論文の概要: Obstacle-Aware Autonomous Coverage and Navigation for Outdoor Robots
- arxiv url: http://arxiv.org/abs/2609.01384v1
- Date: Tue, 01 Sep 2026 15:15:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-02 16:31:36.79504
- Title: Obstacle-Aware Autonomous Coverage and Navigation for Outdoor Robots
- Title（参考訳）: 屋外ロボットの障害物認識型自律カバーとナビゲーション
- Authors: Leonardo Gargani, Matteo Frosi, Matteo Matteucci,
- Abstract要約: 本稿では,包括的計画,ロバストなローカライゼーション,およびNav2ベースの実行を組み合わせた,屋外カバレッジのための統一されたROS 2アーキテクチャを提案する。
EKFに融合したデュアルアンテナRTK-GNSSは、ロボットの位置と方向の両方を、長いミッションで正確に保ちます。
Behavior-Treeミッションマネージャは、マルチゴール実行、階層化リカバリ、コスト意識の目標管理、返送充電のための自律ドッキングをコーディネートする。
- 参考スコア（独自算出の注目度）: 7.802379200026965
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Long-duration outdoor coverage with autonomous platforms remains challenging beyond classical planning: deployments face localization drift in open spaces, obstacles in cluttered sites, controller feasibility in turn-heavy maneuvers, and persistent autonomy with energy management. We propose a unified ROS 2 architecture for outdoor coverage that combines coverage planning, robust localization, and Nav2-based execution. A dual-antenna RTK-GNSS fused in an EKF keeps the robot pose, both position and heading, accurate across long missions; three controller-aware refinements are added to a mature coverage planner; a Behavior-Tree mission manager coordinates multi-goal execution, layered recovery, cost-aware goal management, and autonomous docking for return-to-charge. We validate the stack through simulation and real-world trials across multiple outdoor areas with varying geometries and obstacle densities. Overall, these results show that the proposed stack can reliably complete outdoor coverage missions across varied areas, sweeping 93.1% to 96.1% of the planned coverage area.
- Abstract（参考訳）: 配置は、オープンスペースでのローカライズドリフト、散らばったサイトの障害、ターンヘビーな操作におけるコントローラの実現可能性、エネルギー管理による永続的な自律性などである。
本稿では,包括的計画,ロバストなローカライゼーション,およびNav2ベースの実行を組み合わせた,屋外カバレッジのための統一されたROS 2アーキテクチャを提案する。
EKFに融合されたデュアルアンテナRTK-GNSSは、ロボットの位置と方向、長いミッションの正確さを保ち、成熟したカバレッジプランナーに3つのコントローラ対応の改良を加え、Behavior-Treeミッションマネージャはマルチゴール実行、階層化リカバリ、コスト対応のゴール管理、返送のための自律ドッキングを調整する。
各種測地および障害物密度の異なる複数の屋外領域におけるシミュレーションおよび実世界の試行を通じて,スタックの検証を行った。
これらの結果から、提案したスタックは、様々なエリアにわたるアウトドア・カバー・ミッションを確実に完了し、計画されたカバー・エリアの93.1%から96.1%を網羅できることが示された。
関連論文リスト
- Towards Reliable Aerial Ground Vehicle Collaboration: An Integrated Planning and Autonomy Framework for Field Deployment [0.0]
信頼性の高いフィールド配置のための統合型計画と自律化フレームワークを提案する。
本稿では,エネルギー制約付き協調的ルーティングタスクとしてこの問題を定式化し,Deep Reinforcement Learning (DRL)ベースのプランナーを用いて解決する。
計画と実行のギャップを埋めるために、標準化された2層YAMLベースのミッションAPIを導入します。
このフレームワークは、UAV制御のためのPX4/MAVSDKとUGVナビゲーションのためのROS 2/Nav2を使用して、完全な自律スタックによってサポートされている。
論文 参考訳（メタデータ） (2026-07-07T15:59:49Z) - Meridian: Metric-Semantic Primitive Matching for Cross-View Geo-Localization Beyond Urban Environments [47.53030013880309]
ロボット自動化の成功には、リピータビリティ、タスク計画、目標仕様、安全な操作をサポートするために、正確なグローバルローカライゼーションが必要である。
本稿では,空中画像と地上ロボットRGB-Dカメラデータにまたがって,ハイレベルなメトリック・セマンティックプリミティブをマッチングする方法であるメリディアンを提案する。
我々のアルゴリズムは、自律運転データセット、公園とキャンパスのエリア、荒野キャンプなど、幅広い環境にまたがる地上ロボットをローカライズできることを実証する。
論文 参考訳（メタデータ） (2026-06-04T15:52:40Z) - MAPLE: Latent Multi-Agent Play for End-to-End Autonomous Driving [62.43744546817599]
視覚言語-アクション(VLA)モデルは、エンドツーエンドのモーションプランナーとして有効であるが、クローズドループ設定で評価すると不安定である。
本稿では, VLAモデルの潜在空間における動的駆動シナリオの, リアクティブでマルチエージェントなロールアウトのための新しいフレームワークMAPLEを提案する。
MAPLEはBench2Driveで最先端の駆動性能を実現し、堅牢なE2E自動運転システムのためのスケーラブルでクローズループなマルチエージェントプレイを実演する。
論文 参考訳（メタデータ） (2026-05-13T23:35:14Z) - The Unified Autonomy Stack: Toward a Blueprint for Generalizable Robot Autonomy [13.105188128582567]
我々は,空と地上のロボット形態を横断するレジリエンスな自律を可能にするシステムレベルのソリューションであるUnified Autonomy Stackを紹介し,オープンソース化する。
アーキテクチャは、マルチモーダル認識、マルチビヘイビア計画、マルチレイヤセーフナビゲーションの3つのモジュールを中心にしている。
このスタックは、地上(ロータークラフト)ロボットと地上(レッグ)ロボットの両方でフィールドテストされ、検証されている。
論文 参考訳（メタデータ） (2026-05-12T20:39:35Z) - 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) - OmniPlanner: Universal Exploration and Inspection Path Planning across Robot Morphologies [13.982169714862648]
この記事では、空中、地上、水中ロボットを横断する自律探査および検査のための統合計画フレームワークであるOmniPlannerについて述べる。
この手法は、単一のモジュラーアーキテクチャ内での目標到達行動と並行して、体積探索と視点に基づく検査を統合する。
この枠組みは、地下の鉱山、工業施設、森林、潜水艦バンカー、構造物の屋外環境における広範なシミュレーション研究と現地展開を通じて検証されている。
論文 参考訳（メタデータ） (2026-03-04T17:02:26Z) - Hybrid Motion Planning with Deep Reinforcement Learning for Mobile Robot Navigation [0.0]
深部強化学習(HMP-DRL)によるハイブリッド運動計画
状態空間と報酬関数の両方に符号化されたチェックポイントのシーケンスを通じて、局所DRLポリシーに統合されたパスを生成するグラフベースのグローバルプランナを提案する。
社会的コンプライアンスを確保するため、地域プランナーは、周辺エージェントのセマンティックタイプに基づいて、安全マージンと罰則を動的に調整するエンティティ対応報酬構造を採用する。
論文 参考訳（メタデータ） (2025-12-31T05:58:57Z) - STRIDER: Navigation via Instruction-Aligned Structural Decision Space Optimization [73.98141357780032]
VLN-CEタスクでは、エージェントはシーン固有のトレーニングなしで自然言語命令を使用して3D環境をナビゲートする必要がある。
既存の方法は、構造化された意思決定の欠如と、以前の行動からのフィードバックの不十分な統合のために、堅牢なナビゲーションを達成できないことが多い。
STRIDERは,空間配置先と動的タスクフィードバックを統合し,エージェントの決定空間を体系的に最適化する新しいフレームワークである。
提案手法では,1)空間構造を介して行動空間を制約する構造的ウェイポイントジェネレータ,2)タスクの進行に応じて行動を調整するタスク調整レギュレータ,そしてナビゲーション全体を通して意味的アライメントを確保する。
論文 参考訳（メタデータ） (2025-10-27T04:37:21Z) - NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。
グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。
我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
論文 参考訳（メタデータ） (2025-06-23T14:28:30Z)
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。