論文の概要: Markerless Multi-Modal Autonomous Robotic Inspection of Large Space Structures
- arxiv url: http://arxiv.org/abs/2609.29644v1
- Date: Thu, 24 Sep 2026 12:37:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 21:10:09.928995
- Title: Markerless Multi-Modal Autonomous Robotic Inspection of Large Space Structures
- Title（参考訳）: 大型宇宙構造物のマーカレス多モード自律ロボット検査
- Abstract要約: 本稿では、3次元再構成を検査支援表現として用いるマーカーレス自律型ロボット検査パイプラインを提案する。
このシステムはキノバのGen2マニピュレータと、RGB-Dカメラ、サーマルカメラ、および2D LiDARで構成されるエンドエフェクター搭載マルチモーダルセンサーヘッドを統合している。
パイプラインは、近似的な検査ボリュームを推定し、視点を生成し、MoveItで衝突のない動きを計画し、RGB-D画像、サーマルデータ、ロボットのポーズをROS2で同期的に記録する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Future orbital infrastructures, such as deployable antennas, solar farms, and large orbital platforms will require autonomous inspection systems able to operate with limited prior knowledge and without cooperative markers. Current on-orbit servicing approaches often rely on predefined trajectories, standard interfaces, fiducial markers or accurate target models, which limits scalability for large, heterogeneous or partially unknown structures. This paper presents a markerless autonomous robotic inspection pipeline in which 3D reconstruction is used as an inspection-support representation. The system integrates a Kinova Gen2 manipulator with an end-effector-mounted multimodal sensor head composed of an RGB-D camera, a thermal camera and a 2D LiDAR. The pipeline estimates an approximate inspection volume, generates viewpoints, plans collision-free motions with MoveIt, and synchronously records RGB-D images, thermal data, and robot poses in ROS2. Candidate reconstruction methods were evaluated to select a practical method for this pipeline, with Nerfacto used for geometric reconstruction and Thermal-Nerfacto used to demonstrate thermal-aware rendering for inspection. Validation in a Gazebo-based simulator and preliminary laboratory tests reveal that the proposed system can autonomously acquire spatially coherent inspection data and produce reconstructions suitable for visual and geometric assessment, representing a step towards inspection of large non-cooperative space structures.
- Abstract（参考訳）: 将来の軌道インフラ、例えば、展開可能なアンテナ、ソーラーファーム、大型の軌道プラットフォームは、限られた事前知識と協調マーカーなしで自律的な検査システムを実行する必要がある。
現在の軌道上サーベイシングアプローチは、しばしば定義済みの軌道、標準インターフェイス、フィデューシャルマーカーまたは正確なターゲットモデルに依存しており、大きな、不均一な、または部分的に未知な構造のスケーラビリティを制限する。
本稿では、3次元再構成を検査支援表現として用いるマーカーレス自律型ロボット検査パイプラインを提案する。
このシステムはキノバのGen2マニピュレータと、RGB-Dカメラ、サーマルカメラ、および2D LiDARで構成されるエンドエフェクター搭載マルチモーダルセンサーヘッドを統合している。
パイプラインは、近似的な検査ボリュームを推定し、視点を生成し、MoveItで衝突のない動きを計画し、RGB-D画像、サーマルデータ、ロボットのポーズをROS2で同期的に記録する。
幾何再構成にNerfacto,検査に熱認識レンダリングを応用したThermer-Nerfactoを用いて,本パイプラインの実用的方法を選択するための候補再構成手法の評価を行った。
ガゼボをベースとしたシミュレータと予備実験の検証により,提案システムは空間的コヒーレントな検査データを自律的に取得し,視覚的および幾何学的評価に適した再構成を生成できることが判明した。
関連論文リスト
- DreamSat-Bench: Development and Initial Testing of a Testbed for AI-Based Pose Estimation from 3D Reconstruction [29.80975210573936]
DreamSat-Benchは、AIベースの相対航法技術をベンチマークするために設計されたモジュール式ランデブーおよび近接操作テストベッドである。
DreamSat-Benchは、MuJoCo、Isaac Lab、LeRobotといった最先端のロボット学習ツールを単一のベンチマークプラットフォームに統合する。
我々は、単一のビュー3D再構成のための生成AIフレームワークであるDreamSatと、ゼロショット6-DoF追跡のためのFoundationPoseを組み合わせた、エンドツーエンドのビジョンベースのナビゲーションパイプラインをデモした。
論文 参考訳（メタデータ） (2026-09-12T23:33:28Z) - PBD-AG: Persistent Baseline-Delta Active Graphs with Uncertainty-Aware Inspection for Long-Horizon Service Robots [31.157360078765155]
長距離サービスロボットは、目に見えない環境で自律的に構築できる永続的な世界モデルを必要とする。
本稿では,ロボットが検証した安定なフィクスチャを,変更可能な動的オブジェクトイベントから分離する,永続的ベースラインデルタアクティブグラフフレームワークPBD-AGを提案する。
論文 参考訳（メタデータ） (2026-08-11T04:03:54Z) - iVISION-2DCD: A Long-Term Change Detection Dataset for Large-Scale Outdoor Construction Monitoring [50.60358463714119]
我々は,高密度LiDAR点雲からの大規模合成データセットiVISION-2DCDを提案する。
本データセットは,建設現場における2DCDの問題点を正式に定義する。
最先端の2DCDアルゴリズムを用いたベンチマーク評価は、iVISION-2DCDが新しい研究課題をもたらすことを示す。
論文 参考訳（メタデータ） (2026-07-03T18:29:13Z) - A UAV-Mounted Sensor Network for Close-Range Inspection of Wind Turbine Rotor Blades [2.08825600142115]
本稿では,産業用RGBカメラ,受動熱赤外カメラ,3Dスキャナを組み合わせたUAV搭載マルチモーダルセンサネットワークの設計について述べる。
このシステムは、プラットフォームの動き、視野の広さ、ミリメートルレベルの測定精度の3つの基本的な認識課題に対処して、近距離で動作するよう設計されている。
論文 参考訳（メタデータ） (2026-06-19T08:37:42Z) - Unifying UAV Cross-View Geo-Localization via 3D Geometric Perception [51.687842983240564]
無人航空機(UAV)のクロスビューな地上局地化は、斜めのUAV画像と衛星地図との厳密な幾何学的相違により、いまだに困難である。
本稿では,3次元シーン形状を明示的にモデル化し,粗い位置認識ときめ細かなポーズ推定を統一する,幾何認識型UAV測位フレームワークを提案する。
提案手法は, 最先端のベースラインを著しく上回り, ロバストメータレベルのローカライゼーション精度を実現し, 複雑な都市環境における一般化を向上する。
論文 参考訳（メタデータ） (2026-04-02T08:08:41Z) - S3KF: Spherical State-Space Kalman Filtering for Panoramic 3D Multi-Object Tracking [24.79542959759503]
パノラマ多対象追跡は、産業安全監視、広域ロボット認識、大規模ワークスペースにおけるインフラストラクチャライト展開において重要である。
既存の画像平面トラッカーは、カメラ投影に強く結合され、パノラマ画像では信頼性が低い。
回転する電動LiDARとクワッドフィッシュカメラリグをベースとしたパノラマ3次元多物体追跡フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-29T06:01:29Z) - CIPHER: Culvert Inspection through Pairwise Frame Selection and High-Efficiency Reconstruction [53.9319127526742]
視覚的に反復的な環境下でのカルバート様構造に対する効率的なRGBベースの3次元再構成パイプラインを提案する。
提案手法は,まず情報フレームペアを選択し,適切な対応性を確保しつつ,視点の多様性を最大化する。
実験により,本手法は正確な3次元再構成と深度マップを効果的に生成し,人間の介入を最小限に抑えながら探傷効率を向上することを示した。
論文 参考訳（メタデータ） (2026-03-14T23:00:19Z) - SiLVR: Scalable Lidar-Visual Radiance Field Reconstruction with Uncertainty Quantification [0.6445605125467574]
本稿では,ライダーと視覚データを融合したNeRFを用いた大規模再構成システムを提案する。
我々のシステムはライダーを組み込むために最先端のNeRF表現を採用する。
ライダーデータを追加すると、深さと表面の正規値に強い幾何学的制約が加わる。
論文 参考訳（メタデータ） (2025-02-04T19:00:49Z) - Spatial-Temporal Graph Enhanced DETR Towards Multi-Frame 3D Object Detection [54.041049052843604]
STEMDは,多フレーム3Dオブジェクト検出のためのDETRのようなパラダイムを改良した,新しいエンドツーエンドフレームワークである。
まず、オブジェクト間の空間的相互作用と複雑な時間的依存をモデル化するために、空間的時間的グラフアテンションネットワークを導入する。
最後に、ネットワークが正のクエリと、ベストマッチしない他の非常に類似したクエリを区別することが課題となる。
論文 参考訳（メタデータ） (2023-07-01T13:53:14Z) - Fully Convolutional One-Stage 3D Object Detection on LiDAR Range Images [96.66271207089096]
FCOS-LiDARは、自律走行シーンのLiDAR点雲のための完全な1段式3Dオブジェクト検出器である。
標準的な2Dコンボリューションを持つRVベースの3D検出器は、最先端のBEVベースの検出器と同等の性能を発揮することを示す。
論文 参考訳（メタデータ） (2022-05-27T05:42:16Z) - Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for
Online Collision Avoidance [95.86944752753564]
本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。
我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。
本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
論文 参考訳（メタデータ） (2020-07-28T07:34:30Z)
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。