論文の概要: Human-Aware Target Tracking and Navigation: Fusing Kinematic State Estimation with Structural Map Constraints
- arxiv url: http://arxiv.org/abs/2609.07091v1
- Date: Mon, 07 Sep 2026 06:31:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-12 01:39:56.453898
- Title: Human-Aware Target Tracking and Navigation: Fusing Kinematic State Estimation with Structural Map Constraints
- Title（参考訳）: ヒューマン・アウェア・ターゲット追跡とナビゲーション:構造地図制約による運動状態推定を融合させる
- Abstract要約: 本研究は,地図インフォームド空間推論による目標閉塞に対処するエンド・ツー・エンドの自律ナビゲーションスタックを提案する。
提案システムは,2次元LiDAR点クラスタリングによる深層学習に基づく視覚的トラッキングを融合して,タグ付き人物の高忠実度追跡を行うマルチモーダル認識パイプラインを備える。
密集した多人数環境における実世界の評価は、システムの堅牢性を示し、71.4%の目標再獲得成功率を達成した。
- 参考スコア（独自算出の注目度）: 3.9308813646788625
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autonomous mobile robots performing person-following tasks often suffer from temporary occlusions and sensor track loss in dynamic environments. This research presents an end-to-end autonomous navigation stack that addresses target occlusion through map-informed spatial reasoning. The proposed system features a multi-modal perception pipeline, fusing deep learning-based visual tracking with 2-dimensional LiDAR point clustering to maintain high-fidelity tracking of a tagged person. A continuous state estimator integrates this perception data with wheel odometry and IMU sensors for stable localization. When the active track is lost due to occlusion, the system activates a map-based recovery framework. Leveraging a predefined topological map, the system executes a graph-based search to propagate the target's last known trajectory along structurally defined walking lanes, adhering to left-hand regional conventions. By generating a discrete set of feasible future trajectories, the robot reasons about potential structural trajectory changes, such as continuing a heading or turning at an intersection. This map-informed prediction is fed directly to the local obstacle avoidance planner, enabling the robot to continue following its target safely and predictably until the person is visually reacquired. Real-world evaluations in dense multi-person environments demonstrate the system's robustness, achieving a 71.4\% target reacquisition success rate during major occlusion events lasting up to 7 seconds.
- Abstract（参考訳）: 人追従作業を行う自律移動ロボットは、動的環境における一時的な閉塞とセンサトラックの損失に悩まされることが多い。
本研究は,地図インフォームド空間推論による目標閉塞に対処するエンド・ツー・エンドの自律ナビゲーションスタックを提案する。
提案システムは,2次元LiDAR点クラスタリングによる深層学習に基づく視覚的トラッキングを融合して,タグ付き人物の高忠実度追跡を行うマルチモーダル認識パイプラインを備える。
連続状態推定器は、この知覚データをホイールオドメトリーとIMUセンサと統合し、安定した位置推定を行う。
アクティブトラックが閉塞により失われると、システムはマップベースのリカバリフレームワークを起動する。
事前に定義されたトポロジマップを利用することで、システムはグラフベースの探索を実行し、構造的に定義された歩行レーンに沿ってターゲットの最後の既知の軌道を伝播し、左利きの地域慣行に固執する。
ロボットは、実現可能な将来の軌道の離散的なセットを生成することにより、方向の継続や交差点での旋回といった潜在的な構造的軌道の変化を理由とする。
この地図インフォームド予測は、局所障害物回避プランナーに直接供給され、視覚的に再取得されるまで、ロボットは、その目標を安全かつ確実に追従することができる。
密集した多人数環境における実世界の評価は、システムの堅牢性を示し、71.4\%の目標再獲得成功率を最大7秒間達成する。
関連論文リスト
- AutoPath: Learning Transferable Goal-Conditioned Stochastic Path Prior for Safe Navigation Without Human Demonstrations [103.61864552260316]
動的環境におけるリアルタイムナビゲーションは、限られた知覚下での衝突のない、動的に実現可能な動きを必要とする。
我々は,移動可能な目標整合経路の学習としてナビゲーションを定式化し,局所的な観測に基づいて,目標整合な局所経路上の再利用可能な分布をモデル化する。
我々は、幾何対応の極性行動多様体を用いて局所経路をパラメータ化し、安定かつ安全対応の計画のためのマルチゴール分散ロールアウトによるリスク感応性ユーティリティシェーピングを含む構造化された事前学習フレームワークを開発した。
論文 参考訳（メタデータ） (2026-07-13T16:00:41Z) - GUIDE: Goal-Initialized Directional Understanding for End-to-End Visual Navigation [22.535896749415627]
GUIDEは、完全にエンドツーエンドの強化学習フレームワークであり、内部の方向性の認識を育むために設計されている。
本研究では,四足歩行ロボットにおけるシミュレーションと実世界のシナリオの双方にまたがって提案した枠組みを評価する。
実験の結果、GUIDEは信頼性の高いエゴモーションと方向性の認識を学習し、完全なエンドツーエンドのデプロイポリシーを可能にすることがわかった。
論文 参考訳（メタデータ） (2026-06-09T13:19:30Z) - Beyond Waypoints: Dual-Heatmap Grounding for Cross-Embodiment Semantic Navigation [13.081539889943906]
本研究では,FOV内セマンティックナビゲーションの実践的な設定に焦点を当てる。
本稿では,Dual-Heatmap表現に有利な単一点回帰を放棄する統合ビジョン・ランゲージフレームワークを提案する。
本フレームワークは,8Bベースライン間の最先端性能を実現する。
論文 参考訳（メタデータ） (2026-05-19T06:12:59Z) - Perception-Aware Autonomous Exploration in Feature-Limited Environments [9.046854275196605]
ステレオ搭載無人航空機(UAV)のための階層的知覚認識探索フレームワークを提案する。
提案手法は,グローバルな特徴マップを用いて,各候補フロンティアと期待される特徴品質を関連付け,視覚的に有意なサブゴールを優先する。
提案手法は,特徴品質を無視し,かつ連続ヨーを最適化しないベースラインと比較して,より信頼性の高い特徴追跡を維持でき,ドリフトを低減でき,また,オドメトリ誤差が特定の閾値を超える前に平均30%高いカバレッジを達成できる。
論文 参考訳（メタデータ） (2026-03-16T17:55:56Z) - 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) - OOSTraj: Out-of-Sight Trajectory Prediction With Vision-Positioning Denoising [49.86409475232849]
軌道予測はコンピュータビジョンと自律運転の基本である。
この分野における既存のアプローチは、しばしば正確で完全な観測データを仮定する。
本稿では,視覚的位置決め技術を利用した視線外軌道予測手法を提案する。
論文 参考訳（メタデータ） (2024-04-02T18:30:29Z) - RTracker: Recoverable Tracking via PN Tree Structured Memory [71.05904715104411]
本稿では,木構造メモリを用いてトラッカーと検出器を動的に関連付け,自己回復を可能にするRTrackerを提案する。
具体的には,正負と負のターゲットサンプルを時系列に保存し,維持する正負のツリー構造メモリを提案する。
我々の中核となる考え方は、正と負の目標カテゴリーの支持サンプルを用いて、目標損失の信頼性評価のための相対的距離に基づく基準を確立することである。
論文 参考訳（メタデータ） (2024-03-28T08:54:40Z) - Implicit Occupancy Flow Fields for Perception and Prediction in
Self-Driving [68.95178518732965]
自動運転車(SDV)は、周囲を認識でき、他の交通参加者の将来の行動を予測できなければならない。
既存の作業は、検出されたオブジェクトの軌跡が続くオブジェクト検出を実行するか、シーン全体の密度の高い占有とフローグリッドを予測するかのいずれかである。
これは、認識と将来の予測に対する統一されたアプローチを動機付け、単一のニューラルネットワークで時間とともに占有とフローを暗黙的に表現します。
論文 参考訳（メタデータ） (2023-08-02T23:39:24Z) - Map-Based Temporally Consistent Geolocalization through Learning Motion
Trajectories [0.5076419064097732]
本稿では, トポロジカルマップ上での運動軌跡を利用したニューラルネットを用いた新しい軌跡学習手法を提案する。
ナビゲーションにおける自己運動の距離と方向の両方を認識できる人間の能力に触発されて,軌道学習法は,距離の列として符号化された軌道のパターン表現を学習し,角度を回転させて自己局所化を支援する。
論文 参考訳（メタデータ） (2020-10-13T02:08:45Z) - 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。