論文の概要: Coverage Path Planning: Classical Foundations, Recent Advances, and Future Directions

• arxiv url: http://arxiv.org/abs/2607.10649v1
• Date: Sun, 12 Jul 2026 08:33:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 15:40:48.491471
• Title: Coverage Path Planning: Classical Foundations, Recent Advances, and Future Directions
• Title（参考訳）: カバー・パス・プランニング:古典的基礎、最近の進歩、今後の方向性
• Abstract要約: CPPは洗浄、検査、マッピング、農業、製造、監視、採掘、環境モニタリングに広く応用されている。 近年の進歩は、シングルロボット設定を超えて、マルチロボットシステム、複雑な3D環境、制約のあるプラットフォーム、学習ベースのカバレッジプランニング、ビジュアルカバレッジタスクまで拡張されている。
• 参考スコア（独自算出の注目度）: 41.81491445126121
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Coverage path planning (CPP) is a fundamental problem in robot motion planning, whose aim is to produce robot trajectories that provide complete coverage of target workspaces while minimizing task-specific objectives such as path length, overlap, number of turns, and energy consumption. CPP has widespread applications in cleaning, inspection, mapping, agriculture, manufacturing, surveillance, demining, and environmental monitoring. Although classical CPP has been extensively studied, recent advances have extended CPP beyond single-robot settings to multi-robot systems, complex 3D environments, constrained platforms, learning-based coverage planning, and visual coverage tasks. This paper presents a comprehensive survey of 125 representative works published primarily between 2015 and 2026, while presenting the evolution of recent developments in light of the classical CPP methods published before 2015. The CPP methods are organized into six main categories: single-robot CPP, multi-robot CPP, 3D CPP, constrained CPP, learning-based CPP, and visual CPP. For each category, the review summarizes the main planning formulations, representative algorithms, strengths, and limitations. In addition, the review analyzes how environmental knowledge, workspace geometry, robot constraints, sensing objectives, and coordination requirements shape the CPP problem. The survey further discusses open challenges in scalable online planning, multi-robot coordination, 3D and visual coverage, unified platform-constrained and resource-aware coverage, and learning-enhanced coverage. Thus, the survey provides a structured overview of recent CPP developments and future research directions.
• Abstract（参考訳）: CPP(Coverage path planning)は、ロボットの運動計画における基本的な問題であり、その目的は、経路長、重複、回転数、エネルギー消費といったタスク固有の目的を最小化しつつ、対象の作業空間を完全にカバーするロボット軌道を作ることである。 CPPは洗浄、検査、マッピング、農業、製造、監視、採掘、環境モニタリングに広く応用されている。 古典的なCPPは広く研究されているが、最近の進歩は、シングルロボット設定を超えて、マルチロボットシステム、複雑な3D環境、制約されたプラットフォーム、学習ベースのカバレッジ計画、視覚的カバレッジタスクまで拡張されている。 本稿では,2015年から2026年の間に刊行された125の代表的な作品について,2015年以前の古典的CPP手法を踏まえた最近の発展の進展を概説する。 CPP法は, シングルロボットCPP, マルチロボットCPP, 3D CPP, 制約付きCPP, 学習ベースCPP, 視覚的CPPの6つのカテゴリに分類される。 各カテゴリについて、主な計画定式化、代表アルゴリズム、強度、限界について要約する。 さらに、環境知識、ワークスペースの幾何学、ロボットの制約、知覚目標、調整要求がどのようにCPP問題を形成するかを分析する。 さらに調査では、スケーラブルなオンライン計画、マルチロボット調整、3Dおよびビジュアルカバレッジ、統一されたプラットフォーム制約とリソース認識のカバレッジ、学習の強化されたカバレッジに関するオープンな課題についても論じている。 そこで本調査は,最近のCPPの進展と今後の研究方向性を概観する。

関連論文リスト

• Embodied Scene Rearrangement Planning [30.63533710397442]
  本稿では,ESRP(Embodied Scene Rearrangement Planning)を紹介する。 ESRPは、エゴセントリックな観察とトップダウンのターゲットレイアウトのみを使用して、ターゲット構成にマッチするために、3Dシーンで家具を並べ替えるエンボディエージェントを必要とする。 ESRP-BenchはOmniGibson上に構築された,5,400のシーンペアと8,200のオブジェクトからなる総合的なベンチマークである。
  論文  参考訳（メタデータ） (2026-08-27T17:08:40Z)
• Learning-Based Motion Planning for Dynamic Environments: From Foundational Algorithms to Emerging Paradigms [41.01630247248689]
  動的環境における運動計画はロボット工学の基本的な問題である。 自律運転、サービスロボティクス、倉庫のロジスティクス、人間とロボットのコラボレーション、群衆のナビゲーション、マルチロボットシステムなど幅広い用途がある。
  論文  参考訳（メタデータ） (2026-08-01T12:30:55Z)
• GHOST: Hierarchical Sub-Goal Policies for Generalizing Robot Manipulation [54.305781492241785]
  本稿では,トレーニング分布を超えて一般化したビジュモータ操作ポリシーを学習するための枠組みを提案する。 GHOSTは、(i)多視点RGB-D観測から、3Dエンドエフェクタ上の分布として次のサブゴールを予測する高レベルポリシーに制御を分解する。 一連のタスクの中で、この階層的な分解は、フラットな拡散ポリシーと比較して、パフォーマンスと堅牢性を一貫して改善します。
  論文  参考訳（メタデータ） (2026-06-08T18:08:01Z)
• Embodied Robot Manipulation in the Era of Foundation Models: Planning and Learning Perspectives [101.22313265304979]
  近年のビジョン,言語,マルチモーダル学習の進歩は,ロボット基礎モデルの進歩を加速させている。 本研究は,ロボットの操作をアルゴリズムの観点から検討する。 我々は、近年の学習に基づくアプローチを、高レベルの計画と低レベルの制御の統一的な抽象化の中に整理する。
  論文  参考訳（メタデータ） (2025-12-28T16:05:38Z)
• Towards Efficient Privacy-Preserving Machine Learning: A Systematic Review from Protocol, Model, and System Perspectives [11.859194469912083]
  暗号化プロトコルに基づくプライバシ保護機械学習(PPML)は、クラウドベースの機械学習サービスにおいて、ユーザのデータプライバシを保護するための有望なパラダイムとして登場した。 PPMLは、大きなオーバヘッドのオーバヘッドのために、しばしば大幅な効率とスケーラビリティのコストを発生させる。
  論文  参考訳（メタデータ） (2025-07-19T07:45:39Z)
• Deep Learning in Concealed Dense Prediction [83.89736735583935]
  本稿では,農業,産業等において大きな価値を持つ,複雑な課題のファミリーであるCDP(Concealed Dense Prediction)を紹介し,レビューする。 CDPの本質的な特徴は、ターゲットが周囲に隠されているため、それらを完全に知覚するには、きめ細かい表現、事前の知識、補助的推論などが必要であることである。
  論文  参考訳（メタデータ） (2025-04-15T08:44:42Z)
• P3-PO: Prescriptive Point Priors for Visuo-Spatial Generalization of Robot Policies [19.12762500264209]
  Prescriptive Point Priors for Policies(P3-PO)は、環境のユニークな状態表現を構築する新しいフレームワークである。 P3-POは、新しいオブジェクトインスタンスとより散らかった環境のために、タスク全体で58%と80%のゲインを示す。
  論文  参考訳（メタデータ） (2024-12-09T18:59:42Z)
• Propose, Assess, Search: Harnessing LLMs for Goal-Oriented Planning in Instructional Videos [48.15438373870542]
  VidAssistは、インストラクショナルビデオにおけるゼロ/フェーショット目標指向の計画のために設計された統合フレームワークである。 最適な計画生成のための幅優先探索アルゴリズムを採用している。 実験によると、VidAssistは異なる目標指向の計画設定のための統一されたフレームワークを提供する。
  論文  参考訳（メタデータ） (2024-09-30T17:57:28Z)
• RH20T-P: A Primitive-Level Robotic Dataset Towards Composable Generalization Agents [105.13169239919272]
  プリミティブレベルのロボット操作データセットであるRH20T-Pを提案する。 実際のシナリオで67種類の操作タスクをカバーする約38Kのビデオクリップが含まれている。 我々は、計画実行CGAパラダイムを標準化し、RH20T-PにRA-Pと呼ばれる典型的なベースラインを実装します。
  論文  参考訳（メタデータ） (2024-03-28T17:42:54Z)
• Survey on Foundation Models for Prognostics and Health Management in Industrial Cyber-Physical Systems [1.1034992901877594]
  BERTやGPTのような大規模基盤モデル(LFM)は、AI技術の大幅な進歩を示している。 ChatGPTはこの研究パラダイムにおける顕著な成果であり、汎用人工知能の可能性を秘めている。 データ取得技術とデータ処理能力の継続的な向上を考えると、LCMはICPSのPHMドメインにおいて重要な役割を担うことが期待されている。
  論文  参考訳（メタデータ） (2023-12-11T09:58:46Z)
• Sequence-Based Plan Feasibility Prediction for Efficient Task and Motion Planning [36.300564378022315]
  本稿では,移動環境における移動操作問題を解決するための学習可能なタスク・アンド・モーション・プランニング(TAMP)アルゴリズムを提案する。 本アルゴリズムのコアは,タスク計画,目標,初期状態を考慮したトランスフォーマーに基づく新しい学習手法であるPIGINetであり,タスク計画に関連する運動軌跡の発見確率を予測する。
  論文  参考訳（メタデータ） (2022-11-03T04:12:04Z)
• A Survey and Framework of Cooperative Perception: From Heterogeneous Singleton to Hierarchical Cooperation [14.525705886707089]
  本稿では,協調知覚(CP)研究の進展を概観し,統一的なCPフレームワークを提案する。 CPは、自動化を促進するための認識のボトルネックを解き放つために生まれた。 階層的なCPフレームワークが提案され、続いて既存のデータセットとシミュレータをレビューし、CPの全体像をスケッチする。
  論文  参考訳（メタデータ） (2022-08-22T20:47:35Z)
• Model-based Reinforcement Learning for Decentralized Multiagent Rendezvous [66.6895109554163]
  目標を他のエージェントと整合させる人間の能力の下にあるのは、他人の意図を予測し、自分たちの計画を積極的に更新する能力である。 分散型マルチエージェントレンデブーのためのモデルに基づく強化学習手法である階層型予測計画(HPP)を提案する。
  論文  参考訳（メタデータ） (2020-03-15T19:49:20Z)
• Understanding the Automated Parameter Optimization on Transfer Learning for CPDP: An Empirical Study [23.63984151792791]
  プロジェクト間の欠陥予測技術は、現在のプロジェクトにおけるモデル構築を容易にするために、他のプロジェクトからデータ/知識を借ります。 ほとんどのCPDP技術は、転送学習と分類の2つの主要なステップを含み、それぞれが最適な性能を達成するために調整すべきパラメータが少なくとも1つある。 自動パラメータ最適化が様々なCPDP技術に与える影響について、十分に理解されていない。
  論文  参考訳（メタデータ） (2020-02-08T12:01:53Z)

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。