論文の概要: Implicit Virtual Leader: Decentralized Vision-Only Relative Pose Estimation for Multi-Robot Formations
- arxiv url: http://arxiv.org/abs/2607.15708v1
- Date: Fri, 17 Jul 2026 07:43:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-20 17:56:52.783469
- Title: Implicit Virtual Leader: Decentralized Vision-Only Relative Pose Estimation for Multi-Robot Formations
- Title（参考訳）: Implicit Virtual Leader: マルチロボット生成のための分散ビジョンオンリー相対的ポース推定
- Abstract要約: グラフニューラルネットワーク(GNN)に基づく視覚のみの相対ポーズ推定フレームワークを提案する。
鍵となるアイデアは、暗黙的な仮想リーダー(IVL)である。これは、非物理的形成参照フレームで、個々のロボットに縛られず、GNN内で暗黙的に学習される。
本フレームワークは,競争力のあるポーズ推定精度を実現し,異種ロボットプラットフォームに自然に一般化する。
- 参考スコア（独自算出の注目度）: 15.727842962598471
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Classical leader-follower formation control suffers from single points of failure and error propagation, and relies on absolute localization sensors that are ill-suited for GPS-denied environments. We address these limitations by introducing a fully decentralized, vision-only relative pose estimation framework based on Graph Neural Networks (GNNs). The key idea is the implicit virtual leader (IVL): a non-physical formation reference frame that is not tied to any individual robot but is implicitly learned within the GNN using only monocular images and inter-robot communication. We attach a heteroscedastic GNLL head for aleatoric uncertainty and MC~Dropout for epistemic uncertainty, and conduct a systematic comparison across simulation and real-world test sets. Our framework achieves competitive pose estimation accuracy and generalizes naturally to heterogeneous robot platforms and varying formation sizes.
- Abstract（参考訳）: 古典的なリーダ・フォロワーの形成制御は単一障害点とエラーの伝播に悩まされており、GPSに不適な絶対位置センサに依存している。
グラフニューラルネットワーク(GNN)に基づく、完全に分散された視覚のみの相対ポーズ推定フレームワークを導入することで、これらの制限に対処する。
キーとなるアイデアは、暗黙的な仮想リーダー(IVL): 個々のロボットに縛られず、モノクロ画像とロボット間通信のみを使用してGNN内で暗黙的に学習される非物理的形成参照フレームである。
異種性GNLLヘッドをアリータ性不確実性,MC〜Dropoutをてんかん性不確実性に装着し,シミュレーションおよび実世界のテストセット間で系統的比較を行う。
本フレームワークは,競争力のあるポーズ推定精度を実現し,異種ロボットプラットフォームに自然に一般化する。
関連論文リスト
- From Non-Rigid to Rigid: Safe Acquisition of Rigid Communication Graphs under Limited Sensing [1.8619748472447968]
本稿では,ロボット間衝突のない,剛性のある時間変化通信グラフを実現する方法を提案する。
提案手法は,非線形マルチロボットシステムのための剛性グラフの実現を保証する。
論文 参考訳（メタデータ） (2026-07-11T07:20:20Z) - Co-GLANCE: Uncertainty-Aware Active Perception for Heterogeneous Robot Teaming [17.173722576361673]
ロボットチームにおける不確実性解消のためのリアルタイムの車載認識と意思決定システムであるCo-GLANCEを紹介する。
知覚の不確実性を定量化するために、Co-GLANCEは共形予測と選択的棄権とを組み合わせて統計的に有効なカバレッジ保証を提供する。
また、将来の研究のための地上データセットも公開します。
論文 参考訳（メタデータ） (2026-06-07T00:02:21Z) - Simulation-Informed Diffusion for Decentralized Multi-robot Motion Planning [56.240199425429445]
マルチロボットモーションプランニングでは、各ロボットが局所的な観測から衝突のない軌道を生成する必要がある。
既存のほとんどのプランナは、ローカル観測の静的スナップショットからトラジェクトリを生成する。
本稿では,制約対応拡散モデルに基づく分散フレームワークであるSimulation-Informed Diffusion (SID)を紹介する。
論文 参考訳（メタデータ） (2026-05-26T21:17:53Z) - 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) - ULTRA: Unified Multimodal Control for Autonomous Humanoid Whole-Body Loco-Manipulation [55.467742403416175]
本稿では,大規模モーションキャプチャをヒューマノイドに変換する物理駆動型ニューラルネットワークを提案する。
我々は高密度参照とスパースタスク仕様の両方をサポートする統合マルチモーダルコントローラを学習する。
その結果,ULTRAは自我中心の知覚から,自律的,目標条件付き全体ロコ操作に一般化することが示された。
論文 参考訳（メタデータ） (2026-03-03T18:59:29Z) - Robotic Grasping and Placement Controlled by EEG-Based Hybrid Visual and Motor Imagery [64.82869118243723]
本稿では,脳波に基づく視覚・運動画像(VI/MI)とロボット制御を統合し,リアルタイム・意図駆動型把握・配置を実現するフレームワークを提案する。
このシステムは、BCI駆動のロボット工学の約束に感銘を受けて、オフラインで事前訓練されたデコーダをゼロショットで展開することによって、ニューラルネットワークを物理的制御でブリッジする。
論文 参考訳（メタデータ） (2026-03-03T17:41:42Z) - Rethinking Visual-Language-Action Model Scaling: Alignment, Mixture, and Regularization [65.37179698521766]
VLA(Vision-Language-Action)モデルは、ジェネラリストロボットの制御を強く約束する。
標準的な「スケールデータ」レシピがロボット工学に翻訳されるかどうかはまだ不明だ。
本稿では,多様なロボットを対象とした事前学習のためのコアトレーニング選択を再考する,VLAスケーリングの体系的かつ制御された研究を提案する。
論文 参考訳（メタデータ） (2026-02-10T12:25:43Z) - From Vision to Decision: Neuromorphic Control for Autonomous Navigation and Tracking [10.144707192962068]
視覚誘導ナビゲーションとトラッキングのための擬似ニューロモルフィック制御フレームワークを提案する。
搭載カメラからの画像ピクセルは、動的ニューロン集団への入力として符号化される。
最近提案された動物の認知と意見力学の力学モデルにインスパイアされたニューロモルフィックコントローラは、最小の計算負担でリアルタイムの自律性を提供する。
論文 参考訳（メタデータ） (2026-02-05T14:09:09Z) - Mr. Virgil: Learning Multi-robot Visual-range Relative Localization [23.326282078324954]
Mr. Virgilは、エンド・ツー・エンドの学習用マルチロボット・ビジュアルレンジ相対的ローカライゼーションフレームワークである。
UWBレンジと視覚検出のデータを関連付けるグラフニューラルネットワークと、PGO(di differentiable pose graph optimization)バックエンドで構成されている。
論文 参考訳（メタデータ） (2025-12-11T11:16:53Z) - Generalizability of Graph Neural Networks for Decentralized Unlabeled Motion Planning [72.86540018081531]
ラベルなしの動作計画では、衝突回避を確保しながら、ロボットのセットを目標の場所に割り当てる。
この問題は、探査、監視、輸送などの応用において、マルチロボットシステムにとって不可欠なビルディングブロックを形成している。
この問題に対処するために、各ロボットは、その400ドルのアネレストロボットと$k$アネレストターゲットの位置のみを知っている分散環境で対処する。
論文 参考訳（メタデータ） (2024-09-29T23:57:25Z)
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。