論文の概要: Tuning ROS 2 for Energy-Efficient Navigation: Empirical Insights from Costmap 2D Configurations

• arxiv url: http://arxiv.org/abs/2609.12971v1
• Date: Fri, 11 Sep 2026 15:34:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-15 07:38:31.796499
• Title: Tuning ROS 2 for Energy-Efficient Navigation: Empirical Insights from Costmap 2D Configurations
• Title（参考訳）: 省エネナビゲーションのためのROS 2のチューニング -Costmap 2D Configurationによる実証的考察-
• Abstract要約: 本稿では,ROS 2パッケージ再構成が移動ロボットナビゲーションのエネルギー効率に与える影響について検討する。 エネルギー使用量、電力プロファイル、CPU負荷、メモリ消費、ナビゲーション性能を測定します。
• 参考スコア（独自算出の注目度）: 4.210183600689695
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robots are increasingly used in diverse application areas, where autonomous navigation plays a central role. As these systems become more widespread, improving their energy efficiency is critical to extending operational time and reducing environmental impact. The Robot Operating System (ROS) is a widely adopted middleware for robotics, offering a rich set of configurable packages. However, this flexibility can result in suboptimal software configurations in dynamic environments, negatively affecting both performance and energy consumption. This paper investigates the impact of ROS 2 package reconfigurations on the energy efficiency of mobile robot navigation. We conduct a controlled experiment in two warehouse-like scenarios (small and large) with varying obstacle layouts and Costmap 2D configurations (essential to the Nav2 stack). Through repeated trials, we measure energy usage, power profile, CPU load, memory consumption, and navigation performance. Results show that configurations must be carefully chosen for the specific robotic environment, and we were able to identify critical settings that lead to good and poor performance and energy consumption.
• Abstract（参考訳）: ロボットは、自律的なナビゲーションが中心的な役割を果たす多様なアプリケーション領域で、ますます使われている。 これらのシステムが普及するにつれて、そのエネルギー効率の向上は、運用時間の拡大と環境への影響の低減に不可欠である。 ロボットオペレーティング・システム(ROS)は、ロボット工学に広く採用されているミドルウェアであり、構成可能なパッケージの豊富なセットを提供する。 しかし、この柔軟性は、動的環境における最適なソフトウェア構成をもたらし、性能とエネルギー消費の両方に悪影響を及ぼす。 本稿では,ROS2パッケージ再構成が移動ロボットナビゲーションのエネルギー効率に与える影響について検討する。 我々は,異なる障害物配置とコストマップ2D構成(Nav2スタックに不可欠な)を備えた,倉庫のような2つのシナリオ(小さくて大きい)で,制御された実験を行う。 繰り返し試行を通して、エネルギー使用量、電力プロファイル、CPU負荷、メモリ消費、ナビゲーション性能を測定する。 その結果、特定のロボット環境に対して、設定を慎重に選択する必要があることが示され、パフォーマンスとエネルギー消費の良し悪しにつながる重要な設定を特定できた。

関連論文リスト

• Bridging the Sim-to-Real Gap with multipanda ros2: A Real-Time ROS2 Framework for Multimanual Systems [22.26675117934127]
  我々はFranka Roboticsロボットのマルチロボット制御のためのオープンソースのROS2アーキテクチャであるmultipanda_ros2$を提示する。 我々のコアコントリビューションは、対話制御やロボット環境モデリングなど、リアルタイムトルク制御における重要な課題に対処する。
  論文  参考訳（メタデータ） (2026-02-02T16:11:12Z)
• Energy-Efficient Omnidirectional Locomotion for Wheeled Quadrupeds via Predictive Energy-Aware Nominal Gait Selection [17.713242307107166]
  本稿では,車輪付き四足歩行ロボットの全方向効率を最適化するために,予測パワーモデリングと残留強化学習を統合した階層型制御フレームワークを提案する。 提案手法では,1秒の地平線上での歩行パターンの異なるエネルギー消費を予測できる新しい電力予測ネットワークを用いる。 強化学習ポリシーは、この名目歩行に残留的な調整を生成し、エネルギー効率と性能目標とのバランスをとるためのロボットの動作を微調整する。
  論文  参考訳（メタデータ） (2025-12-23T09:56:35Z)
• REMAC: Self-Reflective and Self-Evolving Multi-Agent Collaboration for Long-Horizon Robot Manipulation [57.628771707989166]
  本稿では,ReMACと呼ばれる適応型マルチエージェント計画フレームワークを提案する。 ReMACには2つの重要なモジュールが組み込まれており、ループ内で事前条件と後条件チェックを実行し、進捗と計画の洗練を評価する。
  論文  参考訳（メタデータ） (2025-03-28T03:51:40Z)
• Bench2FreeAD: A Benchmark for Vision-based End-to-end Navigation in Unstructured Robotic Environments [8.322887245223662]
  現在のエンド・ツー・エンド(E2E)自動運転アルゴリズムのほとんどは、構造化された輸送シナリオにおいて標準車両上に構築されている。 本稿では,非構造道路環境におけるE2Eロボットナビゲーションについて検討する。
  論文  参考訳（メタデータ） (2025-03-15T15:46:49Z)
• DriveTransformer: Unified Transformer for Scalable End-to-End Autonomous Driving [62.62464518137153]
  DriveTransformerは、スケールアップを簡単にするためのシンプルなE2E-ADフレームワークである。 タスク・セルフ・アテンション、センサー・クロス・アテンション、時間的クロス・アテンションという3つの統合された操作で構成されている。 シミュレーションされたクローズドループベンチマークBench2Driveと、FPSの高い実世界のオープンループベンチマークnuScenesの両方で、最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-03-07T11:41:18Z)
• Spend More to Save More (SM2): An Energy-Aware Implementation of Successive Halving for Sustainable Hyperparameter Optimization [4.831029473163422]
  我々は、広く採用されている逐次半減算アルゴリズムに基づく、エネルギーを意識したハイパーパラメータ最適化実装であるSpend More to Save More (SM2)を紹介する。 従来のアプローチとは異なり、SM2は最小のエネルギー消費で非効率な構成を特定するために探索予備訓練を採用している。 モデルの性能を最大化するだけでなく、エネルギー効率のトレーニングを可能にする最適構成を特定する。
  論文  参考訳（メタデータ） (2024-12-11T16:37:44Z)
• Hyp2Nav: Hyperbolic Planning and Curiosity for Crowd Navigation [58.574464340559466]
  我々は,群集ナビゲーションを実現するための双曲学習を提唱し,Hyp2Navを紹介した。 Hyp2Navは双曲幾何学の本質的な性質を活用し、ナビゲーションタスクにおける意思決定プロセスの階層的性質をよりよく符号化する。 本稿では, 効果的なソーシャルナビゲーション, 最高の成功率, 複数シミュレーション設定におけるリターンをもたらす, 双曲型ポリシーモデルと双曲型好奇性モジュールを提案する。
  論文  参考訳（メタデータ） (2024-07-18T14:40:33Z)
• RoboScript: Code Generation for Free-Form Manipulation Tasks across Real and Simulation [77.41969287400977]
  本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。 自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。 我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
  論文  参考訳（メタデータ） (2024-02-22T15:12:00Z)
• CARMA: Context-Aware Runtime Reconfiguration for Energy-Efficient Sensor Fusion [11.313017866190622]
  CARMA: 実行時にコンテキストを用いて計算フローを再構成するコンテキスト認識型センサ融合手法を提案する。 CARMAは、性能を損なうことなく、多感性物体検出器によって使用されるエネルギーを著しく削減する。 我々は,複数の文脈識別戦略を評価し,新しいシステム全体のエネルギーパフォーマンス共同最適化を提案し,シナリオ固有の知覚性能を評価する。
  論文  参考訳（メタデータ） (2023-06-27T19:00:07Z)
• ETPNav: Evolving Topological Planning for Vision-Language Navigation in Continuous Environments [56.194988818341976]
  視覚言語ナビゲーションは、エージェントが環境中をナビゲートするための指示に従う必要があるタスクである。 本研究では,1)環境を抽象化し,長距離航法計画を生成する能力,2)連続環境における障害物回避制御能力の2つの重要なスキルに焦点を当てたETPNavを提案する。 ETPNavは、R2R-CEとRxR-CEデータセットの先行技術よりも10%以上、20%改善されている。
  論文  参考訳（メタデータ） (2023-04-06T13:07:17Z)
• Autonomous Aerial Robot for High-Speed Search and Intercept Applications [86.72321289033562]
  高速物体把握のための完全自律飛行ロボットが提案されている。 追加のサブタスクとして、我々のシステムは、表面に近い極にある気球を自律的にピアスすることができる。 我々のアプローチは、挑戦的な国際競争で検証され、優れた結果が得られました。
  論文  参考訳（メタデータ） (2021-12-10T11:49:51Z)
• OSCAR: Data-Driven Operational Space Control for Adaptive and Robust Robot Manipulation [50.59541802645156]
  オペレーショナル・スペース・コントロール(OSC)は、操作のための効果的なタスクスペース・コントローラとして使われてきた。 本稿では,データ駆動型OSCのモデル誤差を補償するOSC for Adaptation and Robustness (OSCAR)を提案する。 本手法は,様々なシミュレーション操作問題に対して評価し,制御器のベースラインの配列よりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2021-10-02T01:21:38Z)

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。