論文の概要: AGRO-Nav: Autonomous Graph-based Orchard Navigation
- arxiv url: http://arxiv.org/abs/2608.25799v1
- Date: Wed, 26 Aug 2026 13:50:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-27 14:15:15.846546
- Title: AGRO-Nav: Autonomous Graph-based Orchard Navigation
- Title（参考訳）: AGRO-Nav: グラフベースのオーチャードナビゲーション
- Abstract要約: 我々は,果樹園における静的グラフベースのグローバルプランニング自動化フレームワーク AGRO-Nav を提案する。
このグラフ上のダイクストラ探索により大域ルートが見出され、任意の角度の Theta* セグメントによって開始と目標に結び付けられ、立方体の B-スプラインで滑らかにされる。
実オーチャード試験では、AGRO-Nav は A* (0.31 m) および Theta* (0.43 m) の最短パスベースラインよりはるかに低い平均誤差の 0.08 m の行中心に従っている。
- 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: Orchards form semi-structured environments in which parallel tree rows create natural driving corridors, yet narrow inter-row clearance and dense foliage lead geometry-agnostic grid planners to drift off the row center and risk trunk or canopy contact. We present AGRO-Nav, an automated framework for static graph-based global planning in orchards. From tree-row lines fitted to trunk clusters in a SLAM point cloud, it builds, without any manual waypoints, a sparse topological graph of intra- and inter-row connectivity; a global route is then found by Dijkstra search on this graph, connected to the start and goal by any-angle Theta* segments, and smoothed with a cubic B-spline. In real-orchard trials, AGRO-Nav follows the row center with a mean error of about 0.08 m, far below the A* (0.31 m) and Theta* (0.43 m) shortest-path baselines, while planning roughly four to five times faster. In Isaac Sim, it attains the lowest error among A*, Theta*, and a reproduced RANSAC midline baseline and remains stable as tree density drops to 70%, where the RANSAC baseline degrades. The resulting trajectories---straight row-centered segments joined by controlled turns---suit differential-drive and four-wheel-steering platforms.
- Abstract（参考訳）: 果樹園は半構造的な環境を形成しており、平行樹列は自然の運転回廊を創出するが、細い溝間クリアランスと密度の高い葉状鉛の形状に依存しないグリッドプランナーは、列の中心からドリフトし、トランクや天蓋との接触を危険にさらす。
我々は,果樹園における静的グラフベースのグローバルプランニング自動化フレームワーク AGRO-Nav を提案する。
SLAMポイントクラウド内のトランククラスタに収まるツリーローラインから、手動のウェイポイントなしで構築され、ロー内およびロー間接続の疎らなトポロジカルグラフが、このグラフ上のダイクストラサーチによって発見され、任意の角度のTheta*セグメントで開始とゴールに結び付けられ、立方体のBスプラインで滑らか化される。
実際のオーチャード試験では、AGRO-NavはA* (0.31 m) と Theta* (0.43 m) よりはるかに低い平均誤差の0.08 m の行中心に従っており、同時に約4倍から5倍の速度で計画している。
アイザック・シム (Isaac Sim) では、A*, Theta*, と再生されたRANSACの正中線ベースラインの中では最低誤差に達し、木密度が70%に低下しても安定であり、RANSACの基底線は劣化する。
結果として生じる軌道 - 直線的な行中心のセグメントは、制御されたターンで結合される-- 差動駆動と四輪操舵のプラットフォームに適合する。
関連論文リスト
- RoadWeaver: Large-Scale Lane-Level HD Map Generation from Scratch for Autonomous Driving Simulation [12.234827494362145]
我々は,多種多様な大規模HDマップを作成するためのフレームワークであるRoadWeaverを紹介する。
RoadWeaverはまず、グローバルな道路レイアウトを合成し、それを接続された道路ネットワークに拡張し、一貫したレーン接続でレーンレベルの幾何学を構築する。
その結果、RoadWeaverは99.8%の到達率、10.7%のデッドエンド比、エンドポイントのアライメント誤差0.24mを達成した。
論文 参考訳（メタデータ） (2026-08-12T02:39:14Z) - Surflo: Consistent 3D Surface Flow Model with Global State [57.57234680235885]
Surfloは、方向付けられた3次元表面点を、ノイズからフローマッチングを通じて独立して表面へ輸送することでデコードする。
独立なポイント単位の復号化に固有の局所的不整合を抑制するために、光度勾配を注入することにより、推定時間誘導項が近傍の点と相関する。
Surfloは、サーフェスメトリクスのフィードフォワードベースラインにマッチし、数百のビューを必要とする最適化ベースのメソッドよりも桁違いに高速に動作し、グローバルなラテントと任意の解像度のデコーディングを組み合わせた唯一のフィードフォワードアプローチである。
論文 参考訳（メタデータ） (2026-06-11T17:48:38Z) - Enhancing Graph-Based SLAM in GNSS-Denied environments by leveraging leg odometry [2.953334250276907]
脚のドメトリーにより駆動される平行キネマティックレーンでLIO-SAMフレームワークを増強する因子グラフアーキテクチャを提案する。
提案手法は,30m以上から30cm未満までの上昇ドリフトを低減し,ベースラインパイプラインが完全に故障する場面での収束を可能にする。
論文 参考訳（メタデータ） (2026-05-19T20:48:35Z) - osmAG-Nav: A Hierarchical Semantic Topometric Navigation Stack for Robust Lifelong Indoor Autonomy [17.090605179635467]
osmAG-Navは、階層的セマンティックOpenStreetMap Area Graph (osmAG)マップ標準に基づいて構築された、完全なオープンソースのROS2ナビゲーションスタックである。
システムは「システム・オブ・システム」アーキテクチャに従い、グローバルな推論を局所的なメートル法実行から切り離す。
現実世界の屋内キャンパスの実験では、同じフロアのベンチマークサブセットで、osmAG-Navはグリッドベースのベースラインの長いルートよりも7816倍低い計画遅延を提供する。
論文 参考訳（メタデータ） (2026-03-30T10:54:14Z) - Cascade-Aware Multi-Agent Routing: Spatio-Temporal Sidecars and Geometry-Switching [0.0]
スケジューラは負荷とフィットネスを最適化するが、木のようなグラフとサイクリックグラフで障害がどのように伝搬するかのモデルがない。
我々は、この観測可能性ギャップをオンライン幾何学制御問題として定式化する。
時空サイドカーは、どの幾何学が現在のトポロジーに適合するかを予測する。
論文 参考訳（メタデータ） (2026-03-17T20:10:16Z) - Efficient Autonomous Navigation of a Quadruped Robot in Underground Mines on Edge Hardware [0.5371337604556311]
地下鉱山での身体的ナビゲーションは、狭い通路、不均一な地形、ほぼ全天の闇、GPSによる汚染条件、限られた通信インフラなど、重大な課題に直面している。
我々は、Boston Dynamics Spotロボットのための完全に自律的なナビゲーションスタックを提示し、GPUなしで、ネットワーク接続を必要としない低消費電力のIntelコンピュータエッジで完全に動作する。
実験地中地雷の難易度が異なる4地点を対象とし, 完全自律走行の700m以上を, 全20回の試験で100%成功率で蓄積し, 実地試験を繰り返し検証した。
論文 参考訳（メタデータ） (2026-03-04T02:23:55Z) - CLEAR: A Semantic-Geometric Terrain Abstraction for Large-Scale Unstructured Environments [11.194775463742046]
非構造環境における長い水平航法は、意味的構造と幾何学的構造を保ちながら、数十 km$2$にスケールする地形の抽象化を要求する。
CLEARは6.7%のコストオーバーヘッドしか持たない生のグリッドよりも最大10倍高速な計画を実現している。
これらの結果は,災害対応,防衛,惑星探査などのアプリケーションにおける長距離航法のためのCLEARのスケーラビリティと有用性を強調している。
論文 参考訳（メタデータ） (2026-01-19T19:56:06Z) - Blurred Encoding for Trajectory Representation Learning [56.642548506419]
トレイ表現学習(TRL)は、軌跡をベクトル埋め込みにマッピングし、軌跡分類や類似性探索などの作業を容易にする。
State-of-the-art (SOTA) TRL法は、生のGPSトラジェクトリをグリッドや道路トラジェクトリに変換し、ハイレベルな旅行セマンティクスをキャプチャする。
しかし、複数のGPSポイントが単一のグリッドセルまたは道路セグメントにグループ化されるため、細かな空間時間的詳細は失われます。
我々は,階層的パッチを作成するためにGPS座標の精度を徐々に低下させるBLUEと呼ばれるBLUrred jector法を提案する。
論文 参考訳（メタデータ） (2025-11-12T03:51:57Z) - Fully-Geometric Cross-Attention for Point Cloud Registration [51.865371511201765]
ポイントクラウド登録のアプローチは、ノイズのあるポイント対応のため、ポイントクラウド間の重なりが低いときに失敗することが多い。
この問題に対処するTransformerベースのアーキテクチャに適した,新たなクロスアテンション機構を導入する。
我々はGromov-Wasserstein距離をクロスアテンションの定式化に統合し、異なる点雲間の点間距離を共同計算する。
点レベルでは,局所的な幾何学的構造情報を細かなマッチングのための点特徴に集約する自己認識機構も考案する。
論文 参考訳（メタデータ） (2025-02-12T10:44:36Z) - Topology Preserving Local Road Network Estimation from Single Onboard
Camera Image [128.881857704338]
本稿では,鳥眼ビュー(BEV)において,局所道路網のトポロジーを抽出することを目的とする。
唯一の入力は、シングルオンボードの前方カメラ画像で構成されている。
道路トポロジを,道路の交点を用いて捉えた一組の有向車線曲線とその相互作用を用いて表現する。
論文 参考訳（メタデータ） (2021-12-19T14:25:22Z) - Large-scale Autonomous Flight with Real-time Semantic SLAM under Dense
Forest Canopy [48.51396198176273]
本研究では,大規模自律飛行とリアルタイムセマンティックマッピングを,挑戦的なアンダーキャノピー環境下で実現可能な統合システムを提案する。
我々は、スキャン全体で関連付けられ、木のトランクモデルと同様にロボットのポーズを制約するために使用されるLiDARデータから、木の幹と地面の平面を検出し、モデル化する。
ドリフト補償機構は、プランナー最適性とコントローラ安定性を維持しつつ、セマンティックSLAM出力を用いたドリフトをリアルタイムで最小化するように設計されている。
論文 参考訳（メタデータ） (2021-09-14T07:24:53Z) - DAGMapper: Learning to Map by Discovering Lane Topology [84.12949740822117]
我々は、分岐とマージによるトポロジー変化を含む多くのレーンを持つ複雑な高速道路のレーン境界を描くことに集中する。
グラフのノードがレーン境界の局所領域の幾何学的および位相的特性を符号化する有向非巡回グラフィカルモデル(DAG)における推論として問題を定式化する。
2つの異なる州における2つの幹線道路における我々のアプローチの有効性を示し、高い精度とリコールと89%の正しいトポロジーを示す。
論文 参考訳（メタデータ） (2020-12-22T21:58:57Z) - Hierarchical Recurrent Attention Networks for Structured Online Maps [91.28820076955128]
疎い3次元点雲からのオンライン道路網抽出の問題に対処する。
この手法はannotatorがレーングラフを構築する方法に触発され、まず何レーンあるかを特定し、順番に各レーンを描画する。
我々は,レーン境界の初期領域に順応する階層的リカレントネットワークを開発し,構造化ポリラインを出力することにより,それらを完全にトレースする。
論文 参考訳（メタデータ） (2020-12-22T19:35:53Z)
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。