論文の概要: A3P5 NEMESIS Integrated Rover Design for Environmental Reconnaissance and Robotic Sampling with Reproducible Mobility Analysis and an External Data Machine Learning Calibration Benchmark

• arxiv url: http://arxiv.org/abs/2609.18245v1
• Date: Wed, 16 Sep 2026 07:24:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.691121
• Title: A3P5 NEMESIS Integrated Rover Design for Environmental Reconnaissance and Robotic Sampling with Reproducible Mobility Analysis and an External Data Machine Learning Calibration Benchmark
• Title（参考訳）: A3P5 NEMESIS 再現可能なモビリティ分析と外部データ機械学習校正ベンチマークによる環境調和とロボットサンプリングのための統合ローバー設計(A3P5 ネットワークネットワーク,一般セッション)
• Abstract要約: NEMESISは、遠隔検査、環境観測、操作を1つのプラットフォーム内で組み合わせることを目的とした4輪ローバーである。 本研究では,光拘束型サブシステムアーキテクチャを開発し,軽量な解析評価を実現する。 この貢献は、プロトタイプ統合フィールドパフォーマンスのためのトレーサブルなエンジニアリング設計研究および評価フレームワークである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A3P5 NEMESIS is a four-wheel rover intended to combine remote inspection, environmental observation and lightweight manipulation within one serviceable platform. This study develops a photo-constrained geometric reconstruction, a subsystem architecture and a reproducible analytical assessment while distinguishing physical prototype evidence from proposed functions. An exploratory search retrieved 5,000 bibliographic records across ten queries, yielding 4,897 distinct DOI records and 1,212 metadata candidates; selected primary studies and technical documents informed the design. The reconstructed configuration retains the carbon-pattern enclosure, independently steered wheel assemblies, folded manipulator, inclined camera mast and side sampling equipment. A declared 24 kg scenario predicts 3.28 newton-metres of gearbox-output torque per wheel on a 20-degree grade under equal load sharing; a separate static model shows how a 2 kg forward payload reduces the geometric front-tipping bound from 38.1 degrees to 32.7 degrees. These are design screens, not measured operating limits. A public-data calibration benchmark uses 7,344 eligible hourly observations, eight sensor/environmental predictors and chronological training, validation and test partitions. Validation-selected ridge regression achieves a held-out CO root-mean-square error of 0.502 milligrams per cubic metre, with a 95% daily-block bootstrap interval of 0.435-0.569 milligrams per cubic metre. This result concerns an external sensor array and cannot establish NEMESIS accuracy. The combined analysis identifies priority measurements, proposed control interfaces and mission-specific validation requirements. The contribution is a traceable engineering design study and evaluation framework for a prototype whose integrated field performance remains to be established.
• Abstract（参考訳）: A3P5 NEMESISは、遠隔検査、環境観測、軽量操作を1つのプラットフォームで組み合わせた四輪ローバーである。 本研究は,光拘束型幾何再構成,サブシステムアーキテクチャ,再現可能な解析的アセスメントを開発するとともに,提案した機能と物理プロトタイプのエビデンスを区別する。 探索調査では10のクエリで5,000の書誌記録を検索し、4,897のDOIレコードと1212のメタデータ候補を得た。 再建された構成は、独立に操舵された車輪組立体、折りたたみマニピュレータ、傾斜カメラマストおよび側サンプリング装置であるカーボンパターン囲いを保持する。 宣言された24kgのシナリオでは、車輪当たりのギヤボックス出力トルクが20度の速度で3.28ニュートンと予測され、2kgの前方ペイロードが38.1度から32.7度に制限された幾何学的なフロントタイピングをいかに減らすかを示している。 これらは設計画面であり、操作限界は測定されていない。 公開データのキャリブレーションベンチマークでは、7,344の許容時間観測、8つのセンサー/環境予測器、時系列トレーニング、検証、テストパーティションが使用されている。 バリデーション選択リッジ回帰は、1立方メートルあたり0.502ミリグラムのCOルート平均二乗誤差を達成し、95%のブロックブートストラップ間隔は0.435-0.569ミリグラムである。 この結果は外部センサアレイに関係しており、NEMESISの精度を確立することはできない。 組み合わせた分析では、優先度測定、制御インターフェースの提案、ミッション固有の検証要件が特定される。 この貢献は、統合されたフィールド性能が確立されていないプロトタイプのトレーサブルなエンジニアリング設計研究および評価フレームワークである。

関連論文リスト

• A Physics-Based Closed-Loop Robotic Bioprinting Framework Towards Volumetric Muscle Loss Treatment [4.063228255504419]
  そこで本研究では,物理系を用いたクローズドループロボットバイオプリンティングシステムを提案する。 このシステムは、3Dポイントのクラウドカメラと完全に自律的な視覚ベースのアルゴリズムを統合し、印刷された構成物の定量的評価を提供する。
  論文  参考訳（メタデータ） (2026-09-10T19:44:51Z)
• Solution for UCF UrbanTwin LUMPI Track: Sim-to-Real Urban LiDAR 3D Object Detection [54.03436243843709]
  UCF UrbanTwin Sim2Real LiDAR Challenge at the 6th DriveX Workshop, ECCV 2026。 検出器は合成データのみに基づいて訓練され、50個の実LiDARフレームで評価される。 ポイントクラウドリアリズムに対して、別の50フレームの合成提案が評価される。
  論文  参考訳（メタデータ） (2026-09-07T15:03:36Z)
• A comparative study on the accuracy & repeatability of mobile robotic platforms for the delivery of precision NDE measurement [0.16752458252726457]
  移動ロボットプラットフォームは、大きな航空宇宙構造物の非破壊評価(NDE)のための固定マニピュレータの柔軟な代替手段を提供する。 本研究は,5つの商用モバイルプラットフォームの静的・セグメント的軌道位置決め精度を計測するレーザトラッカーに基づく評価ワークフローを提案する。
  論文  参考訳（メタデータ） (2026-09-03T13:02:25Z)
• Apodex Discovery: Reality Benchmarks and Environments for Evaluating and Building Discoverative Artificial Intelligence [86.61561123749011]
  Apodex Discovery(アポデックスディスカバリー)は、重度解法を用いて発見的AIを構築し評価するためのフレームワークである。 まず16のセクターで511の業界を調査し、423の高価値現実問題を集め、最初のリリースで20を選定した。 第二に、共通の環境-タスク-エピソード抽象化は、データ、ツール、制約、フィードバック、軌跡記録、中間成果物と最終提出物の検証を提供する。
  論文  参考訳（メタデータ） (2026-08-11T18:48:40Z)
• How Much Capacity Does EEG Denoising Need? Ultra-Compact Networks reveal Benchmark Saturation and Metric-Utility Gap [0.0]
  深層学習EEG(Deep Learning EEG Denoising Architectures)は、数万から数千万のパラメータに拡張されているが、実験変数としてモデルキャパシティを分離した以前の研究はない。 アーキテクチャ,損失,データ分割,トレーニングレシピの両ギャップに対処し,最小限の深さ分離可能な畳み込みU-Netで1.05Kから40.26Kパラメータまでのチャネル幅を網羅する。
  論文  参考訳（メタデータ） (2026-06-07T12:17:25Z)
• Do Masked Autoencoders Improve Downhole Prediction? An Empirical Study on Real Well Drilling Data [41.99844472131922]
  マスキードオートエンコーダ (MAE) プレトレーニングを, 坑井掘削量予測のために評価した。 最良のMAE構成は、教師付きGRUベースラインと比較してテスト平均絶対誤差を19.8%削減する。
  論文  参考訳（メタデータ） (2026-04-21T22:46:42Z)
• MinerU2.5-Pro: Pushing the Limits of Data-Centric Document Parsing at Scale [92.09717763663873]
  我々は、データエンジニアリングとトレーニング戦略設計を通じて、純粋に最先端の技術を進化させるMinerU2.5-Proを提案する。 コアとなるのは、カバレッジ、情報性、アノテーションの正確性を中心に設計されたData Engineだ。 我々は,MinerU2.5-Pro が OmniDocBench v1.6 上で 95.69 を達成することを示す。
  論文  参考訳（メタデータ） (2026-04-06T15:44:18Z)
• Information-Theoretic Multi-Model Fusion for Target-Oriented Adaptive Sampling in Materials Design [11.787453207532812]
  限られた評価予算の下での目標指向の発見には、高次元の不均一な設計空間における信頼性の高い進歩が必要である。 本稿では,目標指向適応サンプリングのための情報理論フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-03T09:47:13Z)
• Inertial Hallucinations -- When Wearable Inertial Devices Start Seeing Things [82.15959827765325]
  環境支援型生活(AAL)のためのマルチモーダルセンサフュージョンの新しいアプローチを提案する。 我々は、標準マルチモーダルアプローチの2つの大きな欠点、限られた範囲のカバレッジ、信頼性の低下に対処する。 我々の新しいフレームワークは、三重項学習によるモダリティ幻覚の概念を融合させ、異なるモダリティを持つモデルを訓練し、推論時に欠落したセンサーに対処する。
  論文  参考訳（メタデータ） (2022-07-14T10:04:18Z)

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。