論文の概要: Path planning for unmanned naval surface vehicles

• arxiv url: http://arxiv.org/abs/2607.01631v1
• Date: Thu, 02 Jul 2026 02:59:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-03 19:45:08.644609
• Title: Path planning for unmanned naval surface vehicles
• Title（参考訳）: 無人海面車両の航路計画
• Abstract要約: 本稿では,スタート地点からゴール地点までの経路を求めるグローバルパスプランナと,移動障害物を回避可能なローカルパスプランナを組み合わせる。 グローバルプランナーは、グラッスファイア(Grassfire)と呼ばれる文献で知られている3つのパスプランナーと、グラッスファイア(Grassfire)の新たな修正と、よく知られた確率的ロードマップ(Probabilistic Roadmap)の新たな、より直感的な新しいバージョンを組み合わせた、斬新なものである。 地域プランナーは、その方向に関する観察に基づいて、より高いレベルの意思決定ロジックを取り入れている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: There nowadays is a myriad of approaches to real-time avoidance of fixed obstacles for unmanned surface vehicles (USVs) and, to a lesser extent, also the task of avoiding moving obstacles such as boats, ships, swimmers, and other USVs, but both topics still present challenges. This paper offers novel approaches to both of these problems. It uses a combination of a global path planner, which finds a path from a start point to a goal point that avoids fixed obstacles (given that their locations are known in advance), and a local path planner, which can circumnavigate a moving obstacle (as well as any previously unknown fixed obstacles). The global planner is novel in that it employs a combination of three path planners, one known in the literature as Grassfire, one that is a new modification of Grassfire, and one that is a new, and arguably more intuitive, version of the well-known Probabilistic Roadmap. The local planner is novel in that it employs a higher-level decision logic based on its observations regarding the direction of movement of the obstacle relative to the USVs global path. This logic enables the USV to determine the best strategy for avoiding the obstacle by systematically routing the vehicle behind the obstacle rather than running parallel to it until the opportunity to pass appears. Simulations are provided that validate these claims. For comparison with other systems, the simulations include an implementation of the well-known D* algorithm, and the discussion covers additional dynamic path planning systems, which, like D*, do not necessarily route the vehicle behind the moving obstacle.
• Abstract（参考訳）: 現在、無人表面車両(USV)の固定障害物をリアルタイムに回避するアプローチは無数にあり、また、ボート、船、スイマー、その他のUSVなどの移動障害物を避けるタスクも少ないが、どちらも課題である。 本稿では,これら2つの問題に対する新しいアプローチを提案する。 これは、出発点から目標地点までの経路を見つけるグローバルパスプランナーと、移動中の障害物(以前は知られていなかった固定障害物)を回避できるローカルパスプランナーを組み合わせたものである。 グローバルプランナーは、グラッスファイア(Grassfire)と呼ばれる文献で知られている3つのパスプランナーと、グラッスファイアの新たな修正と、有名な確率的ロードマップ(Probabilistic Roadmap)の新たな、より直感的な新しいバージョンを組み合わせたもので、新しいものである。 ローカルプランナーは、USVのグローバルパスに対する障害物の移動方向に関する観測に基づいて、より高いレベルの決定ロジックを採用するという点で、新規である。 この論理により、USVは、通過する機会が現れるまで、障害物に平行して走るのではなく、障害物の後ろに車両を体系的にルーティングすることで、障害物を避けるための最良の戦略を決定することができる。 これらの主張を検証するシミュレーションが提供される。 他のシステムと比較すると、シミュレーションにはよく知られたD*アルゴリズムの実装が含まれており、D*のような動的経路計画システムについても議論されている。

関連論文リスト

• NaviFormer: A Deep Reinforcement Learning Transformer-like Model to Holistically Solve the Navigation Problem [53.70554593151033]
  NaviFormerは、高レベル経路と低レベル軌道の両方を予測することによって、グローバルナビゲーション問題を解決する深層強化学習モデルである。 結果は,各サブプロブレムの制約や難易度を理解することができるため,NaviFormerの競合精度を示す。 計算速度が優れていることは、リアルタイムのミッションに適していることを証明している。
  論文  参考訳（メタデータ） (2026-04-18T11:32:34Z)
• RA-Nav: A Risk-Aware Navigation System Based on Semantic Segmentation for Aerial Robots in Unpredictable Environments [7.128475765820446]
  既存の空飛ぶロボットナビゲーションシステムは、静的な障害物が突然動くと適応しない。 セマンティックセグメンテーションに基づくリスク対応ナビゲーションフレームワークであるRA-Navを提案する。 RA-Navは、突然の障害状態遷移シナリオにおいて、ベースラインよりも高い成功率を達成する。
  論文  参考訳（メタデータ） (2026-02-19T16:26:43Z)
• A Multi-Loss Strategy for Vehicle Trajectory Prediction: Combining Off-Road, Diversity, and Directional Consistency Losses [68.68514648185828]
  軌道予測は、自動運転車における計画の安全性と効率に不可欠である。 現在のモデルでは、複雑な交通規則と潜在的な車両の動きを完全に捉えることができないことが多い。 本研究は, オフロード損失, 方向整合誤差, ダイバーシティ損失の3つの新しい損失関数を紹介する。
  論文  参考訳（メタデータ） (2024-11-29T14:47:08Z)
• LLM-A*: Large Language Model Enhanced Incremental Heuristic Search on Path Planning [91.95362946266577]
  経路計画はロボット工学と自律航法における基本的な科学的問題である。 A*やその変種のような伝統的なアルゴリズムは、パスの妥当性を保証することができるが、状態空間が大きくなるにつれて、計算とメモリの非効率が著しく低下する。 本稿では, A* の正確なパスフィニング能力と LLM のグローバルな推論能力とを相乗的に組み合わせた LLM ベースの経路計画法を提案する。 このハイブリッドアプローチは、特に大規模シナリオにおいて、パス妥当性の完全性を維持しながら、時間と空間の複雑さの観点からパスフィニング効率を向上させることを目的としている。
  論文  参考訳（メタデータ） (2024-06-20T01:24:30Z)
• TOP-Nav: Legged Navigation Integrating Terrain, Obstacle and Proprioception Estimation [5.484041860401147]
  TOP-Navは、包括的パスプランナーとTerran認識、Obstacle回避、クローズループプロプライオセプションを統合した、新しい脚付きナビゲーションフレームワークである。 そこで,TOP-Navは,従来の知識の分布を超えた地形や乱れをロボットが扱えるように,オープンワールドナビゲーションを実現する。
  論文  参考訳（メタデータ） (2024-04-23T17:42:45Z)
• POA: Passable Obstacles Aware Path-planning Algorithm for Navigation of a Two-wheeled Robot in Highly Cluttered Environments [53.41594627336511]
  パッシブル障害物認識(Passable Obstacles Aware, POA)プランナーは, 乱雑な環境下での二輪ロボットのナビゲーション手法である。 我々のアルゴリズムは、二輪ロボットが通過可能な障害物を通り抜ける道を見つけることを可能にする。
  論文  参考訳（メタデータ） (2023-07-16T19:44:27Z)
• Find a Way Forward: a Language-Guided Semantic Map Navigator [53.69229615952205]
  本稿では,新たな視点で言語誘導ナビゲーションの問題に対処する。 ロボットが自然言語の指示を実行し、地図観測に基づいて目標位置へ移動できるようにする。 提案手法は特に長距離ナビゲーションの場合において顕著な性能向上をもたらす。
  論文  参考訳（メタデータ） (2022-03-07T07:40:33Z)

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。