論文の概要: Sliding Sensors: Configurable Confidence in State Estimation for Continuum Robots

• arxiv url: http://arxiv.org/abs/2608.05410v1
• Date: Wed, 05 Aug 2026 21:05:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-07 17:43:06.664918
• Title: Sliding Sensors: Configurable Confidence in State Estimation for Continuum Robots
• Title（参考訳）: スライディングセンサ:連続ロボットの状態推定における構成可能な信頼度
• Abstract要約: 連続体ロボットの状態推定における不確実性形成を可能にする機械的再構成可能なセンシングを導入する。 センサ位置の変化によって状態推定の信頼性が再構成できることを示し,センサを前後にスライドさせる際の全身形状推定誤差の低減を示す。
• 参考スコア（独自算出の注目度）: 12.435621245204521
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Continuum robots often operate in uncertain environments, where accurate state estimation is essential for safe interactions. Estimate uncertainty is inherently spatially non-uniform: confidence varies depending on where measurements are available. Global estimation accuracy is not always the top priority, but rather achieving sufficient confidence at task-relevant locations along the robot. This extended abstract introduces mechanically reconfigurable sensing enabling uncertainty-shaping in state estimation for continuum robots. We present a concept hardware design demonstrating the feasibility of longitudinal translation of a sensor within a continuum robot. We demonstrate that state estimation confidence can be reconfigured by varying the sensor location, and show a reduction of full-body shape estimation errors when sliding the sensor back and forth over time, compared to a single fixed tip sensor.
• Abstract（参考訳）: 連続ロボットは、安全な相互作用に正確な状態推定が不可欠である不確実な環境で運用されることが多い。 推定の不確実性は本質的に空間的非一様であり、信頼度は測定可能な場所によって異なる。 グローバルな推定精度は必ずしも最優先事項ではなく、ロボットに沿ったタスク関連箇所で十分な信頼を得られる。 この拡張された抽象概念は、連続体ロボットの状態推定における不確実性形成を可能にする機械的再構成可能なセンシングを導入している。 本稿では,連続ロボット内でのセンサの長手変換の実現可能性を示すハードウェア設計について述べる。 センサ位置の変化によって状態推定の信頼性が再構成できることを示し、センサを前後にスライドさせる際の全体形状推定誤差を1つの固定先端センサと比較して低減することを示した。

関連論文リスト

• Probabilistic Multi-Robot Gas Source Localization with Uncalibrated Sensors: A Distributed Estimation Approach [7.570246812206771]
  ソースローカライゼーションタスクのための分散確率的フレームワークを提案する。 各ロボットは、ランクベースの特徴を用いて、個別に局所的な信念を推定する。 これらの局所的な信念は、一貫したグローバルな見積もりを得るために専門家の定式化の産物によって融合される。
  論文  参考訳（メタデータ） (2026-08-28T11:32:53Z)
• Learning Contact Representation for Leg Odometry [0.0]
  脚付きロボットにおける接触検出のための自己教師付き表現学習フレームワークを提案する。 学習した表現を用いて、確率論的にスタンスとスイングフェーズをモデル化する。 本フレームワークは,教師付き手法と比較して優れた性能を示した。
  論文  参考訳（メタデータ） (2026-06-03T22:50:45Z)
• Greedy Kalman-Swarm: Improving State Estimation in Robot Swarms in Harsh Environments [0.8594140167290097]
  分散状態推定に対する局所的「欲求的」なアプローチにより、個々のロボットが、完全なデータ可用性やグローバル通信を必要とせずに、ロボット間の相対的センシングを利用して精度を向上させることができることを示す。 以上の結果から,予測不可能な地形における群集結束を維持するためのスケーラブルな枠組みとして,グローバルな状態認識が実現可能であることが示唆された。
  論文  参考訳（メタデータ） (2026-04-18T06:33:53Z)
• Uncertainty Estimation for Deep Reconstruction in Actuatic Disaster Scenarios with Autonomous Vehicles [68.82821445619759]
  原理的不確実性定量化は 能動センシング戦略に不可欠です Evidential Deep Learningは、すべてのセンサ構成で最高の再構築精度と不確実性校正を実現する。 これらの知見は、リアルタイムの自動運転車配備における不確実性認識フィールド再構築の方法として、エビデンシャル・ディープ・ラーニングを支持している。
  論文  参考訳（メタデータ） (2026-04-07T19:17:44Z)
• Pro-HOI: Perceptive Root-guided Humanoid-Object Interaction [57.252599851031505]
  本稿では,知覚根誘導型ヒューマノイドオブジェクトインタラクション,Pro-HOIを紹介する。 Pro-HOIは、堅牢なヒューマノイドロコ操作のための一般化可能なフレームワークである。 ユニツリーG1ロボットの実証検証は、Pro-HOIが一般化と堅牢性においてベースラインを著しく上回っていることを示す。
  論文  参考訳（メタデータ） (2026-03-01T14:19:59Z)
• Mobile Robot Localization Using a Novel Whisker-Like Sensor [2.4440761580878823]
  本稿では,単一のウィスカセンサを用いて,既知の平面環境下での接触点とロボット位置を推定するための枠組みを提案する。 その結果,7mm以下の誤差で正確な接触推定と位置推定が得られた。
  論文  参考訳（メタデータ） (2026-01-09T08:11:15Z)
• Multimodal Active Measurement for Human Mesh Recovery in Close Proximity [13.265259738826302]
  物理的な人間とロボットの相互作用では、ロボットは対象者の正確な身体のポーズを推定する必要がある。 これらのpHRIシナリオでは、ロボットは物理的相互作用のためにロボットに近づかなければならないため、装備されたカメラで対象者の身体を完全に観察することはできない。 本稿では,2次元LiDARのような触覚センサを備えたカメラのアクティブな計測・センサ融合フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-12T08:17:57Z)
• Pedestrian Trajectory Forecasting Using Deep Ensembles Under Sensing Uncertainty [125.41260574344933]
  エンコーダ・デコーダをベースとした深層アンサンブルネットワークは,認識と予測の不確実性の両方を同時に捕捉する。 全体として、深層アンサンブルはより堅牢な予測を提供し、上流の不確実性の考慮により、モデルの推定精度をさらに高めた。
  論文  参考訳（メタデータ） (2023-05-26T04:27:48Z)
• CertainNet: Sampling-free Uncertainty Estimation for Object Detection [65.28989536741658]
  ニューラルネットワークの不確実性を推定することは、安全クリティカルな設定において基本的な役割を果たす。 本研究では,オブジェクト検出のための新しいサンプリング不要不確実性推定法を提案する。 私たちはそれをCertainNetと呼び、各出力信号に対して、オブジェクト性、クラス、位置、サイズという、別の不確実性を提供するのは、これが初めてです。
  論文  参考訳（メタデータ） (2021-10-04T17:59:31Z)
• SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
  我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。 モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。 リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。 ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
  論文  参考訳（メタデータ） (2021-08-03T02:56:21Z)
• Towards robust sensing for Autonomous Vehicles: An adversarial perspective [82.83630604517249]
  結果として得られる決定が摂動に対して堅牢であることは、最も重要なことです。 敵対的摂動は、意図的に環境や感覚測定の修正を施したものである。 より安全なシステムの構築とデプロイには,センサーシステムの脆弱性を慎重に評価する必要がある。
  論文  参考訳（メタデータ） (2020-07-14T05:25:15Z)

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。