論文の概要: Situation Aware Locomotion for Dual Mobile Cobots in Shared Environments

• arxiv url: http://arxiv.org/abs/2609.26083v1
• Date: Mon, 03 Aug 2026 17:57:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.869374
• Title: Situation Aware Locomotion for Dual Mobile Cobots in Shared Environments
• Title（参考訳）: 共有環境におけるデュアル移動ロボットの移動状況
• Abstract要約: 本稿では,共有産業環境で動作する2つの移動ロボットの移動環境を考慮したロコモーション・フレームワークを提案する。 ロボットのポーズ、負荷状態、マニピュレータ状態、共有ゾーン占有率、障害物状態、予測されるロボット間衝突は安全な移動行動を選択するために使用された。
• 参考スコア（独自算出の注目度）: 0.746823468023145
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents a situation aware locomotion framework for two mobile collaborative robots operating in shared industrial environments. The proposed method models situation awareness through perception, comprehension, and projection to support locomotion decisions. Robot pose, load state, manipulator state, shared zone occupancy, obstacle state, and predicted inter robot conflict were used to select safe locomotion actions. The framework was implemented in simulation and evaluated in simulated industrial scenarios designed to match a feasible 4 m by 4 m physical test area. The proposed method was compared with two other baselines over multiple trials and randomized seeds. The results show that the situation aware method achieved 100% task success across all scenarios, while the independent and fixed priority baselines each achieved 33.3% overall success. The proposed method eliminated shared zone conflicts and safety stops, maintained the largest average minimum inter robot distance, and completed the tasks with the lowest average completion time. These results indicate that situational awareness can improve the locomotion of dual robots by combining load state, manipulator state, reasoning about the shared zone, and prediction of short-horizon conflicts.
• Abstract（参考訳）: 本稿では,共有産業環境で動作する2つの移動ロボットの移動環境を考慮したロコモーション・フレームワークを提案する。 提案手法は,ロコモーション決定を支援するために,認識,理解,予測を通じて状況認識をモデル化する。 ロボットのポーズ、負荷状態、マニピュレータ状態、共有ゾーン占有率、障害物状態、予測されるロボット間衝突は安全な移動行動を選択するために使用された。 このフレームワークはシミュレーションで実装され, 実測可能な4m×4mの物理的試験領域に適合するように設計されたシミュレートされた工業シナリオで評価された。 提案手法は,複数試行およびランダム化種子に対して,他の2つのベースラインと比較した。 その結果、状況認識手法は全てのシナリオで100%のタスク成功を達成し、独立性と固定された優先度ベースラインはそれぞれ33.3%の全体的な成功を達成した。 提案手法は、共有ゾーンの衝突や安全停止を排除し、ロボット間距離が最大で、平均完了時間が最も低いタスクを完了した。 これらの結果は,負荷状態,マニピュレータ状態,共有ゾーンの推論,短水平衝突の予測を組み合わせることで,状況認識が両ロボットの移動を改善することを示唆している。

関連論文リスト

• JAMB: Joint Action-Motion Diffusion for Bimanual Manipulation [11.606498014597731]
  両腕の動きは共有された3Dシーンを変更でき、それによってもう一方の腕に影響を及ぼす。 ほとんどの拡散ポリシーは、将来の結果を明示的にモデル化せずにアクションを生成する。 行動と追跡を同時に行うことで、各人は妄想全体を通して情報を伝え、洗練することができる。 我々は,Robonono 2.0における多種多様な双方向操作タスクと実世界のロボットについて評価した。
  論文  参考訳（メタデータ） (2026-09-21T19:11:38Z)
• Rendezvous and Docking of Mobile Ground Robots for Efficient Transportation Systems [1.2617078020344616]
  重要な課題は、2つの移動地ロボットの信頼性の高い運動中の物理的結合を実現することである。 既存のアプローチではドッキングインターフェースのモデリングやアプローチ戦略は無視されている。 両輪駆動ロボットの動特性と状態を明確にモデル化する集中型mpc手法を提案する。 この新しいアプローチにより、ドッキングインターフェースを備えた全方向車輪付きロボットは、初期位置に関わらず、物理的に衝突することが可能になる。
  論文  参考訳（メタデータ） (2026-02-23T14:01:37Z)
• Distributed Virtual Model Control for Scalable Human-Robot Collaboration in Shared Workspace [7.44764987825646]
  仮想モデル制御(VMC)に基づく人ロボット協調のための分散型エージェント非依存・安全対応制御フレームワークを提案する。 最大2つのロボットと2つの人間との安全なコラボレーションを実証し、シミュレーションでは最大4つのロボットをシミュレーションし、エージェント間の分離を約20cmに維持する。 その結果, ロボットの動作を直感的に制御パラメータを調整し, 全てのテストシナリオにおいて, チームサイズ全体にわたるデッドロックフリー動作を実現することができた。
  論文  参考訳（メタデータ） (2026-02-19T14:45:10Z)
• UEREBot: Learning Safe Quadrupedal Locomotion under Unstructured Environments and High-Speed Dynamic Obstacles [16.149422197272937]
  UEREBotは階層的なフレームワークで、スロープランニングと即時回帰回避を分離する。 我々はIsaac LabのシミュレーションでUEREBotを評価し,それを車載認識機能を備えたUnitree Go2上にデプロイした。
  論文  参考訳（メタデータ） (2026-02-07T05:09:48Z)
• Causal World Modeling for Robot Control [56.31803788587547]
  ビデオワールドモデルは、アクションと視覚力学の因果関係を理解することによって、近い将来に想像できる能力を提供する。 本稿では,フレーム予測とポリシ実行を同時に学習する自動回帰拡散フレームワークLingBot-VAを紹介する。 シミュレーションベンチマークと実世界のシナリオの両方でモデルを評価したところ、長距離操作、ポストトレーニングにおけるデータ効率、新しい構成への強力な一般化性などに大きな可能性を示唆している。
  論文  参考訳（メタデータ） (2026-01-29T17:07:43Z)
• SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Diffusion-Controllable Adversaries [94.84458417662407]
  制御可能なクローズドループ安全クリティカルシミュレーションフレームワークであるSAFE-SIMを紹介する。 提案手法は,1)現実の環境を深く反映した現実的な長距離安全クリティカルシナリオの生成,2)より包括的でインタラクティブな評価のための制御可能な敵行動の提供,の2つの利点をもたらす。 複数のプランナにまたがるnuScenesとnuPlanデータセットを使用して、我々のフレームワークを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
  論文  参考訳（メタデータ） (2023-12-31T04:14:43Z)
• iPLAN: Intent-Aware Planning in Heterogeneous Traffic via Distributed Multi-Agent Reinforcement Learning [57.24340061741223]
  本稿では,高密度および不均一な交通シナリオにおける軌跡や意図を予測できる分散マルチエージェント強化学習(MARL)アルゴリズムを提案する。 インテント対応プランニングのアプローチであるiPLANにより、エージェントは近くのドライバーの意図をローカルな観察からのみ推測できる。
  論文  参考訳（メタデータ） (2023-06-09T20:12:02Z)
• Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
  本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。 連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。 我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
  論文  参考訳（メタデータ） (2021-11-15T18:50:04Z)
• Decentralized Motion Planning for Multi-Robot Navigation using Deep Reinforcement Learning [0.41998444721319217]
  本研究は、深層強化学習を用いたマルチロボットナビゲーションの課題に対処するための分散型モーションプランニングフレームワークを提案する。 共通かつ共有的な政策学習による分散的な行動計画の概念が採用され、このアプローチの堅牢なトレーニングとテストが可能となった。
  論文  参考訳（メタデータ） (2020-11-11T07:35:21Z)

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。