論文の概要: SEAMLiS: Visibility-Aware Safety for Perception-Limited Multi-Robot Exploration

• arxiv url: http://arxiv.org/abs/2607.09959v1
• Date: Fri, 10 Jul 2026 20:25:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 15:40:48.26457
• Title: SEAMLiS: Visibility-Aware Safety for Perception-Limited Multi-Robot Exploration
• Title（参考訳）: SEAMLiS: 知覚制限型マルチロボット探査における可視性認識の安全性
• Authors: Taekyung Kim, Rahul H Kumar, Aswin D. Menon, Tzu-Hsiang Lin, Dimitra Panagou,
• Abstract要約: 本稿では,分散マルチロボット探索のためのモジュール型実行層安全性フレームワークを提案する。 SEAMLiSは、ゴールアロケータとローカルプランナを含む上流の探索スタックを保持し、実行層で安全性を強制する。 制御バリア関数(CBF)ベースの位置フィルタは、既知の障害物、新たに検出された障害物、その他のロボットを避ける。
• 参考スコア（独自算出の注目度）: 9.293122730806958
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autonomous exploration in unknown environments is typically driven by informative frontiers, viewpoints, or trajectories, while local safety controllers avoid obstacles represented in the current map. Under finite sensing range and limited field of view, this separation can be unsafe: an exploration stack may plan optimistically through unobserved space and steer the sensor toward information gain rather than along the direction of motion, causing hidden obstacles to be detected too late for bounded-actuation avoidance. This paper presents SEAMLiS (Safe Exploration for Autonomous Multi-Robot Systems Under Limited Sensing), a modular execution-layer safety framework for decentralized multi-robot exploration. SEAMLiS preserves the upstream exploration stack, including the goal allocator and local planner, and enforces safety at the execution layer through perception-aware attitude and positional filters. A gatekeeper-based attitude filter switches between a visibility-promoting yaw policy and a velocity-tracking backup policy to preserve visibility of the critical known-free/unknown boundary with sufficient braking margin. A Control Barrier Function (CBF)-based positional filter then avoids known obstacles, newly detected obstacles, and other robots. We provide sufficient collision-avoidance conditions and validate the framework in randomized simulation, Isaac Sim, and Crazyflie hardware experiments. Results show collision-free exploration across tested single- and multi-robot settings while retaining much of the efficiency of visibility-promoting yaw control.
• Abstract（参考訳）: 未知の環境における自律的な探索は通常、情報的フロンティア、視点、軌道によって駆動される。 探索スタックは、観測されていない空間を通して楽観的に計画し、運動の方向に沿ってではなく情報ゲインに向かってセンサーを操り、隠れた障害物を観測するには遅すぎる。 本稿では,分散マルチロボット探索のためのモジュール型実行層安全フレームワークSEAMLiSについて述べる。 SEAMLiSは、ゴールアロケータとローカルプランナーを含む上流の探索スタックを保存し、認識対応の姿勢と位置フィルタを通じて実行層で安全性を強制する。 ゲートキーパーに基づく姿勢フィルタは、視認性向上ヨーポリシーとベロシティ追跡バックアップポリシーとを切り替えて、十分な制動マージンを有する重要な既知/未知境界の視認性を維持する。 制御バリア関数(CBF)ベースの位置フィルタは、既知の障害物、新たに検出された障害物、その他のロボットを避ける。 我々は、衝突回避条件を十分に提供し、ランダム化シミュレーション、Isaac Sim、およびCrazyflieハードウェア実験におけるフレームワークを検証する。 その結果, 可視性のあるヨーコントロールの効率を保ちながら, テスト対象の単ボットおよび複数ボット設定の衝突のない探索が可能となった。

関連論文リスト

• FU-MPC: Frontier- and Uncertainty-Aware Model Predictive Control for Efficient and Accurate UAV Exploration with Motorized LiDAR [29.924596251375892]
  我々は独立に回転するLiDARを備えたUAVプラットフォームを開発し、階層的な探索フレームワークを提案する。 Fu-MPCは、予測された飛行軌道に沿ってLiDAR回転を最適化する局所後退水平走査コントローラとして機能する。 複雑な環境下での実験では、ロバストなローカライゼーション性能を維持しつつ、探索効率を向上させることが示されている。
  論文  参考訳（メタデータ） (2026-05-14T14:54:29Z)
• 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)
• BarrierSteer: LLM Safety via Learning Barrier Steering [83.12893815611052]
  BarrierSteerは、学習した非線形安全性制約を直接モデルの潜在表現空間に埋め込むことで、安全性を形式化する新しいフレームワークである。 BarrierSteerは、敵の成功率を大幅に低下させ、安全でない世代を減少させ、既存の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2026-02-23T18:19:46Z)
• 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)
• ASMA: An Adaptive Safety Margin Algorithm for Vision-Language Drone Navigation via Scene-Aware Control Barrier Functions [9.645098673995317]
  VLNを運用するドローンプラットフォームについて検討し、新しいシーン認識CBFを定式化することによって安全性を向上させる。 CBFのないベースラインシステムは、コマンドを順序づけられたランドマークのシーケンスに変換するために、モーダルな注意を持つビジョンランゲージを使用する。 ASMAは移動物体を追跡し、シーン認識CBF評価をオンザフライで実行し、追加の制約として機能する。
  論文  参考訳（メタデータ） (2024-09-16T13:44:50Z)
• 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)
• In-Distribution Barrier Functions: Self-Supervised Policy Filters that Avoid Out-of-Distribution States [84.24300005271185]
  本稿では,任意の参照ポリシーをラップした制御フィルタを提案する。 本手法は、トップダウンとエゴセントリックの両方のビュー設定を含むシミュレーション環境における2つの異なるビズモータ制御タスクに有効である。
  論文  参考訳（メタデータ） (2023-01-27T22:28:19Z)

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。