論文の概要: PRISM: Multimodal Terrain Mapping for Rover Navigation in Unstructured Environments

• arxiv url: http://arxiv.org/abs/2607.16366v1
• Date: Fri, 17 Jul 2026 13:49:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.132985
• Title: PRISM: Multimodal Terrain Mapping for Rover Navigation in Unstructured Environments
• Title（参考訳）: PRISM:非構造環境におけるローバーナビゲーションのためのマルチモーダル地形マッピング
• Authors: Raul Castilla-Arquillo, Carlos Perez-del-Pulgar, Levin Gerdes, Alfonso Garcia-Cerezo, Miguel A. Olivares-Mendez,
• Abstract要約: 本稿では,非構造環境における地形マッピングのためのマルチモーダル認識システムであるPRISMを提案する。 PRISMはカスタムセンサースイートを利用して、RGB、深さ、温度(RGB-D-T)の画像を撮影する。 コアとなるOmniUnetは、マルチモーダルなセマンティックな地形セグメンテーション用に特別に設計されたビジョントランスフォーマーベースのネットワークである。
• 参考スコア（独自算出の注目度）: 0.14680035572775532
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Robotic navigation in unstructured environments requires robust situational awareness to safely traverse hazards such as steep slopes and rocky terrain. To address this challenge, perception systems increasingly rely on multimodal sensor fusion. Specifically, integrating thermal imagery with standard optical and depth sensors enhances terrain differentiation, directly improving the reliability of mapping algorithms. This paper presents PRISM, a multimodal perception system for terrain mapping in unstructured settings. PRISM leverages a custom sensor suite to capture aligned RGB, depth, and thermal (RGB-D-T) imagery. At its core is OmniUnet, a novel vision transformer-based network specifically designed for multimodal semantic terrain segmentation. We validated the proposed system using two newly annotated datasets (BASEPROD and LAENTIEC) and demonstrate its real-world applicability through physical field experiments. Deployed on a resource-constrained embedded computer, PRISM efficiently generates traversability maps that directly enable autonomous navigation via a rover's Guidance, Navigation, and Control (GNC) subsystem.
• Abstract（参考訳）: 非構造環境におけるロボットナビゲーションは、急な斜面や岩の多い地形などの危険を安全に横断するために、堅牢な状況認識を必要とする。 この課題に対処するため、知覚システムはますますマルチモーダルセンサー融合に依存している。 具体的には、標準的な光学・深度センサと熱画像を統合することにより、地形の分化が促進され、マッピングアルゴリズムの信頼性が向上する。 本稿では,非構造環境における地形マッピングのためのマルチモーダル認識システムであるPRISMを提案する。 PRISMはカスタムセンサースイートを利用して、RGB、深さ、温度(RGB-D-T)の画像を撮影する。 コアとなるOmniUnetは、マルチモーダルなセマンティックな地形セグメンテーション用に特別に設計されたビジョントランスフォーマーベースのネットワークである。 提案手法を2つの新たに注釈付きデータセット(BASEPRODとLAENTIEC)を用いて検証し,実世界への適用性を示す。 PRISMはリソース制約された組込みコンピュータ上に展開され、ローバーの誘導、ナビゲーション、制御(GNC)サブシステムを介して、直接自律的なナビゲーションを可能にするトラバーサビリティマップを効率的に生成する。

関連論文リスト

• VGP-Nav: Metric-Aware Visual Geometric Perception for Robot Navigation [59.44896676402453]
  VGP-Navは、テキスト・メトリック・アウェア・ビジュアル・ジオメトリック・パーセプションのための統合されたフレームワーク 単分子RGB入力にのみ依存し、メトリックローカライゼーションと障害物知覚を共同で支援する。 VGP-Navはモノクルスケールのあいまいさをオンラインで解決し、局所化基底の計量障害物表現を生成する。
  論文  参考訳（メタデータ） (2026-06-08T09:38:14Z)
• The Unified Autonomy Stack: Toward a Blueprint for Generalizable Robot Autonomy [13.105188128582567]
  我々は,空と地上のロボット形態を横断するレジリエンスな自律を可能にするシステムレベルのソリューションであるUnified Autonomy Stackを紹介し,オープンソース化する。 アーキテクチャは、マルチモーダル認識、マルチビヘイビア計画、マルチレイヤセーフナビゲーションの3つのモジュールを中心にしている。 このスタックは、地上(ロータークラフト)ロボットと地上(レッグ)ロボットの両方でフィールドテストされ、検証されている。
  論文  参考訳（メタデータ） (2026-05-12T20:39:35Z)
• A Hybrid Autoencoder for Robust Heightmap Generation from Fused Lidar and Depth Data for Humanoid Robot Locomotion [2.9223917785251285]
  本稿では,中間的なロボット中心のハイトマップ表現を用いた学習ベースのフレームワークを提案する。 空間特徴抽出に畳み込みニューラルネットワーク(CNN)を用いたハイブリッドデコーダ構造(EDS)を導入する。 その結果、マルチモーダル核融合により、深さのみ以上の再現精度が7.2%向上し、LiDARのみの構成で9.9%向上することが示されている。
  論文  参考訳（メタデータ） (2026-02-05T16:38:42Z)
• OmniUnet: A Multimodal Network for Unstructured Terrain Segmentation on Planetary Rovers Using RGB, Depth, and Thermal Imagery [0.5837061763460748]
  この研究は、RGB、深さ、熱画像を用いたセマンティックセグメンテーションのためのトランスフォーマーベースのニューラルネットワークアーキテクチャであるOmniUnetを提示する。 カスタム・マルチモーダル・センサー・ハウジングは3Dプリンティングを使用して開発され、マーチャン・ローバー・テストベッド・フォー・オートノミーに搭載された。 このデータセットのサブセットは手動でラベル付けされ、ネットワークの教師付きトレーニングをサポートする。 推論テストでは、リソース制約されたコンピュータで平均673msの予測時間を得た。
  論文  参考訳（メタデータ） (2025-08-01T12:23:29Z)
• DISTA-Net: Dynamic Closely-Spaced Infrared Small Target Unmixing [55.366556355538954]
  本稿では,動的フレームワーク内で従来のスパース再構築を再現する動的反復収縮閾値ネットワーク(DISTA-Net)を提案する。 DISTA-Netは、密接な空間を持つ赤外線小ターゲットのアンミックスのために特別に設計された最初のディープラーニングモデルである。 私たちはこの分野におけるさらなる研究を促進するために、最初のオープンソースエコシステムを確立しました。
  論文  参考訳（メタデータ） (2025-05-25T13:52:00Z)
• Multi-modal Multi-platform Person Re-Identification: Benchmark and Method [58.59888754340054]
  MP-ReIDは、マルチモダリティとマルチプラットフォームReIDに特化した新しいデータセットである。 このベンチマークは、RGB、赤外線、サーマルイメージングなど、さまざまなモードで1,930のIDからデータをコンパイルする。 クロスモダリティとクロスプラットフォームシナリオに適した,特定設計のプロンプトを備えたフレームワークであるUni-Prompt ReIDを紹介する。
  論文  参考訳（メタデータ） (2025-03-21T12:27:49Z)
• Energy-Based Models for Cross-Modal Localization using Convolutional Transformers [52.27061799824835]
  GPSのない衛星画像に対して、距離センサを搭載した地上車両を位置決めする新しい枠組みを提案する。 本稿では, 畳み込み変換器を用いて, 高精度な計量レベルの局所化を行う手法を提案する。 我々は、エンドツーエンドでモデルをトレーニングし、KITTI、Pandaset、カスタムデータセットの最先端技術よりも高い精度でアプローチを実証する。
  論文  参考訳（メタデータ） (2023-06-06T21:27:08Z)
• UAVs Beneath the Surface: Cooperative Autonomy for Subterranean Search and Rescue in DARPA SubT [5.145696432159643]
  本稿では, 複雑なトポロジを持つ地下ドメインの探索・救助作業において, 自律的協調型UAVの新たなアプローチを提案する。 提案されたシステムは、DARPA SubTファイナルのVirtual TrackでCTU-CRAS-NORLABチームの一員として第2位にランクされた。 提案手法はまた、現実世界の競争の極端に厳しく制限された環境で飛行する物理的UAVに展開するための堅牢なシステムであることを証明した。
  論文  参考訳（メタデータ） (2022-06-16T13:54:33Z)
• GANav: Group-wise Attention Network for Classifying Navigable Regions in Unstructured Outdoor Environments [54.21959527308051]
  本稿では,RGB画像から,オフロード地形および非構造環境における安全かつ航行可能な領域を識別する新しい学習手法を提案する。 本手法は,粒度の粗いセマンティックセグメンテーションを用いて,そのナビビリティレベルに基づいて地形分類群を分類する。 RUGD と RELLIS-3D のデータセットを広範囲に評価することにより,我々の学習アルゴリズムがナビゲーションのためのオフロード地形における視覚知覚の精度を向上させることを示す。
  論文  参考訳（メタデータ） (2021-03-07T02:16:24Z)

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。