論文の概要: Decentralized Scalable Exploration via Emergent Adaptive Lévy Walks on Minimal-Sensing Platforms

• arxiv url: http://arxiv.org/abs/2607.25195v1
• Date: Tue, 28 Jul 2026 01:53:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-29 20:50:42.676374
• Title: Decentralized Scalable Exploration via Emergent Adaptive Lévy Walks on Minimal-Sensing Platforms
• Title（参考訳）: 極小センシングプラットフォーム上での創発的適応型レヴィウォークによる分散スケーラブル探索
• Abstract要約: 重量50グラム未満の空飛ぶロボットのための軽量なセンサー駆動型レヴィ歩行制御装置を提案する。 この方法は、方向距離測定を用いて、離散Lévyステップ長サンプリングとセンサ反応性誘導ポリシーを組み合わせる。 シミュレーションの結果、オープンアリーナでは79.6%、ルーム・アンド・コリドールでは43.1%、散らかった環境では13.6%の改善が見られた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Efficient autonomous exploration with palm-sized nano-UAVs remains challenging due to severe limitations in sensing, computation, and flight endurance. We present a lightweight sensor-driven Lévy walk (SDLW) controller for aerial robots weighing under 50 grams and equipped with sparse local sensing. The method combines discrete Lévy step-length sampling with a sensor-reactive heading policy using directional range measurements. Each robot independently samples its Lévy exponent from a uniform prior to diversify exploration without inter-robot communication for exploration control. Each robot then selects headings using a von Mises distribution that biases motion toward open directions while preserving superdiffusive exploration properties. The controller operates at constant computational cost, enabling scalable multi-UAV exploration. Simulation results show coverage improvements of 79.6% in open arenas, 43.1% in rooms-and-corridors layouts, and 13.6% in cluttered environments, with collision reductions of 13.0%, 7.1%, and 1.4%, respectively, relative to a uniform-heading Lévy walk baseline. This work provides a practical framework for scalable multi-robot exploration on minimal-sensing, resource-constrained nano-UAVs.
• Abstract（参考訳）: 手のひらサイズのナノUAVを用いた効率的な自律探査は、センシング、計算、飛行耐久に厳しい制限があるため、依然として困難である。 本稿では,50グラム未満の重量を持つ空飛ぶロボットのための軽量なセンサ駆動型レヴィウォーク(SDLW)コントローラについて述べる。 この方法は、方向距離測定を用いて、離散Lévyステップ長サンプリングとセンサ反応性誘導ポリシーを組み合わせる。 それぞれのロボットは、探査制御のためにロボット間通信を使わずに、探査を多様化する前に、一斉にLévy指数をサンプリングする。 それぞれのロボットは、超拡散的な探査特性を維持しながら、オープンな方向に向かって動きを偏見するvon Mises分布を用いて方向を選択する。 コントローラは一定の計算コストで動作し、スケーラブルなマルチUAV探索を可能にする。 シミュレーションの結果、オープンアリーナでは79.6%、ルーム・アンド・コリドールでは43.1%、散らばった環境では13.6%、衝突は13.0%、レヴィ・ウォーク・ベースラインでは7.1%、そして1.4%となっている。 この研究は、最小限のセンシング、リソース制約付きナノUAVにおけるスケーラブルなマルチロボット探索のための実践的なフレームワークを提供する。

関連論文リスト

• DCLP++: Learning to Navigate with Footprint Clearance and Relative Motion [4.265700914562614]
  DCLP++は、動的環境における相対運動の特徴を研究するための幾何学的基礎としてフットプリントクリアランスを用いる。 予備研究では、20個の移動障害物のうち1m/sの速度制限を持つ長方形のロボットを用いている。
  論文  参考訳（メタデータ） (2026-09-08T13:09:35Z)
• Factorized Spatio-Temporal Convolutions for Human Pose Estimation from Planar Lidar [43.576051446645856]
  近くの人間を位置決めし、対向方向を推定することは、安全なナビゲーションと社会的に認識された人間とロボットの相互作用の鍵となる能力である。 空間時間ブロックに基づく軽量ネットワークを用いた平面LiDAR列からの全方位人間の検出と相対2次元ポーズ推定に対処する。 我々のネットワークは、360LiDARシーケンスを処理し、線当たりの人間の存在、距離、相対方向を出力します。
  論文  参考訳（メタデータ） (2026-07-23T13:31:54Z)
• Evaluating Accuracy of Vine Robot Shape Sensing with Distributed Inertial Measurement Units [1.1474575075646143]
  ロボット体に沿って分散したIMUを用いたブドウのロボット形状検出の精度を実験的に評価した。 また、センサ間隔の影響を分析し、中間間隔が単一曲率形状の誤差を最小限に抑えることを観察する。
  論文  参考訳（メタデータ） (2026-02-27T17:28:42Z)
• RoboTracer: Mastering Spatial Trace with Reasoning in Vision-Language Models for Robotics [53.053660003572965]
  本稿では,3次元空間参照と計測の両方を初めて実現した3D対応VLMであるRoboTracerを提案する。 RoboTracerは、強化微調整により、多段階のメートル法推論を進める。 本稿では,空間的トレーシングを評価する上で困難なベンチマークであるTraceSpatial-Benchを提案する。
  論文  参考訳（メタデータ） (2025-12-15T18:52:43Z)
• Self-Supervised Learning to Fly using Efficient Semantic Segmentation and Metric Depth Estimation for Low-Cost Autonomous UAVs [5.602128292727329]
  本稿では,制御室内環境下での小型UAVのための視覚のみの自律飛行システムを提案する。 このシステムは、セマンティックセグメンテーションと単眼深度推定を組み合わせることで、障害物回避、シーン探索、自律型安全な着陸操作を可能にする。 鍵となる革新は適応スケールファクターアルゴリズムであり、非メトリックな単眼深度予測を正確な距離測定に変換する。
  論文  参考訳（メタデータ） (2025-10-18T19:35:17Z)
• InternVLA-M1: A Spatially Guided Vision-Language-Action Framework for Generalist Robot Policy [138.89177083578213]
  空間接地とロボット制御のための統合フレームワークであるInternVLA-M1を紹介する。 InternVLA-M1は、(i)2.3M以上の空間的推論データに基づく空間的グラウンドトレーニングと(ii)空間的に誘導された後トレーニングという、2段階のパイプラインを使用する。 結果: InternVLA-M1 は SimplerEnv Google Robot で+14.6%、WidowX で+17%、LIBERO Franka で+4.3% で、空間誘導なしでその変種を上回った。
  論文  参考訳（メタデータ） (2025-10-15T17:30:05Z)
• Autonomous Navigation of Cloud-Controlled Quadcopters in Confined Spaces Using Multi-Modal Perception and LLM-Driven High Semantic Reasoning [0.0]
  本稿では,GPSを用いた屋内環境における自律ナビゲーションのための高度なAI駆動認識システムを提案する。 システムは、物体検出用YOLOv11、単眼深度推定用深度任意のV2、タイム・オブ・ライト(ToF)センサーと慣性測定ユニット(IMU)を備えたPCBを統合する。 室内テストベッドにおける実験結果は、平均平均精度(mAP50)が0.6、深さ推定平均絶対誤差(MAE)が7.2cm、エンドツーエンドのシステム遅延が1秒以下で達成された。
  論文  参考訳（メタデータ） (2025-08-11T12:00:03Z)
• Distance Estimation in Outdoor Driving Environments Using Phase-only Correlation Method with Event Cameras [5.690128924544198]
  単眼イベントカメラと路面LEDバーを用いた距離推定手法を提案する。 提案手法は,20mから60mの範囲で0.5m以下の誤差で90%以上の成功率を達成する。 将来的には、LEDを備えたスマートポールなどのインフラを活用して、この手法を全位置推定に拡張する予定である。
  論文  参考訳（メタデータ） (2025-05-23T07:44:33Z)
• Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
  スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。 本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
  論文  参考訳（メタデータ） (2023-08-14T16:48:57Z)
• UnLoc: A Universal Localization Method for Autonomous Vehicles using LiDAR, Radar and/or Camera Input [51.150605800173366]
  UnLocは、全ての気象条件におけるマルチセンサー入力によるローカライズのための、新しい統一型ニューラルネットワークアプローチである。 本手法は,Oxford Radar RobotCar,Apollo SouthBay,Perth-WAの各データセットで広く評価されている。
  論文  参考訳（メタデータ） (2023-07-03T04:10:55Z)
• Confidence-Controlled Exploration: Efficient Sparse-Reward Policy Learning for Robot Navigation [72.24964965882783]
  強化学習(RL)はロボットナビゲーションにおいて有望なアプローチであり、ロボットは試行錯誤を通じて学習することができる。 現実世界のロボットタスクは、しばしばまばらな報酬に悩まされ、非効率な探索と準最適政策に繋がる。 本稿では,RLに基づくロボットナビゲーションにおいて,報酬関数を変更せずにサンプル効率を向上させる新しい手法であるConfidence-Controlled Exploration (CCE)を紹介する。
  論文  参考訳（メタデータ） (2023-06-09T18:45:15Z)
• Incremental 3D Scene Completion for Safe and Efficient Exploration Mapping and Planning [60.599223456298915]
  本研究では,情報,安全,解釈可能な地図作成と計画に3次元シーン補完を活用することによって,深層学習を探索に統合する新しい手法を提案する。 本手法は,地図の精度を最小限に抑えることで,ベースラインに比べて環境のカバレッジを73%高速化できることを示す。 最終地図にシーン完了が含まれていなくても、ロボットがより情報的な経路を選択するように誘導し、ロボットのセンサーでシーンの測定を35%高速化できることが示される。
  論文  参考訳（メタデータ） (2022-08-17T14:19:33Z)
• Domain and Modality Gaps for LiDAR-based Person Detection on Mobile Robots [91.01747068273666]
  本稿では,移動ロボットのシナリオに着目した既存のLiDAR人物検出装置について検討する。 実験は3Dと2D LiDARのセンサー間のモダリティのギャップだけでなく、運転と移動ロボットのシナリオ間の領域ギャップを回避している。 その結果、LiDARに基づく人物検出の実践的な洞察を与え、関連する移動ロボットの設計と応用に関する情報決定を容易にする。
  論文  参考訳（メタデータ） (2021-06-21T16:35:49Z)

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。