論文の概要: Reactive Exploration of Unknown Environments for Redundant Robots using Virtual Model Control

• arxiv url: http://arxiv.org/abs/2610.08110v1
• Date: Tue, 06 Oct 2026 10:33:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.938195
• Title: Reactive Exploration of Unknown Environments for Redundant Robots using Virtual Model Control
• Title（参考訳）: 仮想モデル制御を用いた冗長ロボットの未知環境の反応性探索
• Abstract要約: 眼内カメラ構成の冗長なロボットアームに対するアクティブな探索手法を提案する。 提案手法は,新しいスコアリング手法に基づいて,リアルタイムに情報を取得し,探索する。 ロボットをターゲットのボクセルに向けて安全に移動させるために,仮想モデル制御を利用する。
• 参考スコア（独自算出の注目度）: 39.146761527401424
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The exploration of confined, occluded, and partially known spaces poses significant challenges in robotic manipulation. The overall pose of the robotic arm must be carefully controlled to respect tight geometric constraints while avoiding newly discovered obstacles. We address this problem by proposing an active exploration approach for redundant robotic arms with an eye-in-hand camera configuration. Our approach navigates and acquires information in real-time based on a novel scoring method that directly selects a target voxel from the unexplored space using the robot's current state and expected information gain. To move the robot safely toward the target voxel, we utilize Virtual Model Control, which guarantees compliance and enables whole-body reactive obstacle avoidance without the need for path replanning. Simulated and real-robot experiments in both confined and open environments demonstrate the effectiveness of our approach, achieving over $90\%$ mapping coverage across all tested environments in under $120$ seconds without colliding with obstacles.
• Abstract（参考訳）: 閉じ込められた、隠された、そして部分的に知られている空間の探索は、ロボット操作において大きな課題となる。 ロボットアームの全体的な姿勢は、新たに発見された障害物を避けながら、厳密な幾何学的制約を尊重するために慎重に制御されなければならない。 我々は、眼内カメラ構成による冗長なロボットアームの積極的な探索手法を提案することにより、この問題に対処する。 提案手法は,ロボットの現在状態と期待情報を利用して,探索されていない空間から対象のボクセルを直接選択する新たなスコアリング手法に基づいて,リアルタイムで情報を取得し,取得する。 ロボットがターゲットのボクセルに向かって安全に移動するためには、仮想モデル制御を用い、コンプライアンスを保証し、経路変更を必要とせず、全身の反応性障害物回避を可能にする。 制限された環境とオープン環境の両方でのシミュレーションおよび実ロボット実験は、我々のアプローチの有効性を示し、障害と衝突することなく、テスト対象のすべての環境を120ドル以下で、90セント以上のマッピングカバレッジを実現した。

関連論文リスト

• Simulation-Informed Diffusion for Decentralized Multi-robot Motion Planning [56.240199425429445]
  マルチロボットモーションプランニングでは、各ロボットが局所的な観測から衝突のない軌道を生成する必要がある。 既存のほとんどのプランナは、ローカル観測の静的スナップショットからトラジェクトリを生成する。 本稿では,制約対応拡散モデルに基づく分散フレームワークであるSimulation-Informed Diffusion (SID)を紹介する。
  論文  参考訳（メタデータ） (2026-05-26T21:17:53Z)
• Sight Over Site: Perception-Aware Reinforcement Learning for Efficient Robotic Inspection [57.37596278863949]
  本研究では,認識・認識の観点からの検査を再考する。 本稿では,目標視認性を主目的とするエンドツーエンド強化学習フレームワークを提案する。 提案手法は,既存の古典的および学習的ナビゲーション手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-09-22T15:14:02Z)
• Piggyback Camera: Easy-to-Deploy Visual Surveillance by Mobile Sensing on Commercial Robot Vacuums [7.566713416204861]
  Piggyback Cameraは、商用のロボット掃除機を使った視覚監視システムである。 弊社のアプローチでは、カメラと慣性測定ユニット(IMU)を内蔵したスマートフォンをロボットに搭載し、ハードウェアを改造せずに商用ロボットに適用する。
  論文  参考訳（メタデータ） (2025-07-07T11:52:45Z)
• Exploring the Adversarial Vulnerabilities of Vision-Language-Action Models in Robotics [68.36528819227641]
  本稿では,ビジョン・ランゲージ・アクション(VLA)モデルのロバスト性を体系的に評価する。 本研究では,ロボット行動の不安定化に空間的基盤を活用する2つの未目標攻撃目標と,ロボット軌道を操作する目標攻撃目標を導入する。 我々は、カメラの視野に小さなカラフルなパッチを配置し、デジタルと物理の両方の環境で効果的に攻撃を実行する逆パッチ生成アプローチを設計する。
  論文  参考訳（メタデータ） (2024-11-18T01:52:20Z)
• Learning Vision-based Pursuit-Evasion Robot Policies [54.52536214251999]
  我々は、部分的に観察可能なロボットの監督を生成する完全観測可能なロボットポリシーを開発する。 我々は、RGB-Dカメラを搭載した4足歩行ロボットに、野生での追従回避のインタラクションにポリシーを展開させる。
  論文  参考訳（メタデータ） (2023-08-30T17:59:05Z)
• Safe reinforcement learning of dynamic high-dimensional robotic tasks: navigation, manipulation, interaction [31.553783147007177]
  強化学習では、損傷を起こさない環境を探索する上で、安全はより基本的なものである。 本稿では,各種ロボット作業の強化学習のための安全探索の新たな定式化について紹介する。 我々のアプローチは、幅広い種類のロボットプラットフォームに適用され、データから学んだ複雑な衝突制約の下でも安全を強制する。
  論文  参考訳（メタデータ） (2022-09-27T11:23:49Z)
• Robot Active Neural Sensing and Planning in Unknown Cluttered Environments [0.0]
  未知の乱雑な環境でのアクティブなセンシングと計画は、ホームサービス、探索と救助、狭い通行検査、医療支援を提供するロボットにとって、オープンな課題である。 本研究は,ロボットマニピュレータの動力学的に実現可能な視点列を手動カメラで生成し,基礎環境の再構築に必要な観測回数を最小化するための能動型ニューラルセンシング手法を提案する。 我々のフレームワークは視覚的RGBD観測を積極的に収集し、それらをシーン表現に集約し、環境との不要なロボットの相互作用を避けるためにオブジェクト形状推論を行う。
  論文  参考訳（メタデータ） (2022-08-23T16:56:54Z)
• SERA: Safe and Efficient Reactive Obstacle Avoidance for Collaborative Robotic Planning in Unstructured Environments [1.5229257192293197]
  本稿では,リアクティブな全身障害物回避手法を提案する。 ロボットアームは、直接接触することなく、任意の3次元形状の障害物を積極的に回避することができる。 本手法は,非定常環境における安全ロボット協調のための堅牢で効果的なソリューションを提供する。
  論文  参考訳（メタデータ） (2022-03-24T21:11:43Z)
• SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
  我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。 モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。 リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。 ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
  論文  参考訳（メタデータ） (2021-08-03T02:56:21Z)

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。