論文の概要: SPROUT: The Open-Source Soft Growing Robot for Search and Rescue

• arxiv url: http://arxiv.org/abs/2609.17781v1
• Date: Tue, 15 Sep 2026 19:43:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.516927
• Title: SPROUT: The Open-Source Soft Growing Robot for Search and Rescue
• Title（参考訳）: SPROUT:検索と救助のためのオープンソースのソフト成長ロボット
• Abstract要約: 本稿では,ソフトパスフィニングロボット観測ユニットであるSPROUTの設計について述べる。 コード、部品表示、CADアセンブリ、ビルド命令を含む補足資料を含む。 モジュールハードウェアとROS 2ベースのソフトウェアスタックはタスク固有のペイロードと制御機能をサポートしており、SPROUTは検索や救助以外の用途に適応できる。
• 参考スコア（独自算出の注目度）: 0.8880865177657656
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Soft robotic systems have long been theorized as ideal candidates for use in search and rescue operations; however, there have been significant barriers to entry in graduating soft robotic systems from the laboratory to the field. To address this gap in replicable, reliable soft robot systems, we present the designs for SPROUT, the Soft Pathfinding Robotic Observation Unit. The system has matured over years of interaction with professional urban search and rescue communities, with the goal of operating in dusty, wet, and isolated conditions. This manuscript contains supplementary material, including code, parts manifests, CAD assemblies, and build instructions to allow the broader robotics research community to build their own SPROUT systems. The modular hardware and ROS 2-based software stack support task-specific payloads and control functions, allowing SPROUT to be adapted for applications beyond search and rescue, including infrastructure inspection and archaeology. Here, we demonstrate SPROUT performing a variety of challenging inspection and traversal tasks in collapsed structure training sites used by first responders. The main project page is available online at https://sprout-mitll.github.io/sprout/.
• Abstract（参考訳）: ソフトロボットシステムは、長い間、捜索・救助活動に理想的な候補として理論化されてきたが、実験室から現場へのソフトロボットシステムの卒業には大きな障壁があった。 そこで本研究では,SPROUT,Soft Pathfinding Robotic Observation Unitの設計について述べる。 このシステムは、長年にわたり、ほこりの多い、濡れた、孤立した環境での運用を目的として、プロの都市捜索・救助コミュニティと相互作用してきた。 この写本には、コード、部品のマニフェスト、CADアセンブリ、そしてより広範なロボット研究コミュニティが独自のSPROUTシステムを構築することを可能にするための命令を含む補足材料が含まれている。 モジュールハードウェアとROS 2ベースのソフトウェアスタックはタスク固有のペイロードと制御機能をサポートしており、SPROUTはインフラ検査や考古学を含む検索や救助以外の用途に適応できる。 そこで我々は,SPROUTが,最初の応答者によって使用される倒壊した構造物の訓練現場において,様々な困難な検査やトラバース作業を行うことを示す。 メインプロジェクトページはhttps://sprout-mitll.github.io/sprout/.comで公開されている。

関連論文リスト

• EMOS: Embodiment-aware Heterogeneous Multi-robot Operating System with LLM Agents [33.77674812074215]
  異種ロボット間の効果的な協調を実現するための新しいマルチエージェントフレームワークを提案する。 エージェントがロボットURDFファイルを理解し、ロボットキネマティクスツールを呼び出し、その物理能力の記述を生成する。 Habitat-MASベンチマークは、マルチエージェントフレームワークがエンボディメント認識推論を必要とするタスクをどのように処理するかを評価するように設計されている。
  論文  参考訳（メタデータ） (2024-10-30T03:20:01Z)
• ROS-LLM: A ROS framework for embodied AI with task feedback and structured reasoning [74.58666091522198]
  非専門家による直感的なロボットプログラミングのためのフレームワークを提案する。 ロボットオペレーティングシステム(ROS)からの自然言語のプロンプトと文脈情報を活用する 我々のシステムは,大規模言語モデル (LLM) を統合し,非専門家がチャットインタフェースを通じてシステムにタスク要求を記述できるようにする。
  論文  参考訳（メタデータ） (2024-06-28T08:28:38Z)
• Runtime Verification and Field-based Testing for ROS-based Robotic Systems [8.675312581079039]
  ROSベースのシステムを設計して実行時の検証とフィールドベースのテストを可能にするための明確なガイダンスは存在しない。 本稿では、開発者と品質保証(QA)チームが現場でロボットを開発し、検証し、テストするためのガイドラインを提供することで、このギャップを埋めることを目的とする。
  論文  参考訳（メタデータ） (2024-04-17T15:52:29Z)
• 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)
• Toward General-Purpose Robots via Foundation Models: A Survey and Meta-Analysis [82.59451639072073]
  汎用ロボットはどんな環境でも、どんな物体でもシームレスに動作し、様々なスキルを使って様々なタスクをこなす。 コミュニティとしては、特定のタスク用に設計し、特定のデータセットでトレーニングし、特定の環境にデプロイすることで、ほとんどのロボットシステムを制約してきました。 ウェブスケールで大規模で大容量の事前学習型モデルの優れたオープンセット性能とコンテンツ生成能力に感銘を受けて,本調査は,汎用ロボティクスに基礎モデルを適用する方法について検討した。
  論文  参考訳（メタデータ） (2023-12-14T10:02:55Z)
• DeepSim: A Reinforcement Learning Environment Build Toolkit for ROS and Gazebo [0.3176327333793051]
  DeepSimは、ROSとGazeboのための強化学習環境構築ツールキットである。 機械学習や強化学習の研究者たちがロボットのドメインにアクセスし、複雑で難しいカスタムタスクを作れる。
  論文  参考訳（メタデータ） (2022-05-17T00:31:40Z)

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。