論文の概要: Milo, a Fully Autonomous Indoor/Outdoor Robotic Guide Dog
- arxiv url: http://arxiv.org/abs/2607.19530v1
- Date: Tue, 21 Jul 2026 19:19:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-23 18:51:37.911908
- Title: Milo, a Fully Autonomous Indoor/Outdoor Robotic Guide Dog
- Title（参考訳）: 完全自律型屋内・屋外ロボットガイド犬Milo(動画あり)
- Abstract要約: ブラインドとロービジョン(BLV)の人々は、モーメント・ツー・モーメント・ナビゲーションのガイド犬に頼っている。
Miloは、オープンソースで低コストのロボットガイドドッグプラットフォームである。
Miloは完全に自律的であり、環境の事前知識を必要としない。
- 参考スコア（独自算出の注目度）: 13.556684488160833
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Many Blind and Low-Vision (BLV) people rely on guide dogs for moment-to-moment navigation, such as staying on path and avoiding obstacles and pedestrians. However, guide dogs are expensive to acquire and maintain (approximately \$50k USD plus ongoing costs), often involve long waiting lists, and have relatively short life expectancies. While robot guide dogs offer a promising alternative, existing approaches exploring this idea suffer from several drawbacks: They often lack the autonomy required for real-world deployment, relying on prior 3D scans of the environment, external computation, or limited awareness of the handler. In this work, we present Milo, the first open-source, low-cost (approximately \$2k USD) robotic guide dog platform capable of fulfilling the basic collaborative navigation role expected of a guide dog. Milo is fully autonomous, requiring no a priori knowledge of the environment, completely self-contained with all computation performed onboard, and suitable for both indoor and outdoor navigation while avoiding obstacles and pedestrians. Our system consists of a modified Unitree Go2 robot (equipped with onboard compute, sensors, and a handle), a perception stack combining voxel mapping with floor, obstacle, and pedestrian detection, and a navigation stack based on an obstacle-avoidance policy trained in a custom bird's-eye-view simulator. We evaluate Milo in real indoor and outdoor obstacle courses and compare it against a costmap-based baseline, demonstrating smoother navigation and fewer handler collisions. To maximize accessibility for BLV users, we release both the robot hardware instructions and the complete software stack as open source.
- Abstract（参考訳）: 多くのBlind and Low-Vision(BLV)の人々は、道に留まり障害物や歩行者を避けるなど、モーメント・ツー・モーメントのナビゲーションにガイド犬を頼っている。
しかし、ガイドドッグは購入と維持に費用がかかる(約50万米ドルの費用と継続するコスト)ため、長い待ち行列が伴うことが多く、寿命は比較的短い。
ロボットガイドドッグは有望な代替手段を提供するが、このアイデアを探求する既存のアプローチにはいくつかの欠点がある。
本研究では,ガイドドッグが期待する基本的なコラボレーティブナビゲーションの役割を果たすことのできる,最初のオープンソースで低コスト(約2万米ドル)のロボットガイドドッグプラットフォームであるMiloを紹介する。
Miloは完全に自律的であり、環境に関する事前の知識を必要とせず、すべての計算をオンボードで実行して完全に自己完結し、障害物や歩行者を避けながら、屋内と屋外の両方のナビゲーションに適している。
本システムは,修正型Unitree Go2ロボット(車載コンピュータ,センサ,ハンドルを備えた)と,床,障害物,歩行者検出とボクセルマッピングを組み合わせた知覚スタックと,カスタムバードアイビューシミュレータで訓練された障害物回避ポリシーに基づくナビゲーションスタックとから構成される。
実際の屋内および屋外の障害物コースにおけるMiloの評価を行い,コストマップに基づくベースラインと比較し,よりスムーズなナビゲーションとハンドラ衝突の少ないことを示す。
BLVユーザのアクセシビリティを最大化するために、ロボットハードウェア命令と完全なソフトウェアスタックの両方をオープンソースとしてリリースする。
関連論文リスト
- Not an Obstacle for Dog, but a Hazard for Human: A Co-Ego Navigation System for Guide Dog Robots [41.24192770389256]
既存のシステムは、ナビゲーションのためにロボットの地上レベルのセンサーのみに頼っている。
これを視点非対称性問題と呼び、それに対応する最初のシステムを示す。
我々のCo-Egoシステムは、ロボット中心の地上センシングとユーザの高次自我中心の視点を統合したデュアルブランチ障害物回避フレームワークを採用している。
論文 参考訳（メタデータ） (2026-03-20T16:42:10Z) - GuideNav: User-Informed Development of a Vision-Only Robotic Navigation Assistant For Blind Travelers [14.840633179067295]
GuideNavは視覚のみの、教習と繰り返しのナビゲーションシステムである。
GuideNavは、ガイド犬を訓練し、ハンドラーを補助する方法に触発され、視覚障害者がロボットを使って示す道を自律的に繰り返す。
野外試験では、ガイドナブは5つの屋外環境にまたがるキロスケールのルートを一貫して達成した。
論文 参考訳（メタデータ） (2025-12-05T20:57:48Z) - Helpful DoggyBot: Open-World Object Fetching using Legged Robots and Vision-Language Models [63.89598561397856]
室内環境における四足歩行操作のためのシステムを提案する。
オブジェクト操作にはフロントマウントのグリップを使用しており、アジャイルスキルにエゴセントリックな深さを使ってシミュレーションでトレーニングされた低レベルのコントローラである。
実世界のデータ収集やトレーニングを行なわずに、2つの目に見えない環境でシステムを評価する。
論文 参考訳（メタデータ） (2024-09-30T20:58:38Z) - Hyp2Nav: Hyperbolic Planning and Curiosity for Crowd Navigation [58.574464340559466]
我々は,群集ナビゲーションを実現するための双曲学習を提唱し,Hyp2Navを紹介した。
Hyp2Navは双曲幾何学の本質的な性質を活用し、ナビゲーションタスクにおける意思決定プロセスの階層的性質をよりよく符号化する。
本稿では, 効果的なソーシャルナビゲーション, 最高の成功率, 複数シミュレーション設定におけるリターンをもたらす, 双曲型ポリシーモデルと双曲型好奇性モジュールを提案する。
論文 参考訳（メタデータ） (2024-07-18T14:40:33Z) - Seeing-Eye Quadruped Navigation with Force Responsive Locomotion Control [2.832383052276894]
目を見つめるロボットは、視覚障害者を導くのに役立つツールであり、大きな社会的影響をもたらす可能性がある。
実際のガイドドッグ設定で頻繁に発生する、人間からの外部タグは誰も考慮しなかった。
目隠しされた人間を持つ現実の四足歩行ロボットに、我々の完全な視線ロボットシステムを実演する。
論文 参考訳（メタデータ） (2023-09-08T15:02:46Z) - Barkour: Benchmarking Animal-level Agility with Quadruped Robots [70.97471756305463]
脚付きロボットのアジリティを定量化するための障害物コースであるBarkourベンチマークを導入する。
犬の機敏性の競争に触発され、様々な障害と時間に基づくスコアリング機構から構成される。
ベンチマークに対処する2つの方法を提案する。
論文 参考訳（メタデータ） (2023-05-24T02:49:43Z) - ViNL: Visual Navigation and Locomotion Over Obstacles [36.46953494419389]
障害物を用いた視覚ナビゲーションとロコモーション(ViNL)について述べる。
四足歩行ロボットは、道にある小さな障害物を踏み越えながら、見えないアパートを移動することができる。
ViNLは,(1)不慣れな屋内環境における目標座標にロボットを誘導する線形および角速度コマンドを出力する視覚的ナビゲーションポリシーと,(2)ロボットの関節を制御し,提供された速度コマンドに従って障害物を踏むことを避ける視覚的移動ポリシーとから構成される。
論文 参考訳（メタデータ） (2022-10-26T15:38:28Z) - System Configuration and Navigation of a Guide Dog Robot: Toward Animal
Guide Dog-Level Guiding Work [8.775408795666477]
ロボットガイドドッグは、コスト効率、大量生産の可能性、メンテナンスコストの低い動物ガイド犬に対して、強力なアドバンテージを持っている。
ガイドドッグハンドラとガイドドッグがナビゲーションのチームとしてどのように機能するかについては,これまでほとんど,あるいは全く考慮されていなかった。
本研究では,環境に関するセマンティック情報を活用することで,安全かつ効率的な案内作業を可能にするセマンティック・アウェア・ローカル・パス・プランナを提案する。
論文 参考訳（メタデータ） (2022-10-24T16:11:20Z) - Gesture2Path: Imitation Learning for Gesture-aware Navigation [54.570943577423094]
Gesture2Pathは、画像に基づく模倣学習とモデル予測制御を組み合わせた新しいソーシャルナビゲーション手法である。
実際のロボットに本手法をデプロイし,4つのジェスチャーナビゲーションシナリオに対するアプローチの有効性を示す。
論文 参考訳（メタデータ） (2022-09-19T23:05:36Z) - Coupling Vision and Proprioception for Navigation of Legged Robots [65.59559699815512]
我々は視覚と受容の相補的な強みを利用して、脚のあるロボットでポイントゴールナビゲーションを実現する。
車輪付きロボット(LoCoBot)のベースラインよりも優れた性能を示す。
また,センサーと計算能力を備えた四足歩行ロボットに,我々のシステムを実環境に展開することも示す。
論文 参考訳（メタデータ） (2021-12-03T18:59:59Z) - BADGR: An Autonomous Self-Supervised Learning-Based Navigation System [158.6392333480079]
BadGRは、エンドツーエンドの学習ベースのモバイルロボットナビゲーションシステムである。
実際の環境で収集された、自己監督型のオフポリシーデータでトレーニングすることができる。
BadGRは、幾何学的に邪魔な障害物を伴って、現実世界の都市やオフロード環境をナビゲートすることができる。
論文 参考訳（メタデータ） (2020-02-13T18:40:21Z)
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。