論文の概要: When Obstacles Bend: Modeling Vegetation Deformation in the context of Field Robotics
- arxiv url: http://arxiv.org/abs/2608.26050v2
- Date: Thu, 27 Aug 2026 21:06:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-31 15:11:36.084838
- Title: When Obstacles Bend: Modeling Vegetation Deformation in the context of Field Robotics
- Title（参考訳）: 障害物が曲がる時:フィールドロボティクスの文脈における植生変形のモデル化
- Abstract要約: 移動可能性(traversability)は、特定のプラットフォームが環境を移動する際にどのように反応するかを測定することで、ロボットの観点から定義される。
この視点は、環境評価をロボット自身のダイナミクスと結び付け、その結果、異なるプラットフォーム間での移動が困難になる。
本稿では,その固有の機械的特性を通じて,特定のロボットとは独立して植生を特徴付けることを提案する。
- 参考スコア（独自算出の注目度）: 0.9631905983555432
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Autonomous robots operating in natural environments must often interact with vegetation rather than simply avoid it. In this context, traversability is typically defined from the robot's perspective, by measuring how a specific platform responds when moving through the environment. While practical, this viewpoint entangles the assessment of the environment with the robot's own dynamics, making the resulting characterization difficult to transfer across different platforms. More importantly, it does not directly reflect the properties of the vegetation itself, which are the true source of interaction and potential damage in applications such as agriculture and environmental monitoring. To address this limitation, we propose to characterize vegetation through its intrinsic mechanical properties, independently of any specific robot. By combining deformation measurements with contact force data, we estimate the underlying mechanical parameters and reconstruct the vegetation's response to interaction. This enables vegetation-aware navigation based on intrinsic environmental properties rather than platform-dependent metrics.
- Abstract（参考訳）: 自然環境で動作する自律ロボットは、単に避けるのではなく、しばしば植生と相互作用する必要がある。
この文脈では、トラバーサビリティは通常、特定のプラットフォームが環境を移動する際にどのように反応するかを測定することで、ロボットの観点から定義される。
この視点は、実用的である一方で、ロボット自身のダイナミクスと環境評価を絡み合わせ、その結果、異なるプラットフォーム間での移動が困難になる。
さらに重要なことは、農業や環境モニタリングといった応用における相互作用や潜在的な損傷の真の原因である植生自体の特性を直接反映していないことである。
この制限に対処するために,特定のロボットとは独立に,本質的な機械的特性を通じて植生を特徴付けることを提案する。
変形測定と接触力データを組み合わせることで、基礎となる機械的パラメータを推定し、相互作用に対する植生の応答を再構築する。
これにより、プラットフォームに依存したメトリクスではなく、本質的な環境特性に基づいた植生対応ナビゲーションが可能になる。
関連論文リスト
- Tracking the Ground: Online Lidar Identification of Robot-Induced Soil Deformation in Agricultural Environments [0.9631905983555432]
土壌を意識したロボット工学への重要なステップは、自動車の交通が地面を変形させる方法を明確に説明することだ。
道路交通に伴う土壌の変形を定量化し,その進化をライダー観測から推定する枠組みを提案する。
異なる土壌条件下で行われた実験は、ロボットが引き起こした変形を捉えるためのアプローチの能力を示している。
論文 参考訳（メタデータ） (2026-09-14T14:47:31Z) - Learn Weightlessness: Imitate Non-Self-Stabilizing Motions on Humanoid Robot [56.377161933570335]
人間は自然に非自己安定化(NSS)運動中に「無重力」状態を利用する。
この生物学的メカニズムに着想を得て,データセットのアノテーションに対する無重力自動ラベル方式を提案する。
我々の研究は、正確な軌道追跡と適応的な環境相互作用のギャップを埋め、接触リッチなヒューマノイド制御のための生物学的にインスパイアされたソリューションを提供する。
論文 参考訳（メタデータ） (2026-04-23T07:10:05Z) - A Survey of Legged Robotics in Non-Inertial Environments: Past, Present, and Future [21.869937877352545]
脚のあるロボットは静止地では顕著な俊敏性を持つが、その移動信頼性は慣性的でない環境では限られている。
本調査は,非慣性環境における脚ロボットのモデリング,状態推定,制御における技術の現状を概観する。
論文 参考訳（メタデータ） (2026-04-22T18:21:49Z) - Multifunctional physical reservoir computing in soft tensegrity robots [2.0686733932673604]
近年の研究では、物理系の力学を所望の情報処理に活用できることが示されている。
本研究では、このアプローチを拡張して、1つのだけでなく複数の動作をテングレティロボットと呼ばれるソフトロボットに組み込む。
トレーニングデータの外部に,システムの状態空間に「未学習の引き付け者」が存在することを示す。
論文 参考訳（メタデータ） (2025-07-29T04:33:02Z) - Situationally-Aware Dynamics Learning [57.698553219660376]
隠れ状態表現のオンライン学習のための新しいフレームワークを提案する。
提案手法は、非観測パラメータが遷移力学と報酬構造の両方に与える影響を明示的にモデル化する。
シミュレーションと実世界の両方の実験は、データ効率、ポリシー性能、安全で適応的なナビゲーション戦略の出現を著しく改善した。
論文 参考訳（メタデータ） (2025-05-26T06:40:11Z) - Learning Object Properties Using Robot Proprioception via Differentiable Robot-Object Interaction [52.12746368727368]
微分可能シミュレーションは、システム識別の強力なツールとなっている。
本手法は,オブジェクト自体のデータに頼ることなく,ロボットからの情報を用いてオブジェクト特性を校正する。
低コストなロボットプラットフォームにおける本手法の有効性を実証する。
論文 参考訳（メタデータ） (2024-10-04T20:48:38Z) - VegeDiff: Latent Diffusion Model for Geospatial Vegetation Forecasting [58.12667617617306]
地理空間植生予測タスクのためのVegeDiffを提案する。
VegeDiffは、植物の変化過程の不確かさを確率的に捉えるために拡散モデルを使用した最初の企業である。
植生の変化の不確かさを捉え、関連する変数の複雑な影響をモデル化することで、VegeDiffは既存の決定論的手法より優れている。
論文 参考訳（メタデータ） (2024-07-17T14:15:52Z) - Gazebo Plants: Simulating Plant-Robot Interaction with Cosserat Rods [11.379848739344814]
植物の動きをモデル化するために,コセラットロッドをベースとしたGazeboシミュレーションプラットフォーム用のプラグインを提案する。
筆者らは,このプラグインを用いて,果実を摘むロボットアームを模擬することにより,ガゼボで収穫シミュレーションを行うことができることを示した。
論文 参考訳（メタデータ） (2024-02-04T17:19:46Z) - FREE: The Foundational Semantic Recognition for Modeling Environmental Ecosystems [56.0640340392818]
我々は、様々な特徴と利用可能な情報を使ってユニバーサルモデルを訓練するフレームワーク、FREEを導入する。
その中核となる考え方は、利用可能な環境データをテキスト空間にマッピングし、環境科学における従来の予測モデリングタスクを意味認識問題に変換することである。
河川水温予測と収穫量予測という2つの社会学的に重要な実世界の応用に対する評価は、FREEが複数のベースラインよりも優れていることを示す。
論文 参考訳（メタデータ） (2023-11-17T00:53:09Z) - Tactile Estimation of Extrinsic Contact Patch for Stable Placement [64.06243248525823]
本稿では,複雑な物体を積み重ねることを学ぶロボットのためのフィードバックスキルの設計について述べる。
つかんだ物体とその環境間の接触パッチを,力と触覚の観測により推定する。
論文 参考訳（メタデータ） (2023-09-25T21:51:48Z) - Online Refinement of a Scene Recognition Model for Mobile Robots by
Observing Human's Interaction with Environments [2.127049691404299]
シーン認識システムでは、障害として認識される移動可能な植物のためにロボットが立ち往生してしまう可能性がある。
本研究では,ロボットの操作中に,フライ時に意味的セグメンテーションモデルを書き換えるフレームワークを提案する。
微調整を伴わないオンラインモデル改良のための重み付けインプリンティングに基づく数ショットセグメンテーションを提案する。
論文 参考訳（メタデータ） (2022-08-13T12:48:18Z) - Self-Reflective Terrain-Aware Robot Adaptation for Consistent Off-Road
Ground Navigation [9.526796188292968]
地上ロボットは、災害応答のような現実世界のロボットアプリケーションでタスクを完了するために、非構造的および未準備の地形を横断する重要な能力を必要とする。
本研究では,非構造なオフロード地形を走行するための一貫した制御を生成するために,地上ロボットの自己反射型地形認識適応法を提案する。
論文 参考訳（メタデータ） (2021-11-12T14:32:22Z)
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。