論文の概要: Occlusion-Aware, Quasi-Static, Stability-Oriented Trajectory Planning on Uneven Terrain
- arxiv url: http://arxiv.org/abs/2609.39105v1
- Date: Wed, 30 Sep 2026 06:43:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:27.29339
- Title: Occlusion-Aware, Quasi-Static, Stability-Oriented Trajectory Planning on Uneven Terrain
- Title（参考訳）: 不均一地形におけるオークルージョン・アウェア, 準静的, 安定性指向軌道計画
- Abstract要約: 本研究では, 剛体非整形四輪車に対する安定性指向の基準軌道を生成するためのモデルベースフレームワークを提案する。
固定機能フーリエ表現における被覆による不確実性として地形閉塞に起因する盲点をモデル化する。
地形整合を温めるフローマッチングモデルを導入し,その整合性-整合性-遅延トレードオフを評価する。
- 参考スコア（独自算出の注目度）: 9.479657709942812
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Autonomous navigation in unstructured off-road environments requires reasoning about both vehicle--terrain interaction and environmental unknowns. We propose a model-based framework for generating quasi-static, stability-oriented reference trajectories for rigid, non-articulated four-wheeled vehicles on highly uneven terrain. Our work makes three primary contributions. First, we model blind spots caused by terrain occlusion as coverage-induced epistemic uncertainty in a fixed-feature Fourier terrain representation, quantified through a regularized inverse-Hessian estimate. Second, we propagate this uncertainty through the Nonlinear Least-Squares (NLS) pose/contact model using implicit differentiation and incorporate the resulting pose, contact-point, and per-wheel surface-normal uncertainty terms into trajectory optimization based on the Cross-Entropy Method (CEM). Third, we introduce a Flow Matching model that warm-starts terrain fitting, and we evaluate its fitting-accuracy--latency trade-off while retaining model-based refinement. Across six synthetic terrains with 30 matched start--goal pairs per terrain, the complete framework produced an observed failure rate of 18.9%, compared with 46.1% and 41.7% for two representative baselines and 34.4% for an ablation that removed the propagated-uncertainty scoring. Hardware evaluations span six distinct outdoor environments, with two representative executions presented in the paper and four additional executions included in the supplementary video. The evaluation also reports the accuracy--latency trade-off for the Flow Matching warm start.
- Abstract（参考訳）: 未構造化のオフロード環境における自律的なナビゲーションには、車両間の相互作用と環境の未知を推論する必要がある。
不安定な地形上での剛性・非偏心四輪車に対する準静的・安定性指向の基準軌道を生成するためのモデルベースフレームワークを提案する。
私たちの仕事は3つの主要な貢献をする。
まず,固定機能フーリエ地形表現における包括的不確実性による地形閉塞による盲点のモデル化を行い,正則化逆ヘッセン推定を用いて定量化する。
第2に,非線型最小二乗法 (NLS) のポーズ/接触モデルを用いてこの不確かさを伝播させ,その結果のポーズ,接触点,および車輪面当たりの不確実性項をクロスエントロピー法 (CEM) に基づく軌道最適化に組み込む。
第3に,地形整合を温めるフローマッチングモデルを導入し,モデルベースの改良を維持しつつ,その整合性-遅延トレードオフを評価する。
地形ごとに30のスタートゴールペアが一致した6つの合成地形の中で、完全なフレームワークは18.9%の失敗率を示し、2つの代表的なベースラインが46.1%、41.7%、アブレーションが34.4%であった。
ハードウェア評価は、6つの異なる屋外環境にまたがっており、2つの代表的実行と4つの追加的な実行が補足ビデオに含まれる。
評価では、フローマッチングウォームスタートの精度-遅延トレードオフも報告している。
関連論文リスト
- GroundAnything: Reconciling Parallel Decoding with Precise Visual Grounding at Flash Speed [71.05944634852158]
GroundAnythingはブロックワイズによる正確なローカライゼーションで高速並列デコーディングを再構成する。
30のグラウンドベンチマークで、私たちの自己回帰型であるGroundAnything-VLMは、この技術の新たな全体的な状態を確立します。
エントロピー誘導復号法により、GroundAnythingは、この規模の芸術の先行状態を超越している。
論文 参考訳（メタデータ） (2026-09-30T12:20:51Z) - Transolver-$σ$: Joint Spectral-Physical Subspace Modeling for Neural PDE Solving [53.58729034895666]
Transolver-$は、結合スペクトル-物理部分空間モデリングに基づくニューラルPDEソルバである。
平均的な相対誤差を33.4%減らし、各基準に対して最強の基準線を上回り、最先端を達成している。
論文 参考訳（メタデータ） (2026-09-29T11:24:19Z) - GAUGE: Group-Wise View-Inconsistency Rectification for Feed-Forward 4D Tracking [48.91477882822122]
本稿では,GAUGE(Group-wise Adaptive Unsupervised Gauge Estimation)について述べる。
方向整合性と空間接続性から運動群を復元し、フレーム単位のラジアルスケールとグループレベルの変換を推定する。
D4RT, 4RC, SM4RTを含む8つのトラッカーの動的クエリポイントでは, 訂正されていない予測に対して, 終端誤差を15.1%から62.6%削減する。
論文 参考訳（メタデータ） (2026-09-26T13:14:53Z) - Real-World Perception for Autonomous Driving in Adverse Weather: Enhancing Standard Detectors via Foundation-Guided Auto-Annotation [85.80982230644206]
標準配置対応の自動運転車用物体検出器は、ドメイン固有のデータに基づいて訓練されることなく、悪天候や照明条件で劣化する。
アーキテクチャ変更を伴わずに標準検出器を強化する基礎誘導型自動アノテーションパイプラインを提案する。
論文 参考訳（メタデータ） (2026-09-22T00:17:45Z) - Guided Diffusion with Distilled Vision-Language Reliability for Aerial Navigation [2.186077977059593]
3次元UAVナビゲーションのための信頼性を考慮した拡散プランナを提案する。
これは、シーンレベルの信頼性ヒートマップとともに、観測上の軌道生成を条件付ける。
再訓練をせずに、目に見えない環境に一般化するため、2段階のESDFコストでデノナイズ処理を行う。
論文 参考訳（メタデータ） (2026-06-11T20:18:34Z) - Hierarchically Decoupled Mixture-of-Experts for Robust Traffic Sign Recognition in Complex Driving Scenarios [6.121863091287242]
CBDES MoE TSRは、交通信号認識のための階層的に分離されたヘテロジニアス混合物(MoE)フレームワークである。
ゲーティングモジュールは、入力画像の意味特性に基づいて、エキスパートプールから最も適したエキスパートモデルを選択的に活性化する。
実験結果から,本手法は検出精度と効率の相違が顕著であることがわかった。
論文 参考訳（メタデータ） (2026-06-01T07:39:44Z) - ResAD: Normalized Residual Trajectory Modeling for End-to-End Autonomous Driving [64.42138266293202]
ResADは正規化された残留軌道モデリングフレームワークである。
学習タスクを再編成し、慣性参照からの残留偏差を予測する。
NAVSIMベンチマークでは、ResADはバニラ拡散ポリシーを用いて最先端のPDMS 88.6を達成している。
論文 参考訳（メタデータ） (2025-10-09T17:59:36Z) - Generating Stable Placements via Physics-guided Diffusion Models [8.861433889320763]
オブジェクトを複数オブジェクトのシーンに安定に配置することは、ロボット操作の基本的な課題である。
本手法は,拡散モデルのサンプリングプロセスに直接安定性を統合する。
私たちの物理誘導モデルでは、強引な摂動に対して56%強固な配置を実現しています。
論文 参考訳（メタデータ） (2025-09-25T22:32:35Z) - 3DTTNet: Multimodal Fusion-Based 3D Traversable Terrain Modeling for Off-Road Environments [10.521569910467072]
オフロード環境は、自動運転車にとって重要な課題である。
本稿では,セマンティックシーンの完了によって,横断可能な領域認識を実現する。
3DTTNetと呼ばれる新しいマルチモーダル手法が提案されている。
論文 参考訳（メタデータ） (2024-12-11T08:36:36Z) - Uncertainty-Aware Adaptation for Self-Supervised 3D Human Pose
Estimation [70.32536356351706]
本稿では、2つの出力ヘッドを2つの異なる構成にサブスクライブする共通のディープネットワークバックボーンを構成するMPP-Netを紹介する。
ポーズと関節のレベルで予測の不確実性を定量化するための適切な尺度を導出する。
本稿では,提案手法の総合評価を行い,ベンチマークデータセット上での最先端性能を示す。
論文 参考訳（メタデータ） (2022-03-29T07:14:58Z)
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。