論文の概要: Technical Design Review of Duke Robotics Club's Oogway & Crush: AUVs for RoboSub 2026
- arxiv url: http://arxiv.org/abs/2607.18075v1
- Date: Mon, 20 Jul 2026 15:44:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-21 18:48:37.686845
- Title: Technical Design Review of Duke Robotics Club's Oogway & Crush: AUVs for RoboSub 2026
- Title（参考訳）: Duke Robotics ClubのOogway & Crush: AUVs for RoboSub 2026のテクニカルデザインレビュー
- Abstract要約: デューク・ロボティクス・クラブは、RoboSub 2026のAUVであるOogway and Crushを紹介します。
今年の戦略は、RoboSubの設計目標の4つすべてを対象に、これまで狭い範囲で拡張されています。
機械的には、クラッシュは2基の追加スラスタとCFD最適化ケースを入手し、ピッチの安定性を提供した。
ソフトウェア面では、状態推定、ソナーベースのオブジェクト検出、ビジョン駆動タスク計画、ITVの改善により、より有能で協調的な自律実行が可能になる。
- 参考スコア（独自算出の注目度）: 3.1847186089049413
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The Duke Robotics Club presents Oogway and Crush, our AUVs for RoboSub 2026. This year's strategy expands on our previously narrowed scope, targeting all four of RoboSub's design goals for the first time: movement, vision, manipulation, and acoustic tracking. This expansion is based on sustained reliability investment across all three subsystems. Mechanically, Crush gained two additional thrusters and a CFD-optimized case, providing pitch stability. Electrically, we addressed accumulated failure points by repairing unreliable connections and upgraded thruster control hardware. We also redesigned our acoustics system, adding a new custom PCB with higher-order filters, significantly improving pinger detection reliability. On the software side, improvements to state estimation, sonar-based object detection, vision-driven task planning, and IVC enable more capable and coordinated autonomous runs. Paired with investments in our testing infrastructure to maximize our limited pool time, we can now attempt a broader set of tasks while maintaining the reliability our competition strategy demands.
- Abstract（参考訳）: デューク・ロボティクス・クラブは、RoboSub 2026のAUVであるOogway and Crushを紹介します。
今年の戦略は、これまで狭い範囲で展開され、RoboSubの設計目標であるムーブメント、ビジョン、操作、音響追跡の4つすべてを対象としている。
この拡張は、3つのサブシステムすべてにわたる持続的な信頼性投資に基づいている。
機械的には、クラッシュは2基の追加スラスタとCFD最適化ケースを入手し、ピッチの安定性を提供した。
電気的に,信頼性の低い接続とスラスタ制御ハードウェアを補修することで,累積故障点に対処した。
またアコースティックスシステムを再設計し、高次フィルタを備えた新しいカスタムPCBを追加し、ピンガー検出の信頼性を大幅に改善した。
ソフトウェア面では、状態推定、ソナーベースのオブジェクト検出、ビジョン駆動タスク計画、ITVの改善により、より有能で協調的な自律実行が可能になる。
限られたプールタイムを最大化するために、テストインフラストラクチャへの投資を伴って、競争戦略要求の信頼性を維持しながら、幅広いタスクを試すことができます。
関連論文リスト
- Fault-Tolerant, Rigidity-Preserving Control of Inflatable Truss Robots [0.0]
イソペリメトリック・ロボティクス・トラス(英語版)は、強度と重量比が高いため、異なるタスクや環境に適応することができる。
運用環境でのモータ障害は、適切に対処しなければ、運用能力を著しく制限することができる。
本稿では,モータ故障にもかかわらず機能を維持したインフレータブルロボットトラスに対する耐故障性制御フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-19T23:39:55Z) - Characterizing Vision-Language-Action Models across XPUs: Constraints and Acceleration for On-Robot Deployment [8.758783768535805]
VLA(Vision-Language-Action)モデルは、一般的なロボット制御に期待できるが、ロボット上での展開は、コストとエネルギー予算の厳しいリアルタイム推論によってボトルネックとなる。
本稿では,モデル・ハードウエアのコキャラクタリゼーションによる低コストVLAデプロイメントの系統的解析を行う。
論文 参考訳（メタデータ） (2026-04-27T13:12:16Z) - StarVLA-$α$: Reducing Complexity in Vision-Language-Action Systems [89.12403322299963]
StarVLA-$は、制御条件下でのVLA設計選択を研究するための単純だが強力なベースラインである。
我々は,アクションモデリング戦略,ロボット固有の事前訓練,インターフェースエンジニアリングなど,いくつかの重要な設計軸を再評価する。
我々の1つのジェネラリストモデルは、公開現実のRoboChallengeベンチマークで$_0.5$を20%上回ります。
論文 参考訳（メタデータ） (2026-04-13T17:30:01Z) - RoboReward: General-Purpose Vision-Language Reward Models for Robotics [124.34685604054312]
視覚言語モデル(VLM)は、自動報酬モデルとして期待されているが、実際のロボットタスクにおけるそれらの効果は理解されていない。
大規模な実ロボットコーパス上に構築されたロボティクス報酬データセットとベンチマークであるRoboRewardを導入することで、このギャップを埋めることを目指している。
論文 参考訳（メタデータ） (2026-01-02T12:47:34Z) - DeepThinkVLA: Enhancing Reasoning Capability of Vision-Language-Action Models [51.76664843721462]
DeepThinkVLAはVision-Language-Actionモデルのための新しいアーキテクチャである。
因果的注意を伴うシーケンシャルCoTを生成し、双方向の注意に切り替え、アクションベクトルを高速に復号する。
LIBEROベンチマークで97.0%の成功率を達成した。
論文 参考訳（メタデータ） (2025-10-31T05:26:16Z) - Benchmarking Generalizable Bimanual Manipulation: RoboTwin Dual-Arm Collaboration Challenge at CVPR 2025 MEIS Workshop [120.2806035123366]
RoboTwin Dual-Arm Collaboration Challengeは、CVPR 2025の第2回MeISワークショップで行われた。
ライバルは、剛性、変形性、触覚ベースのシナリオをカバーする17のデュアルアーム操作タスクに完全に取り組んだ。
コンペティションの設定、タスク設計、評価方法論、重要な発見と今後の方向性について概説する。
論文 参考訳（メタデータ） (2025-06-29T17:56:41Z) - RoboRefer: Towards Spatial Referring with Reasoning in Vision-Language Models for Robotics [67.11221574129937]
空間参照は、3D物理世界と相互作用するエンボディロボットの基本的な能力である。
本稿では,まず空間的理解を正確に行うことのできる3次元VLMであるRoboReferを提案する。
RoboReferは、強化微調整による一般化された多段階空間推論を推進している。
論文 参考訳（メタデータ） (2025-06-04T17:59:27Z) - REMAC: Self-Reflective and Self-Evolving Multi-Agent Collaboration for Long-Horizon Robot Manipulation [57.628771707989166]
本稿では,ReMACと呼ばれる適応型マルチエージェント計画フレームワークを提案する。
ReMACには2つの重要なモジュールが組み込まれており、ループ内で事前条件と後条件チェックを実行し、進捗と計画の洗練を評価する。
論文 参考訳（メタデータ） (2025-03-28T03:51:40Z) - Benchmarking Online Object Trackers for Underwater Robot Position Locking Applications [0.9642500063568189]
視覚に基づく水中ロボットのナビゲーションと制御は、最近、水中環境で直面する多くの課題に対処するために注目を集めている。
本稿では,ROVプラットフォームにおける視覚ベースの位置ロックのための,機械学習(ML)ベースの1ショットオブジェクト追跡アルゴリズムを7つ以上導入した,厳密な統一ベンチマークを提案する。
提案システムは,物体追跡アルゴリズムの出力結果を用いて,外乱に対するROVの位置を自動的に補正する。
論文 参考訳（メタデータ） (2025-02-23T13:27:34Z) - Learning Multi-Agent Loco-Manipulation for Long-Horizon Quadrupedal Pushing [33.689150109924526]
本稿では,複数の四足歩行ロボットによる障害物対応長軸プッシュの課題に取り組む。
階層型多エージェント強化学習フレームワークを提案する。
論文 参考訳（メタデータ） (2024-11-11T16:27:25Z) - A Learning Approach to Robot-Agnostic Force-Guided High Precision
Assembly [6.062589413216726]
本稿では,高精度なロボット組立問題に対する学習手法を提案する。
組立部品が互いに密接な接触関係にあるような,コンタクトリッチなフェーズに着目する。
私たちのトレーニング環境は、エンドエフェクターが特定のロボットにアタッチされないため、ロボットレスです。
論文 参考訳（メタデータ） (2020-10-15T22:33:43Z)
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。