはバイオインスパイアされたセンサーで、独立して、マイクロ秒の解像度で明るさの変化に非同期に反応する。 既存のイベントベースのアプローチは、高速操作による動きのぼかしを緩和することに成功したが、多くの制限に悩まされた。 イベントベースの状態推定のためのベンチマークフレームワークであるEvSLAMを導入する。
  論文  参考訳（メタデータ） (2026-04-27T04:36:41Z)
• ManipArena: Comprehensive Real-world Evaluation of Reasoning-Oriented Generalist Robot Manipulation [66.02142169323521]
  Vision-Language-ActionモデルとWorld Modelは最近、汎用ロボットインテリジェンスのための有望なパラダイムとして登場した。 既存のベンチマークは、主にシミュレータ中心であり、制御性を提供するが、知覚ノイズによって引き起こされる現実のギャップを捉えることができない。 シミュレーションと実世界の実行を橋渡しする標準化された評価フレームワークであるManipArenaを紹介する。
  論文  参考訳（メタデータ） (2026-03-30T15:06:41Z)
• Perception-Aware Autonomous Exploration in Feature-Limited Environments [9.046854275196605]
  ステレオ搭載無人航空機(UAV)のための階層的知覚認識探索フレームワークを提案する。 提案手法は,グローバルな特徴マップを用いて,各候補フロンティアと期待される特徴品質を関連付け,視覚的に有意なサブゴールを優先する。 提案手法は,特徴品質を無視し,かつ連続ヨーを最適化しないベースラインと比較して,より信頼性の高い特徴追跡を維持でき,ドリフトを低減でき,また,オドメトリ誤差が特定の閾値を超える前に平均30%高いカバレッジを達成できる。
  論文  参考訳（メタデータ） (2026-03-16T17:55:56Z)
• Deep Learning-based Robust Autonomous Navigation of Aerial Robots in Dense Forests [7.726773291477927]
  この研究は、意味的に強化された深度エンコーディングとニューラルモーション原始的評価を統合した、散在する森林における堅牢な飛行のためのディープラーニングベースのナビゲーションフレームワークを改良した。 システムは3つの現実的な森林環境のカスタムクアローターに展開され、中程度で密集したゴミで全飛行で完全に自律的に完了し、15回の飛行のうち12回の飛行で高密度の地下ブラシで完了する。
  論文  参考訳（メタデータ） (2025-12-19T13:19:33Z)
• 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)
• Angle Robustness Unmanned Aerial Vehicle Navigation in GNSS-Denied Scenarios [66.05091704671503]
  本稿では、ポイントツーポイントナビゲーションタスクにおける飛行偏差に対処する新しい角度ナビゲーションパラダイムを提案する。 また、Adaptive Feature Enhance Module、Cross-knowledge Attention-guided Module、Robust Task-oriented Head Moduleを含むモデルを提案する。
  論文  参考訳（メタデータ） (2024-02-04T08:41:20Z)
• Efficient and Robust LiDAR-Based End-to-End Navigation [132.52661670308606]
  我々は,LiDARをベースとした効率的なエンドツーエンドナビゲーションフレームワークを提案する。 本稿では,スパース畳み込みカーネル最適化とハードウェア対応モデル設計に基づくFast-LiDARNetを提案する。 次に,単一の前方通過のみから予測の不確かさを直接推定するハイブリッド・エビデンシャル・フュージョンを提案する。
  論文  参考訳（メタデータ） (2021-05-20T17:52:37Z)

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。