論文の概要: Memory-Aware Multi-Sensor Perception for Efficient and Safe Navigation in Dynamic Environments
- arxiv url: http://arxiv.org/abs/2609.30495v1
- Date: Thu, 24 Sep 2026 19:33:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 18:27:51.120866
- Title: Memory-Aware Multi-Sensor Perception for Efficient and Safe Navigation in Dynamic Environments
- Title（参考訳）: 動的環境における効率的な安全ナビゲーションのためのメモリ対応マルチセンサ認識
- Abstract要約: 我々は、LiDARとRGBの認識、オンライン距離場表現学習、ステージ適応型制御バリア準プログラム(MCBF-QP)を統合したメモリ対応マルチセンサナビゲーションフレームワークを提案する。
複雑な屋内および屋外環境での実験では、狭い通路や動的障害物の衝突回避を維持しながら、航法効率と目標到達性能が改善された。
- 参考スコア（独自算出の注目度）: 8.668532160811655
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autonomous navigation in previously unseen environments requires effective perception, persistent environmental representation, and collision avoidance while maintaining progress toward a goal. Existing perception-based methods often rely on prior maps or short-horizon observations, limiting their ability to exploit previously observed structure. We propose a memory-aware multi-sensor navigation framework that integrates LiDAR and RGB perception, online distance-field representation learning, and a stage-adaptive Modulated Control Barrier Function Quadratic Program (MCBF-QP). The framework persistently represents static infrastructure while tracking dynamic obstacles, enabling the MCBF-QP controller to exploit previously observed geometry for obstacle circumvention and adapt its safety constraints and guidance to local conditions. Experiments in complex indoor and outdoor environments demonstrate improved navigation efficiency and goal-reaching performance while maintaining collision avoidance in narrow passages and around dynamic obstacles.
- Abstract（参考訳）: 未確認環境における自律航法には、目標に向けた進捗を維持しながら、効果的な知覚、持続的な環境表現、衝突回避が必要である。
既存の知覚に基づく手法は、しばしば事前の地図や短距離の観測に依存し、以前に観測された構造を利用する能力を制限する。
本稿では,LiDARとRGBの認識,オンライン距離場表現学習,および段階適応型変調制御バリア関数擬似プログラム(MCBF-QP)を統合したメモリ対応マルチセンサナビゲーションフレームワークを提案する。
このフレームワークは動的障害物を追跡しながら静的なインフラストラクチャを持続的に表現し、MCBF-QPコントローラは以前に観測された障害物回避のための幾何学を活用でき、その安全性の制約と局所的な条件へのガイダンスを適用できる。
複雑な屋内および屋外環境での実験では、狭い通路や動的障害物の衝突回避を維持しながら、航法効率と目標到達性能が改善された。
関連論文リスト
- Time-Efficient Iterative Learning Planning for Safety-Critical Dynamic Obstacle Avoidance [49.35246226163005]
本稿では、予測リスクブレンド制御バリア機能(ARB-CBF)を統合することにより、動的環境における安全クリティカルなナビゲーションに反復学習計画(ILP)を拡張する。
総合的なシミュレーションと実世界の実験により、最適化ベースのベースラインに比べて計算オーバーヘッドが低く、時間効率と安全性が優れていることが証明された。
論文 参考訳（メタデータ） (2026-09-17T14:12:36Z) - AutoPath: Learning Transferable Goal-Conditioned Stochastic Path Prior for Safe Navigation Without Human Demonstrations [103.61864552260316]
動的環境におけるリアルタイムナビゲーションは、限られた知覚下での衝突のない、動的に実現可能な動きを必要とする。
我々は,移動可能な目標整合経路の学習としてナビゲーションを定式化し,局所的な観測に基づいて,目標整合な局所経路上の再利用可能な分布をモデル化する。
我々は、幾何対応の極性行動多様体を用いて局所経路をパラメータ化し、安定かつ安全対応の計画のためのマルチゴール分散ロールアウトによるリスク感応性ユーティリティシェーピングを含む構造化された事前学習フレームワークを開発した。
論文 参考訳（メタデータ） (2026-07-13T16:00:41Z) - RoboNav-Arm: Agentic AI-Driven Navigation and Obstacle Avoidance for Robotic Manipulator in Cluttered Environments [1.1638921255130017]
本稿では,効果的な障害回避を伴う安全なタスク実行のためのフレームワークを提案する。
提案手法はGazebo Classicで評価され,動的シナリオにおけるロバスト性を示す。
論文 参考訳（メタデータ） (2026-06-25T07:29:11Z) - Reactive Robot-Centric Safety for Autonomous Navigation in Constrained and Dynamic Environments [14.321190258774358]
本稿では,3次元LIDAR認識に基づく複合制御バリア関数を統合したリアルタイム制御アーキテクチャを提案する。
地下環境における複数フィールド実験を通してシステムを検証する。
論文 参考訳（メタデータ） (2026-05-15T09:42:13Z) - Robust Cross-Domain WiFi Fall Detection via Physics-Driven Attention-Enhanced Transformers [64.35403680946182]
WiFiチャンネル状態情報(CSI)を利用したデバイスフリーの転倒検出が,高齢者の健康モニタリングのための有望なソリューションとして浮上している。
既存のディープラーニングアプローチでは、目に見えない環境にデプロイされた場合、パフォーマンスが大幅に低下する。
本稿では,新しいCNN-Transformerハイブリッドアーキテクチャを特徴とする,堅牢で汎用的なフレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-23T03:28:12Z) - Dynamic Control Barrier Function Regulation with Vision-Language Models for Safe, Adaptive, and Realtime Visual Navigation [5.268770735910558]
我々は、エゴセントリックなRGB入力を用いてCBF安全フィルタの保守性をリアルタイムで適応する視覚制御ナビゲーションフレームワークAlphaAdjを提案する。
その結果、AlphaAdjは衝突のないナビゲーションを維持しつつ、(パスの長さとゴールまでの時間の観点から)効率を最大18.5%改善していることがわかった。
論文 参考訳（メタデータ） (2026-03-22T09:35:18Z) - SPOT: Spatio-Temporal Obstacle-free Trajectory Planning for UAVs in an Unknown Dynamic Environment [1.9181913148426697]
我々は、視覚に基づくセーフフライト・コリドール(SFC)世代と統合した4次元プランナーを開発した。
シミュレーションおよび実世界のハードウェア実験において,本手法を広範囲に検証し,最先端の手法と比較した。
論文 参考訳（メタデータ） (2026-02-01T12:24:12Z) - Proactive Local-Minima-Free Robot Navigation: Blending Motion Prediction with Safe Control [10.366282784389108]
Control Barrier Functions (CBF)のようなリアクティブな安全なコントローラは、障害の現在の状態のみに基づいて障害回避戦略を設計し、将来の衝突を危険にさらす。
我々はガウス過程を用いて、エネルギーベース学習で訓練されたニューラルネットワークによって生成された障害物のマルチモーダルな動き予測から、障壁関数をオンラインで学習する。
学習されたバリア関数は、CBFの局所最小化バージョンである変調CBFを使用してプログラムに入力され、安全かつ効率的なナビゲーションを実現する。
論文 参考訳（メタデータ） (2026-01-15T09:46:03Z) - NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。
グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。
我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
論文 参考訳（メタデータ） (2025-06-23T14:28:30Z) - Designing Control Barrier Function via Probabilistic Enumeration for Safe Reinforcement Learning Navigation [55.02966123945644]
本稿では,ニューラルネットワーク検証技術を利用して制御障壁関数(CBF)とポリシー修正機構の設計を行う階層型制御フレームワークを提案する。
提案手法は,安全なCBFベースの制御層を構築するために使用される,安全でない操作領域を特定するための確率的列挙に依存する。
これらの実験は、効率的なナビゲーション動作を維持しながら、安全でない動作を補正する提案手法の能力を実証するものである。
論文 参考訳（メタデータ） (2025-04-30T13:47:25Z)
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。