論文の概要: AirSplan: Risk-Aware Motion Planning for Quadrotors in Cluttered 3D Gaussian Splats
- arxiv url: http://arxiv.org/abs/2609.21226v1
- Date: Fri, 18 Sep 2026 02:14:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-21 18:40:16.829742
- Title: AirSplan: Risk-Aware Motion Planning for Quadrotors in Cluttered 3D Gaussian Splats
- Title（参考訳）: AirSplan:3次元ガウス平板のクアドロレータのリスク対応運動計画
- Abstract要約: クアドロレータは、農業、インフラ検査、メンテナンスなどのアプリケーションにますます多くデプロイされている。
それぞれのアプリケーションでは、ロボットは衝突のない状態で複雑なシーン形状をナビゲートする必要がある。
本稿では,これらの相補的課題に対処するシステムを提案する。
- 参考スコア（独自算出の注目度）: 11.816895732223882
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Quadrotors are increasingly deployed in applications such as agriculture, infrastructure inspection, and maintenance. In each of these applications, the robot must navigate complex scene geometry while remaining strictly collision-free. Unlike in ground domains, even minor collisions for aerial vehicles can result in the loss of the robot. This safety requirement induces a pair of technical challenges. First, the environment must be represented with sufficient fidelity to encode complex structure, even when no ground-truth obstacle data is available. Second, a motion planner must leverage this representation to determine a collision-free path to the goal. This paper proposes a system that addresses these complementary challenges. The proposed method, AirSplan, adopts a normalized variant of 3D Gaussian Splatting that encodes high-fidelity scene geometry. It then applies a novel reachability-based motion planner that leverages the differential flatness of quadrotors to compute continuous-time collision constraints that tightly overapproximate the robot's occupancy. Experiments demonstrate that AirSplan successfully finds a path in 81.2% of challenging test cases, a significant improvement over the nearest baseline method's 51.2%.
- Abstract（参考訳）: クアドロレータは、農業、インフラ検査、メンテナンスなどのアプリケーションにますます多くデプロイされている。
それぞれのアプリケーションでは、ロボットは衝突のない状態で複雑なシーン形状をナビゲートする必要がある。
地上のドメインとは異なり、航空車両の小さな衝突でさえ、ロボットが失われる可能性がある。
この安全要件は、技術的な課題の2つを引き起こします。
まず、地上の障害物データが得られなくても、複雑な構造を符号化するのに十分な忠実さで環境を表現する必要がある。
第二に、運動プランナーはゴールへの衝突のない経路を決定するためにこの表現を利用する必要がある。
本稿では,これらの相補的課題に対処するシステムを提案する。
提案手法であるAirSplanは,高忠実度シーン形状を符号化した3次元ガウススプラッティングの正規化版を採用する。
次に、ロボットの占有を強固に過小評価する連続的時間衝突制約を計算するために、四重項の微分平坦性を利用する、到達可能性に基づく新しい運動プランナーを適用する。
実験の結果、AirSplanは81.2%の挑戦的なテストケースでパスを見つけることができ、最も近いベースライン方式の51.2%よりも大幅に改善された。
関連論文リスト
- Safe Polytope-in-Polytope Motion Planning and Control with Control Barrier Functions [45.68209588239261]
本研究は,多目的ロボットのフットプリントが凸自由空間領域内に留まることを保証する安全な局所運動計画制御手法を提案する。
提案された自由空間定式化では障害物検出やセグメンテーションは不要である。
このアプローチは、自動運転車と非ホロノミックな移動ロボットによるハードウェアによるシミュレーションで検証されている。
論文 参考訳（メタデータ） (2026-06-08T16:44:28Z) - Simulation-Informed Diffusion for Decentralized Multi-robot Motion Planning [56.240199425429445]
マルチロボットモーションプランニングでは、各ロボットが局所的な観測から衝突のない軌道を生成する必要がある。
既存のほとんどのプランナは、ローカル観測の静的スナップショットからトラジェクトリを生成する。
本稿では,制約対応拡散モデルに基づく分散フレームワークであるSimulation-Informed Diffusion (SID)を紹介する。
論文 参考訳（メタデータ） (2026-05-26T21:17:53Z) - Learning Reactive Dexterous Grasping via Hierarchical Task-Space RL Planning and Joint-Space QP Control [50.28263951510334]
本稿では,リアクティブなデクスタリーグルーピングのためのハイブリッド階層型制御フレームワークを提案する。
提案手法は,低レベル共同実行から高レベル空間意図を明示的に分離する。
我々は厳密なシミュレーションと現実のパイプラインを通して提案したフレームワークを広範囲に検証する。
論文 参考訳（メタデータ） (2026-05-05T04:49:38Z) - Instance-level Visual Active Tracking with Occlusion-Aware Planning [61.982298426203165]
Visual Active Tracking (VAT)は、カメラを3D空間でターゲットに追従することを目的としている。
VATは、視覚的に類似したイントラクタからの混乱と、閉塞下での深刻な障害という、現実世界のデプロイメントにおいて2つの重要なボトルネックに直面している。
3つの相補的なモジュールを持つ統一パイプラインであるOA-VATを提案する。
論文 参考訳（メタデータ） (2026-04-23T09:11:50Z) - Navigating the Clutter: Waypoint-Based Bi-Level Planning for Multi-Robot Systems [54.887871365121775]
乱雑な環境におけるマルチロボット制御は、複雑な物理的制約を伴う難しい問題である。
タスクとモーションプランニングを協調的に最適化するハイブリッドマルチロボット制御フレームワークを提案する。
我々のアプローチは、動作に依存しないベースラインとVLAベースのベースラインよりもタスクの成功を継続的に改善する。
論文 参考訳（メタデータ） (2026-04-22T22:58:47Z) - Hierarchical Trajectory Planning of Floating-Base Multi-Link Robot for Maneuvering in Confined Environments [9.325443556436436]
浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動
本研究は,グローバルガイダンスと設定対応ローカル最適化を統合した階層的軌道計画フレームワークを導入する。
我々の知る限りでは、これは実際のロボットで実証された浮動小数点移動型マルチリンクロボットのための最初の計画フレームワークである。
論文 参考訳（メタデータ） (2026-02-25T22:49:54Z) - SkySim: A ROS2-based Simulation Environment for Natural Language Control of Drone Swarms using Large Language Models [0.0]
無人航空機(UAV)は、物流、農業、監視に多用途の用途を提供する。
従来の静的メソッドは適応性を制限するが、Large Language Models (LLMs) は自然言語を制御できるが、安全でないトラジェクトリを生成する。
本稿では,低レベル安全対策からLLM高レベル計画を分離する,ガゼボのROS2ベースのシミュレーションフレームワークであるSkySimを紹介する。
論文 参考訳（メタデータ） (2026-02-01T13:34:34Z) - A Future Capabilities Agent for Tactical Air Traffic Control [0.0]
エージェント・マラード(Agens Mallard)は、システム化された空域における制御のためのルールベースの戦術的エージェントである。
このアーキテクチャは、モデルに基づく安全性評価、解釈可能な決定論理、およびトラクタブルな計算性能を組み合わせることを意図している。
論文 参考訳（メタデータ） (2026-01-07T14:19:46Z) - Building a Foundational Guardrail for General Agentic Systems via Synthetic Data [76.18834864749606]
LLMエージェントは、計画段階で介入するマルチステップタスクを計画できる。
既存のガードレールは主にポスト・エグゼクティブ(英語版)を運用しており、スケーリングが困難であり、計画レベルで制御可能な監督を行う余地がほとんどない。
我々は、良性軌道を合成し、カテゴリーラベル付きリスクを困難に注入し、自動報酬モデルを介して出力をフィルタリングする制御可能なエンジンであるAuraGenを紹介する。
論文 参考訳（メタデータ） (2025-10-10T18:42:32Z) - ReGentS: Real-World Safety-Critical Driving Scenario Generation Made Stable [88.08120417169971]
機械学習に基づく自律運転システムは、現実世界のデータでは稀な安全クリティカルなシナリオで課題に直面していることが多い。
この研究は、軌道最適化によって複雑な現実世界の通常のシナリオを変更することによって、安全クリティカルな運転シナリオを生成することを検討する。
提案手法は、頑健なプランナーの訓練には役に立たない非現実的な発散軌道と避けられない衝突シナリオに対処する。
論文 参考訳（メタデータ） (2024-09-12T08:26:33Z) - Reinforcement Learning-Based Air Traffic Deconfliction [7.782300855058585]
本研究は,2機の水平分離を自動化することに焦点を当て,障害物回避問題を2次元サロゲート最適化課題として提示する。
強化学習(RL)を用いて、回避ポリシーを最適化し、ダイナミクス、インタラクション、意思決定をモデル化する。
提案システムは,安全要件を満たす高速かつ達成可能な回避軌道を生成する。
論文 参考訳（メタデータ） (2023-01-05T00:37:20Z)
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。