論文の概要: Contact-Driven Localization in a Freeform Robotic Self-Assembled Structure

• arxiv url: http://arxiv.org/abs/2608.02895v1
• Date: Mon, 03 Aug 2026 21:23:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-06 07:04:20.681702
• Title: Contact-Driven Localization in a Freeform Robotic Self-Assembled Structure
• Title（参考訳）: 自由形ロボット自己集合構造における接触駆動型位置決め
• Abstract要約: そこで本研究では,モジュールロボットの接触駆動位置決め手法を提案する。 本稿では,ロボットがドックに接続された隣人に惹きつけられるポーズを反復的に洗練し,非接続状態から反発する仮想力フレームワークを提案する。 この方法は外部インフラを必要とせず、最小限のオンボードセンシングにのみ依存する。
• 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: Accurate localization remains a key challenge in swarm robotics, particularly for self-reconfigurable systems that must identify relative positions to form diverse structures. Most existing approaches rely on external tracking infrastructure or high-cost sensors, which limit scalability and deployment in unstructured environments. In this paper, we propose a novel contact-driven localization method for modular robots that leverages only local communication through binary contact information (whether two robots are physically connected or not). To exploit these contact cues, we introduce a virtual-force framework in which robots iteratively refine their poses attracting toward dock-connected neighbors and repelling from non-connected ones. The method requires no external infrastructure and relies only on minimal onboard sensing. Simulations show effective localization during the assembly of towers and cantilevers, enabling accurate, scalable, free-form self-assembly.
• Abstract（参考訳）: 正確なローカライゼーションは、特に、様々な構造を形成するために相対的な位置を識別する必要がある自己再構成可能なシステムにおいて、スワムロボティクスにおいて重要な課題である。 既存のアプローチのほとんどは、非構造化環境でのスケーラビリティとデプロイメントを制限する、外部追跡インフラストラクチャや高コストセンサに依存している。 本稿では,2つのロボットが物理的に接続されているか否かに関わらず)バイナリ・コンタクト情報を通してのみ局所的な通信を利用するモジュール型ロボットの接触駆動型ローカライズ手法を提案する。 これらの接触手段を活用するために、ロボットがドックに接続された隣人に惹きつけられるポーズを反復的に洗練し、非接続のポーズを撃退する仮想力フレームワークを導入する。 この方法は外部インフラを必要とせず、最小限のオンボードセンシングにのみ依存する。 シミュレーションでは、タワーとカンチレバーの組み立て中に効果的な位置決めが示され、正確でスケーラブルで自由形式の自己組織化が可能となった。

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)
• Huddle: Parallel Shape Assembly using Decentralized, Minimalistic Robots [2.702613634883432]
  分散化ロボットを用いた任意の形状の集合体を形成するための新しいアルゴリズムを提案する。 局所的な相互作用に依存することにより、アルゴリズムはアセンブリに到達不可能な状態やギャップがないことを保証する。 アルゴリズムの正しさを証明し,その有効性を示す。
  論文  参考訳（メタデータ） (2026-03-18T14:28:37Z)
• Hierarchical Trajectory Planning of Floating-Base Multi-Link Robot for Maneuvering in Confined Environments [9.325443556436436]
  浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動 本研究は,グローバルガイダンスと設定対応ローカル最適化を統合した階層的軌道計画フレームワークを導入する。 我々の知る限りでは、これは実際のロボットで実証された浮動小数点移動型マルチリンクロボットのための最初の計画フレームワークである。
  論文  参考訳（メタデータ） (2026-02-25T22:49:54Z)
• CHORAL: Traversal-Aware Planning for Safe and Efficient Heterogeneous Multi-Robot Routing [4.3992789649203194]
  自律ロボットによる大規模で未知の複雑な環境のモニタリングは、重要なナビゲーション課題を引き起こす。 異種ロボットの協調のための統合意味認識フレームワークを提案する。 シミュレーション実験と3つのロボットプラットフォームを用いた実際の検査ミッションにより,本手法の有効性が実証された。
  論文  参考訳（メタデータ） (2026-01-15T12:34:22Z)
• Heterogeneous Robot Collaboration in Unstructured Environments with Grounded Generative Intelligence [54.91177026001217]
  大規模言語モデル(LLM)対応のチーム化手法は、よく構造化された既知の環境を前提とするのが一般的である。 異種ロボットチームにおけるLCMの推論能力を基盤として,これらの制約に対処するフレームワークであるSPINE-HTを提案する。 我々のフレームワークは、従来のLLM対応の不均一なチームリング手法と比較して、ほぼ2倍の成功率を達成する。
  論文  参考訳（メタデータ） (2025-10-30T18:24:38Z)
• LPAC: Learnable Perception-Action-Communication Loops with Applications to Coverage Control [72.81786007015471]
  本稿では,その問題に対する学習可能なパーセプション・アクション・コミュニケーション(LPAC)アーキテクチャを提案する。 CNNは局所認識を処理する。グラフニューラルネットワーク(GNN)はロボットのコミュニケーションを促進する。 評価の結果,LPACモデルは標準分散型および集中型カバレッジ制御アルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2024-01-10T00:08:00Z)
• Open-World Distributed Robot Self-Localization with Transferable Visual Vocabulary and Both Absolute and Relative Features [1.3499500088995464]
  本研究では,オープンワールド分散ロボットシステムのための新たな自己ローカライズフレームワークを提案する。 教師なしの視覚語彙モデルを採用し、マルチモーダルで軽量で移動可能な視覚特徴にマッピングする。 すべての機能は、軽量グラフニューラルネットワークとシーングラフを使用して学習され、認識される。
  論文  参考訳（メタデータ） (2021-09-09T21:49:03Z)
• Simultaneous Navigation and Construction Benchmarking Environments [73.0706832393065]
  モバイル構築のためのインテリジェントなロボット、環境をナビゲートし、幾何学的設計に従ってその構造を変更するプロセスが必要です。 このタスクでは、ロボットのビジョンと学習の大きな課題は、GPSなしでデザインを正確に達成する方法です。 我々は,手工芸政策の性能を,基礎的なローカライゼーションと計画,最先端の深層強化学習手法を用いて評価した。
  論文  参考訳（メタデータ） (2021-03-31T00:05:54Z)
• Cognitive architecture aided by working-memory for self-supervised multi-modal humans recognition [54.749127627191655]
  人間パートナーを認識する能力は、パーソナライズされた長期的な人間とロボットの相互作用を構築するための重要な社会的スキルです。 ディープラーニングネットワークは最先端の結果を達成し,そのような課題に対処するための適切なツールであることが実証された。 1つの解決策は、ロボットに自己スーパービジョンで直接の感覚データから学習させることである。
  論文  参考訳（メタデータ） (2021-03-16T13:50:24Z)

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。