論文の概要: ErgoSurf: Ergodic Control for the Coverage of Unknown Surfaces
- arxiv url: http://arxiv.org/abs/2608.06208v1
- Date: Thu, 06 Aug 2026 16:01:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-07 17:43:06.787258
- Title: ErgoSurf: Ergodic Control for the Coverage of Unknown Surfaces
- Title（参考訳）: ErgoSurf:未知の表面を覆うエルゴディック制御
- Authors: Stefan Schneyer, Timo Bachmann, Maged Iskandar, Korbinian Nottensteiner, Alin Albu-Schäffer, Freek Stulp, João Silvério,
- Abstract要約: 接触中心のタスクでは、安定した接触を維持しながら、ロボットが表面を体系的に覆う必要がある。
従来のエルゴード制御法は、表面幾何学の事前の知識に依存するか、事前に幾何学をスキャンするために視覚感覚入力を必要とする。
本稿では,未知の表面形状を同時に再構築しながら,体系的な表面被覆を実現する新しいオンラインエルゴディック制御フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 10.42763227391628
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Contact-centric tasks on surfaces, ranging from inspection and cleaning to sanding and polishing, require robots to systematically cover the surface while maintaining stable contact. Ergodic control generates trajectories that spend time at a location proportional to a desired, task-specific spatial distribution, enabling efficient information gathering and coverage. However, traditional ergodic control methods rely on prior knowledge of surface geometry or require a vision sensory input to scan the geometry beforehand, limiting their applicability in real-world scenarios with unknown or dynamic environments. This paper introduces a novel online ergodic control framework that achieves systematic surface coverage while simultaneously reconstructing unknown surface geometry. We employ a Gaussian Process Implicit Surface (GPIS) model that learns global surface geometry from intrinsic tactile sensing during execution. For efficient online planning, we approximate the surface locally using point clouds sampled from tangent planes at observed contact points and iteratively fit them to the Gaussian Process. This approximation simultaneously serves as the sampling domain for both the target and the coverage distributions. We employ a heat-diffusion analogy to compute potential fields that guide ergodic exploration, translating spatial coverage objectives into smooth robot trajectories. We demonstrate our framework through simulation and real-robot experiments, validating simultaneous ergodic coverage and online surface geometry learning with reconstruction errors approaching the ground truth.
- Abstract（参考訳）: 表面の接触中心のタスクは、検査や清掃からサンド、研磨まで、安定した接触を維持しながら表面を体系的に覆う必要がある。
エルゴディック制御は、所望のタスク固有の空間分布に比例した場所で時間を過ごす軌跡を生成し、効率的な情報収集とカバレッジを可能にする。
しかし、従来のエルゴード制御法は、表面幾何学の事前の知識に依存するか、事前に幾何学をスキャンするために視覚センサー入力を必要とし、未知または動的環境を持つ現実世界のシナリオに適用性を制限する。
本稿では,未知の表面形状を同時に再構築しながら,体系的な表面被覆を実現する新しいオンラインエルゴディック制御フレームワークを提案する。
我々は,ガウス過程インプリシットサーフェス(GPIS)モデルを用いて,実行中の固有触覚センシングからグローバルな表面形状を学習する。
効率的なオンラインプランニングでは,接点の接点から採取した点雲を用いて局所的に表面を近似し,それをガウス過程に反復的に適合させる。
この近似は、ターゲットとカバレッジの両方のサンプリングドメインとして同時に機能する。
熱拡散アナロジーを用いて、エルゴード探索を導くポテンシャル場を計算し、空間的対象をスムーズなロボット軌道に変換する。
シミュレーションおよび実ロボット実験を通じて,本フレームワークを実証し,実地真実に近づく再構成誤りを伴うエルゴード被覆とオンライン表面形状学習の同時検証を行った。
関連論文リスト
- TerraDiT-$Ω$: Unified Spatial Control for Satellite Image Synthesis with Any Geospatial Primitive [19.699267665705715]
TerraDiT-$は、任意のネイティブプリミティブから直接衛星画像を生成する統合空間制御フレームワークである。
生成モデルは驚くべき進歩を遂げているが、衛星画像に適用することは依然として困難である。
論文 参考訳（メタデータ） (2026-06-30T01:56:41Z) - Surface-Constrained Offline Warping with Contact-Aware Online Pose Projection for Safe Robotic Trajectory Execution [2.192782571038966]
本稿では,幾何学的埋め込みと実行レベルの規制を分離する2段階のフレームワークを提案する。
複数の解析的表面積と正弦波面上の実ロボットによる検証実験により、幾何的連続性の改善、大きな方向跳躍の低減、堅牢な接触維持が示された。
論文 参考訳（メタデータ） (2026-03-17T21:54:54Z) - Constraint Manifold Exploration for Efficient Continuous Coverage Estimation [3.237837164701425]
多くの自動化された製造プロセスは、表面に沿ってプロセス固有のツールを動かすために産業用ロボットアームに依存している。
研削、サンディング、スプレー塗装といった用途では、工具を表面検査に垂直に保ちながら完全に覆う必要がある。
本研究では、構成空間内の到達可能な表面領域を探索する拡張環境構成空間を提案する。
論文 参考訳（メタデータ） (2026-02-06T14:47:28Z) - Geometric Operator Learning with Optimal Transport [77.16909146519227]
複素測地上での偏微分方程式(PDE)に対する演算子学習に最適輸送(OT)を統合することを提案する。
表面に焦点を当てた3次元シミュレーションでは、OTベースのニューラルオペレーターが表面形状を2次元パラメータ化潜在空間に埋め込む。
ShapeNet-Car と DrivAerNet-Car を用いたレイノルズ平均化 Navier-Stokes 方程式 (RANS) を用いた実験により,提案手法は精度の向上と計算コストの削減を図った。
論文 参考訳（メタデータ） (2025-07-26T21:28:25Z) - Real-time Spatial-temporal Traversability Assessment via Feature-based Sparse Gaussian Process [15.756895046886406]
本研究では,自律型ロボットが複雑な地形を移動できるようにすることを目的とした,空間的時間的トラバーサビリティ評価手法を提案する。
我々の手法は精度と計算効率の両面でSOTAよりも優れている。
本研究では,移動可能性マップと統合された自律ナビゲーションフレームワークを開発し,複雑な屋外環境下での微分駆動車による検証を行う。
論文 参考訳（メタデータ） (2025-03-06T06:26:57Z) - Learning Where to Look: Self-supervised Viewpoint Selection for Active Localization using Geometrical Information [68.10033984296247]
本稿では, 位置決めの精度を高めるために, 視点選択の重要性を強調し, アクティブな位置決め領域について検討する。
私たちのコントリビューションは、リアルタイム操作用に設計されたシンプルなアーキテクチャ、自己教師付きデータトレーニング方法、および実世界のロボティクスアプリケーションに適した計画フレームワークにマップを一貫して統合する能力による、データ駆動型アプローチの使用に関するものです。
論文 参考訳（メタデータ） (2024-07-22T12:32:09Z) - Flatten Anything: Unsupervised Neural Surface Parameterization [76.4422287292541]
本研究では,FAM(Flatten Anything Model)を導入し,グローバルな自由境界面パラメータ化を実現する。
従来の手法と比較して,FAMは接続情報を活用することなく,個別の面上で直接動作する。
当社のFAMは前処理を必要とせずに完全に自動化されており,高度に複雑なトポロジを扱うことができる。
論文 参考訳（メタデータ） (2024-05-23T14:39:52Z) - Surface Warping Incorporating Machine Learning Assisted Domain
Likelihood Estimation: A New Paradigm in Mine Geology Modelling and
Automation [68.8204255655161]
新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。
本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。
その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
論文 参考訳（メタデータ） (2021-02-15T10:37:52Z) - Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for
Online Collision Avoidance [95.86944752753564]
本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。
我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。
本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
論文 参考訳（メタデータ） (2020-07-28T07:34:30Z)
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。