論文の概要: Terrain-Aware Autonomous Planetary Exploration for Exteroceptive-Proprioceptive Mapping with Quadruped Scouts
- arxiv url: http://arxiv.org/abs/2609.35493v1
- Date: Mon, 28 Sep 2026 16:01:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-02 04:57:09.880965
- Title: Terrain-Aware Autonomous Planetary Exploration for Exteroceptive-Proprioceptive Mapping with Quadruped Scouts
- Title（参考訳）: 四角形スカウトによる外受容-原受容マッピングのための地形認識型自律惑星探査
- Abstract要約: 本稿では,月のような環境下での四足歩行ロボットに対する外受容と固有受容のマッピングを組み合わせた地形対応探索フレームワークを提案する。
搭載されているRGB-Dカメラは、ロボット中心の標高マップを構築し、幾何学的トラベル性を推定し、自律的な計画のためのナビゲーションコストを導出する。
- 参考スコア（独自算出の注目度）: 3.710529259029568
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autonomous planetary exploration requires robots to navigate unknown, uneven terrain while assessing risk, traversability, and energetic cost. Quadruped scouts are well suited for this task because they can traverse irregular surfaces and gather mobility-relevant information during locomotion. This paper presents a terrain-aware exploration framework that combines exteroceptive and proprioceptive mapping for a quadruped robot in lunar-like environments. An onboard RGB-D camera builds robot-centered elevation maps, estimates geometric traversability, and derives navigation costs for autonomous planning. In parallel, proprioceptive measurements provide interaction-aware terrain cues that complement geometry-based assessment. Local maps are incrementally registered into a global multi-layer representation, which is used by an exploration module to select targets in unexplored regions of interest. The targets are reached by an autonomous navigation system that guides collision-aware motion using the available map and cost layers. Simulation results on NVIDIA Isaac Sim show autonomous exploration, map expansion, and spatial association between terrain geometry and robot-terrain interaction. Subsequent navigation using this information exhibits lower average Cost of Transport (CoT) than initial exploration.
- Abstract（参考訳）: 自律的な惑星探査では、ロボットが未知の不均一な地形を移動し、リスク、移動可能性、エネルギーコストを評価する必要がある。
四輪スカウトは不規則な表面を横切ることができ、移動関連情報を移動中に収集できるので、この作業に適している。
本稿では,月のような環境下での四足歩行ロボットに対する外受容と固有受容のマッピングを組み合わせた地形対応探索フレームワークを提案する。
搭載されているRGB-Dカメラは、ロボット中心の標高マップを構築し、幾何学的トラベル性を推定し、自律的な計画のためのナビゲーションコストを導出する。
平行して、主観的測定は、幾何学に基づく評価を補完する相互作用を意識した地形の手がかりを提供する。
ローカルマップはグローバルな多層表現に漸進的に登録され、探索モジュールが未探索領域のターゲットを選択するために使用する。
ターゲットは、利用可能なマップとコスト層を使用して衝突認識動作を誘導する自律ナビゲーションシステムによって到達する。
NVIDIA Isaac Simのシミュレーション結果は、自律的な探索、地図の拡張、地形幾何学とロボットと地形の相互作用の間の空間的関連を示す。
この情報を用いたその後の航海は、初期探査よりも平均輸送コスト(CoT)が低い。
関連論文リスト
- Semantic-Aware Autonomous Exploration for UAVs in Unknown Indoor Environments [2.379911867541422]
本稿では,ロードマップに基づく探索戦略に意味情報を追加する意味認識探索フレームワークを提案する。
意味のあるオブジェクトや構造を含む領域を優先するためにセマンティック報酬関数が導入され、UAVはより高い情報値を持つ領域に集中することができる。
複数のシミュレーション環境における実験結果から,提案手法は90%から94%の探査範囲を達成できることが示された。
論文 参考訳（メタデータ） (2026-06-21T21:07:40Z) - WildOS: Open-Vocabulary Object Search in the Wild [12.098091049832965]
この研究は、長距離でオープンなオブジェクト検索のための統一システムWildOSを提示する。
基礎モデルに基づく視覚モジュール ExploRFM を用いて、グラフのフロンティアノードをスコアリングする。
また、オープン語彙ターゲットクエリの粗い局所化のための粒子フィルタに基づく手法も導入する。
論文 参考訳（メタデータ） (2026-02-22T19:14:00Z) - Scout-Rover cooperation: online terrain strength mapping and traversal risk estimation for planetary-analog explorations [10.052329093064552]
我々は,足と車輪のハイブリッドチームを用いて,そのような地形への安全なアクセスを拡大するスカウトローバー協調フレームワークを提案する。
高移動度脚付きロボットは移動スカウトとして機能し、脚と脚の相互作用を用いて移動中のリゴリス強度を推定する。
我々は、NASA Ames Lunar Simulant TestbedとWhite Sands Dune Fieldの類似ミッションを通じて、このフレームワークを検証する。
論文 参考訳（メタデータ） (2026-02-21T01:41:40Z) - Traversability Aware Autonomous Navigation for Multi-Modal Mobility Morphobot (M4) [0.0]
この論文は、M4ロボットプラットフォームのためのトラバーサビリティ対応ナビゲーションフレームワークを提示する。
CNNベースのモデルが標高マップを処理し、走行可能性スコアを推定し、経路計画のためのナビゲーションコストに変換する。
カスタムのA*プランナーは、これらのコストを幾何学的距離とエネルギー消費と組み合わせて、貿易の適度な距離が増加する経路を見つける。
論文 参考訳（メタデータ） (2025-12-07T17:28:34Z) - How Does It Feel? Self-Supervised Costmap Learning for Off-Road Vehicle
Traversability [7.305104984234086]
オフロード環境における地形の移動性の推定には、ロボットとこれらの地形の間の複雑な相互作用のダイナミクスを推論する必要がある。
本研究では,外外環境情報と固有地形相互作用フィードバックを組み合わせることで,トラバーサビリティのコストマップを予測する手法を提案する。
論文 参考訳（メタデータ） (2022-09-22T05:18:35Z) - Incremental 3D Scene Completion for Safe and Efficient Exploration
Mapping and Planning [60.599223456298915]
本研究では,情報,安全,解釈可能な地図作成と計画に3次元シーン補完を活用することによって,深層学習を探索に統合する新しい手法を提案する。
本手法は,地図の精度を最小限に抑えることで,ベースラインに比べて環境のカバレッジを73%高速化できることを示す。
最終地図にシーン完了が含まれていなくても、ロボットがより情報的な経路を選択するように誘導し、ロボットのセンサーでシーンの測定を35%高速化できることが示される。
論文 参考訳（メタデータ） (2022-08-17T14:19:33Z) - ViKiNG: Vision-Based Kilometer-Scale Navigation with Geographic Hints [94.60414567852536]
長距離航法には、計画と局所的な移動可能性の推論の両方が必要である。
学習と計画を統合する学習に基づくアプローチを提案する。
ViKiNGは、画像ベースの学習コントローラを利用できる。
論文 参考訳（メタデータ） (2022-02-23T02:14:23Z) - Rapid Exploration for Open-World Navigation with Latent Goal Models [78.45339342966196]
多様なオープンワールド環境における自律的な探索とナビゲーションのためのロボット学習システムについて述べる。
本手法のコアとなるのは、画像の非パラメトリックトポロジカルメモリとともに、距離と行動の学習された潜在変数モデルである。
学習方針を規則化するために情報ボトルネックを使用し、(i)目標のコンパクトな視覚的表現、(ii)一般化能力の向上、(iii)探索のための実行可能な目標をサンプリングするためのメカニズムを提供する。
論文 参考訳（メタデータ） (2021-04-12T23:14:41Z) - Occupancy Anticipation for Efficient Exploration and Navigation [97.17517060585875]
そこで我々は,エージェントが自我中心のRGB-D観測を用いて,その占有状態を可視領域を超えて推定する,占有予測を提案する。
エゴセントリックなビューとトップダウンマップの両方でコンテキストを活用することで、私たちのモデルは環境のより広いマップを予測できます。
われわれのアプローチは、2020 Habitat PointNav Challengeの優勝だ。
論文 参考訳（メタデータ） (2020-08-21T03:16:51Z) - Learning to Move with Affordance Maps [57.198806691838364]
物理的な空間を自律的に探索し、ナビゲートする能力は、事実上あらゆる移動型自律エージェントの基本的な要件である。
従来のSLAMベースの探索とナビゲーションのアプローチは、主にシーン幾何学の活用に重点を置いている。
学習可能な余剰マップは探索と航法の両方において従来のアプローチの強化に利用でき、性能が大幅に向上することを示します。
論文 参考訳（メタデータ） (2020-01-08T04:05:11Z)
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。