Fugu-MT 論文翻訳(概要): He3-Seeker: Robotic Information Planning for Lunar Helium-3 Distribution Mapping

論文の概要: He3-Seeker: Robotic Information Planning for Lunar Helium-3 Distribution Mapping

arxiv url: http://arxiv.org/abs/2606.28746v1
Date: Sat, 27 Jun 2026 05:52:43 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-30 18:07:15.674063
Title: He3-Seeker: Robotic Information Planning for Lunar Helium-3 Distribution Mapping
Title（参考訳）: He3-Seeker:Lunar Helium-3分布マッピングのためのロボット情報計画
Abstract要約: He3-Seekerは、ヘリウム3分布マッピングのためのアクティブなロボット探査手法である。 He3-Seekerは概念的にはマルチポイントドリル、サンプリング、in situ解析に基づいている。 He3-Seekerは、ヘリウム3分布の高速かつ高忠実なマッピングを実現する。
参考スコア（独自算出の注目度）: 17.675483427490942
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Lunar helium-3 is a highly valuable strategic resource, pivotal to the advancement of both deep-space exploration and space mining. Existing lunar helium-3 exploration methodologies rely primarily on indirect measurements via remote sensing, which are often characterized by limited precision, low reliability, and insufficient spatial resolution. In this paper, we introduce He3-Seeker, an active robotic exploration method for helium-3 distribution mapping. First, we provide a formal definition of the active helium-3 exploration problem. Subsequently, we developed the He3-Seeker framework, which is conceptually based on multi-point drilling, sampling, and in situ analysis. In particular, we use robotic information planning (RIP) to guide autonomous robot navigation and active sensing. Additionally, to thoroughly evaluate the proposed algorithm, we introduce a reliable method for generating reference data of lunar helium-3 distribution based on low-resolution orbital remote sensing measurements. Simulation experiments verify that He3-Seeker achieves both rapid and high-fidelity mapping of helium-3 distribution, providing a reliable solution for resource exploration tasks. Our code and simulation environment will be publicly accessible at https://github.com/OpenSpace-Lab/He3-Seeker.
Abstract（参考訳）: ルナーヘリウム3は、深宇宙探査と宇宙採掘の両方の発展に重要な戦略資源である。既存の月のヘリウム3探査手法は主にリモートセンシングによる間接的な測定に依存しており、精度の制限、信頼性の低さ、空間分解能の不十分さが特徴である。本稿では,ヘリウム3分布マッピングのためのアクティブなロボット探査手法であるHe3-Seekerを紹介する。まず、活性ヘリウム3探索問題の正式な定義を提供する。その後,多点掘削,サンプリング,in situ解析に基づくHe3-Seekerフレームワークを開発した。特に、ロボット情報計画(RIP)を用いて、自律型ロボットナビゲーションとアクティブセンシングを誘導する。さらに,提案アルゴリズムを徹底的に評価するために,低分解能軌道リモートセンシング測定に基づいて,月のヘリウム3分布の基準データを生成する信頼性の高い手法を提案する。シミュレーション実験により、He3-Seekerはヘリウム3分布の高速かつ高忠実なマッピングを達成でき、資源探索タスクの信頼性の高いソリューションを提供する。私たちのコードとシミュレーション環境はhttps://github.com/OpenSpace-Lab/He3-Seeker.comで公開されます。

関連論文リスト

Mining beyond Earth with Space Robots: Exploration, Sampling, and Extraction [23.534592055613697]
本稿では,宇宙採掘ロボティクスとその関連技術について概観する。我々は、国際政策、商業団体、最近の進歩を含む宇宙採掘の背景を概観する。我々は、自律的な宇宙採掘における重要なオープン課題を特定し、現在の技術ギャップを埋めるための戦略的研究ロードマップを策定する。
論文参考訳（メタデータ） (2026-08-21T17:59:30Z)
SegEarth-OV3: Exploring SAM 3 for Open-Vocabulary Semantic Segmentation in Remote Sensing Images [51.42466259821335]
我々は, SAM 3 をリモートセンシング OVSS タスクに適用するための予備的な検討を行った。まず,SAM 3のセマンティックセグメンテーションヘッドとトランスフォーマーデコーダの出力を組み合わせたマスク融合戦略を実装した。第2に、シーンに存在しないカテゴリをフィルタリングするために、プレゼンスヘッドからのプレゼンススコアを利用する。
論文参考訳（メタデータ） (2025-12-09T15:42:28Z)
GOI: Find 3D Gaussians of Interest with an Optimizable Open-vocabulary Semantic-space Hyperplane [53.388937705785025]
3Dオープンボキャブラリのシーン理解は、拡張現実とロボット応用の推進に不可欠である。 GOIは2次元視覚言語基礎モデルから3次元ガウススプラッティング(3DGS)に意味的特徴を統合するフレームワークである。提案手法では,特徴空間内の超平面分割として特徴選択処理を扱い,クエリに関連性の高い特徴のみを保持する。
論文参考訳（メタデータ） (2024-05-27T18:57:18Z)
FIT-SLAM -- Fisher Information and Traversability estimation-based Active SLAM for exploration in 3D environments [1.4474137122906163]
アクティブビジュアルSLAMは、地上ロボットのためのデニッドサブテレイン環境と屋外環境における幅広い応用を見出す。探索ミッション中に目標選択と目標に向けた経路計画に知覚的考察を取り入れることが不可欠である。本研究では,無人地上車両(UGV)を対象とした新しい探査手法であるFIT-SLAMを提案する。
論文参考訳（メタデータ） (2024-01-17T16:46:38Z)
UAV-Borne Mapping Algorithms for Low-Altitude and High-Speed Drone Applications [0.4681661603096333]
本稿では,現状のセンサとUAV(Unmanned Aerial Vehicle)アプリケーションのためのマッピングアルゴリズムについて述べる。新しい実験構造は、AirSimシミュレータとGoogle 3Dマップモデルを統合することで実現可能な、非常に現実的な環境を用いて作成される。
論文参考訳（メタデータ） (2024-01-12T07:04:44Z)
UnLoc: A Universal Localization Method for Autonomous Vehicles using LiDAR, Radar and/or Camera Input [51.150605800173366]
UnLocは、全ての気象条件におけるマルチセンサー入力によるローカライズのための、新しい統一型ニューラルネットワークアプローチである。本手法は,Oxford Radar RobotCar,Apollo SouthBay,Perth-WAの各データセットで広く評価されている。
論文参考訳（メタデータ） (2023-07-03T04:10:55Z)
Language-Guided 3D Object Detection in Point Cloud for Autonomous Driving [91.91552963872596]
我々は,LiDARグラウンディングと呼ばれるマルチモーダルな視覚的グラウンドニングタスクを提案する。言語特徴を持つLiDARベースの物体検出器を共同で学習し、検出器から直接対象領域を予測する。私たちの研究は、LiDARベースの接地作業に関する深い洞察を提供しており、自動運転コミュニティにとって有望な方向性を示すものと期待しています。
論文参考訳（メタデータ） (2023-05-25T06:22:10Z)
SpaceYOLO: A Human-Inspired Model for Real-time, On-board Spacecraft Feature Detection [0.0]
衝突の危険箇所を特定するためには、リアルタイムで自動的な宇宙船の特徴認識が必要である。新しいアルゴリズムSpaceYOLOは、最先端のオブジェクト検出器YOLOv5を、人間にインスパイアされた意思決定プロセスに基づいて、別個のニューラルネットワークで融合する。 SpaceYOLOの自律型宇宙船検出の性能は、ハードウェア・イン・ザ・ループ実験において通常のYOLOv5と比較される。
論文参考訳（メタデータ） (2023-02-02T02:11:39Z)
LunarNav: Crater-based Localization for Long-range Autonomous Lunar Rover Navigation [8.336210810008282]
アルテミス計画では、資源探査と利用のためにロボットと有人月面ローバーを必要とする。 LunarNavプロジェクトは、月面探査機が地球の位置を推定し、5m未満の位置誤差の目標性能で月に向かうのを可能にすることを目的としている。これは、ローバー付近のクレーターを検出し、軌道からマッピングされた既知のクレーターのデータベースと一致させることで、自律的に達成される。
論文参考訳（メタデータ） (2023-01-03T20:46:27Z)
Incremental 3D Scene Completion for Safe and Efficient Exploration Mapping and Planning [60.599223456298915]
本研究では,情報,安全,解釈可能な地図作成と計画に3次元シーン補完を活用することによって,深層学習を探索に統合する新しい手法を提案する。本手法は,地図の精度を最小限に抑えることで,ベースラインに比べて環境のカバレッジを73%高速化できることを示す。最終地図にシーン完了が含まれていなくても、ロボットがより情報的な経路を選択するように誘導し、ロボットのセンサーでシーンの測定を35%高速化できることが示される。
論文参考訳（メタデータ） (2022-08-17T14:19:33Z)
State Entropy Maximization with Random Encoders for Efficient Exploration [162.39202927681484]
近年,深層補強学習(rl)におけるサンプル効率向上のための手法が提案されている。本稿では,状態エントロピーを本質的な報酬として利用する探索手法であるRandoms for Efficient Exploration (RE3)を提案する。特に、ランダムエンコーダを用いて、状態エントロピーを安定かつ計算効率の良い方法で推定できることが判明した。
論文参考訳（メタデータ） (2021-02-18T15:45:17Z)

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。