論文の概要: FutureRay: Control-Aligned Future Range for Agile Quadruped Navigation
- arxiv url: http://arxiv.org/abs/2609.32158v1
- Date: Sat, 26 Sep 2026 02:25:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-07 19:27:00.686221
- Title: FutureRay: Control-Aligned Future Range for Agile Quadruped Navigation
- Title（参考訳）: FutureRay: アジャイル四角形ナビゲーションの制御可能な未来範囲
- Abstract要約: 移動障害物は、四足歩行ロボットがモーションコマンドを実行する間、前もって明確な経路を塞ぐことができる。
我々は、遭遇リスクとともに、視線方向と未来時間の範囲を予測できるFutureRayを提案する。
共同作業範囲と遭遇リスク予測は,移動方針を再訓練することなく障害物回避を改善できることを示す。
- 参考スコア（独自算出の注目度）: 10.539788012768236
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Moving obstacles can block a previously clear route while a quadruped robot executes a motion command. We investigate whether predicting changing clearance improves navigation when motion selection accounts for the robot footprint and the time needed to react and brake. We present FutureRay, which predicts ranges across viewing directions and future times, together with encounter risk, from depth-derived range history and observable robot motion. Training emphasizes near-term clearance and penalizes errors that overstate available space. A local planner queries the same forecast for candidate headings and combines it with current observations to check clearance around the robot footprint. Model-based reaction--braking limits guide speed selection, and the resulting velocity commands are passed to a fixed locomotion policy. In paired evaluations on 60 static and dynamic simulation scenes, FutureRay achieves 93.3% completion, compared with 75.0% for current-range persistence and 80.0% for Cartesian Kalman rollout, with perception, planning, and locomotion held fixed. FutureRay also records fewer collisions than both baselines. Qualitative trials on a physical quadruped show avoidance initiated while an obstacle is approaching the route, followed by renewed goal progress. These results show that joint range and encounter-risk prediction can improve obstacle avoidance without retraining the locomotion policy.
- Abstract（参考訳）: 移動障害物は、四足歩行ロボットがモーションコマンドを実行する間、前もって明確な経路を塞ぐことができる。
ロボットの足跡を動作選択が考慮すれば,クリアランスの変化を予測すればナビゲーションが改善し,反応やブレーキに要する時間も向上するかどうかを検討する。
本稿では,視線方向と未来時間の範囲を予測できるFutureRayについて,深度由来のレンジ履歴や観測可能なロボットの動きから,遭遇リスクとともに紹介する。
トレーニングは短期的クリアランスを強調し、利用可能なスペースをオーバーステートするエラーを罰する。
ローカルプランナーが同じ予測を検索し、現在の観測結果と組み合わせて、ロボットのフットプリントのクリアランスをチェックする。
モデルに基づく反応-ブレーキの制限は速度選択を誘導し、その結果の速度コマンドは固定された移動ポリシーに渡される。
60の静的および動的シミュレーションシーンでのペア評価では、FutureRayは93.3%の完成を達成し、現在の範囲の永続性は75.0%、Cartesian Kalmanのロールアウトは80.0%、知覚、計画、移動は固定されている。
FutureRayは、両方のベースラインよりも衝突が少ないことも記録している。
障害物が進路に近づいている間に、物理的四重奏法による定性的試行が始まり、その後、新たな目標が進行する。
これらの結果から,共同作業範囲と遭遇リスク予測は,移動方針の再訓練を伴わずに障害物回避を改善できることが示唆された。
関連論文リスト
- Predict Before You Step: Auditable Occupancy Forecasting for Dynamic Obstacle Avoidance under Sparse Guidance [18.93557165573682]
スパースウェイポイント誘導下の脚ロボットは、部分的かつ急速に変化するLiDAR観測を用いて障害物の移動を避ける必要がある。
本稿では,50Hzのフリーズコントローラにスパースウェイポイント誘導を接続するローカル回避ポリシーである LOOP を提案する。
LOOPは2.5-3.2m/sの障害物速度で57.1%成功し、リトレーニングされた反応性ベースラインを8.2ポイント上回る。
論文 参考訳（メタデータ） (2026-09-22T10:25:51Z) - SPARROW: Survival-POMCP for Adaptive Robot Routing, Observation, and Waiting [17.46665446011569]
ロボットの計画されたルートをブロックする一時的な障害は、シーケンシャルなナビゲーション問題を引き起こす。
部分観測可能な半マルコフ決定過程として,一時的障害物間のグラフナビゲーションを定式化する。
本稿では,部分観測可能なモンテカルロ計画に基づく信念空間プランナであるSPARROWを紹介する。
論文 参考訳（メタデータ） (2026-09-17T19:01:44Z) - OSCAR: Obstacle Survival Curves for Adaptive Robot Navigation [8.359991696376307]
既知のルートのグラフに従う移動ロボットは、一時的な障害物がクリティカルエッジをブロックした場合に、高価なナビゲーションエラーを発生させることができる。
我々は,一時的にブロックされたグラフベースのナビゲーションのための適応型サバイバルモデリングフレームワークOSCARを提案する。
本研究では, 人, 椅子, ビン, チューブなどの障害物のある大学アトリウムにおけるシミュレーションおよび実際の移動ロボット上でのアプローチを評価する。
論文 参考訳（メタデータ） (2026-05-31T04:12:04Z) - Perception-to-Pursuit: Track-Centric Temporal Reasoning for Open-World Drone Detection and Autonomous Chasing [0.0]
本稿では,検出と実行可能な追従計画を橋渡しするトラック中心の時間的推論フレームワークを提案する。
我々の研究は、動きパターンに対する時間的推論が正確な予測と行動可能な追跡計画の両方を可能にすることを示した。
論文 参考訳（メタデータ） (2026-01-27T07:57:29Z) - Hydra-NeXt: Robust Closed-Loop Driving with Open-Loop Training [64.16445087751039]
Hydra-NeXtは、軌道予測、制御予測、軌道修正ネットワークを一つのモデルに統合する、新しいマルチブランチ計画フレームワークである。
Hydra-NeXt は22.98 DS と 17.49 SR を上回り、自動運転の大幅な進歩を示している。
論文 参考訳（メタデータ） (2025-03-15T07:42:27Z) - Adaptive Human Trajectory Prediction via Latent Corridors [49.13061580045407]
シーン固有の適応軌道予測の問題を定式化する。
本稿では,潜伏回廊と呼ばれる即時チューニングにインスパイアされた新しい適応手法を提案する。
0.1%の追加モデルパラメータでは、MOTシンスシミュレーションデータの改善が23.9%、MOTおよびワイルドトラックにおけるADEが16.4%となる。
論文 参考訳（メタデータ） (2023-12-11T18:59:12Z) - Contingencies from Observations: Tractable Contingency Planning with
Learned Behavior Models [82.34305824719101]
人間は未来の出来事を正確に推論することで決定を下す素晴らしい能力を持っている。
本研究では,高次元のシーン観察からエンドツーエンドに学習する汎用コンテンシビリティプランナを開発する。
このモデルが行動観察から忍耐強くコンティンジェンシーを学習できることを示す。
論文 参考訳（メタデータ） (2021-04-21T14:30:20Z) - Learning Collision-free and Torque-limited Robot Trajectories based on
Alternative Safe Behaviors [2.28438857884398]
ニューラルネットワークは、産業用ロボットの将来の動きを予測するために定期的に呼び出される。
アクションスペースの設計により、キネマティックジョイント限界の遵守が確保されます。
実ロボットによる実験は、安全な軌道をリアルタイムで生成できることを示しています。
論文 参考訳（メタデータ） (2021-03-05T16:50:57Z) - Safety-Oriented Pedestrian Motion and Scene Occupancy Forecasting [91.69900691029908]
我々は、個々の動きとシーン占有マップの両方を予測することを提唱する。
歩行者の相対的な空間情報を保存するScene-Actor Graph Neural Network (SA-GNN)を提案する。
2つの大規模な実世界のデータセットで、我々のシーン占有率予測が最先端のモーション予測手法よりも正確でより校正されていることを示した。
論文 参考訳（メタデータ） (2021-01-07T06:08:21Z) - Spatiotemporal Relationship Reasoning for Pedestrian Intent Prediction [57.56466850377598]
視覚データに対する推論は、ロボティクスとビジョンベースのアプリケーションにとって望ましい能力である。
本稿では,歩行者の意図を推論するため,現場の異なる物体間の関係を明らかにするためのグラフ上でのフレームワークを提案する。
歩行者の意図は、通りを横切る、あるいは横断しない将来の行動として定義され、自動運転車にとって非常に重要な情報である。
論文 参考訳（メタデータ） (2020-02-20T18:50:44Z)
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。