Fugu-MT 論文翻訳(概要): Fast and Robust Teach-and-Repeat Navigation Using MixVPR Visual Place Recognition*

論文の概要: Fast and Robust Teach-and-Repeat Navigation Using MixVPR Visual Place Recognition*

arxiv url: http://arxiv.org/abs/2610.09631v1
Date: Wed, 07 Oct 2026 08:06:54 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-08 21:58:22.79171
Title: Fast and Robust Teach-and-Repeat Navigation Using MixVPR Visual Place Recognition*
Title（参考訳）: MixVPRビジュアルプレース認識を用いた高速かつロバストなTeach-and-Repeatナビゲーション*
Abstract要約: 本研究は,現代の視覚的位置認識手法であるMixVPRをベースに構築された,新規で効率的な指導・更新システムを提案する。実際のテストでは、屋内と屋外の両方で運用できることを示し、他の最先端システムに匹敵する堅牢性と航法精度を実現した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Teach-and-repeat navigation systems employing advanced visual place recognition techniques for localization exhibit key attributes for long-term mobile robot navigation, such as the ability to operate in unstructured and dynamic environments. However, existing solutions based on deep-learning techniques are computationally demanding, limiting their applicability. This work introduces a novel and efficient teach-and-repeat system built on the modern visual place recognition method MixVPR. Real-world testing demonstrated its ability to operate both indoors and outdoors, achieving robustness and navigation precision comparable to other state-of-the-art systems. In addition, its lower hardware requirements make it suitable for a wide range of robotic platforms and practical applications.
Abstract（参考訳）: ローカライゼーションに先進的な視覚的位置認識技術を用いたTeach-and-peatナビゲーションシステムは、非構造化環境や動的環境での操作など、長期移動ロボットナビゲーションにおいて重要な特性を示す。しかし、ディープラーニング技術に基づく既存のソリューションは、その適用性を制限し、計算的に要求されている。本研究は,現代の視覚的位置認識手法であるMixVPRをベースに構築された,新規で効率的な指導・更新システムを提案する。実際のテストでは、屋内と屋外の両方で運用できることを示し、他の最先端システムに匹敵する堅牢性と航法精度を実現した。さらに、ハードウェア要件の低いため、幅広いロボットプラットフォームや実用用途に適している。

関連論文リスト

History-Conditioned Spatio-Temporal Visual Token Pruning for Efficient Vision-Language Navigation [18.716145266309802]
Vision-Language Navigation (LNV)は、ロボットが視覚的に接地された環境で自然言語の指示に従うことを可能にする。近年のVision-Language-Action-Modelでは,ナビゲーション性能は高いが,リアルタイムデプロイメントを制限している計算遅延は大きい。 VLNベースのVLNに適した学習自由な視覚言語フレームワークを提案する。
論文参考訳（メタデータ） (2026-03-06T17:03:16Z)
OpenFrontier: General Navigation with Visual-Language Grounded Frontiers [54.661157616245966]
オープンワールドナビゲーションでは、複雑な日常環境においてロボットが意思決定を行う必要がある。近年の視覚-言語ナビゲーション(VLN)と視覚-言語-アクション(VLA)モデルは、自然言語で条件付けられたエンドツーエンドのポリシーを実現する。多様な視覚をシームレスに統合するトレーニングフリーナビゲーションフレームワークであるOpenFrontierを提案する。
論文参考訳（メタデータ） (2026-03-05T17:02:22Z)
Multi-Platform Teach-and-Repeat Navigation by Visual Place Recognition Based on Deep-Learned Local Features [0.0]
この研究は、視覚的位置認識技術に基づくシステムに革新的な解決策をもたらす。外観に基づくナビゲーション手法の実験的なテストのための新しい公開データセットが導入された。結果は、新しいシステムがいくつかのテストシナリオで既存のメソッドより優れていることを確認した。
論文参考訳（メタデータ） (2025-03-17T11:57:41Z)
DRIFT: Deep Reinforcement Learning for Intelligent Floating Platforms Trajectories [18.420795137038677]
フローティングプラットフォームは、地球上の微小重力環境をエミュレートするための多用途テストベッドとして機能する。私たちのスイートは、シミュレーションから現実への堅牢性、適応性、優れた転送性を実現します。
論文参考訳（メタデータ） (2023-10-06T14:11:35Z)
Real-time Vision-based Navigation for a Robot in an Indoor Environment [0.0]
このシステムは、視覚に基づく技術と高度な経路計画アルゴリズムを利用して、障害物を避けながらロボットが目的地に向かって移動できるようにする。この知見は、屋内ロボットナビゲーションの進歩に寄与し、リアルタイムで自律的なナビゲーションのための視覚ベースの技術の可能性を示している。
論文参考訳（メタデータ） (2023-07-02T21:01:56Z)
Polyline Based Generative Navigable Space Segmentation for Autonomous Visual Navigation [57.3062528453841]
ロボットが教師なしの方法で移動可能な空間分割を学習できるようにするための表現学習ベースのフレームワークを提案する。提案するPSV-Netは,単一のラベルを使わずとも,高精度で視覚ナビゲーション可能な空間を学習可能であることを示す。
論文参考訳（メタデータ） (2021-10-29T19:50:48Z)
ReLMM: Practical RL for Learning Mobile Manipulation Skills Using Only Onboard Sensors [64.2809875343854]
ロボットは、ナビゲーションと把握の組み合わせを必要とするスキルを自律的に学習する方法について研究する。我々のシステムであるReLMMは、環境機器を使わずに、現実世界のプラットフォームで継続的に学習することができる。グラウンドカリキュラムトレーニングフェーズの後、ReLMMは、現実世界のトレーニングの約40時間で、ナビゲーションと完全に自動的なグリップを学習できる。
論文参考訳（メタデータ） (2021-07-28T17:59:41Z)
Simultaneous Navigation and Construction Benchmarking Environments [73.0706832393065]
モバイル構築のためのインテリジェントなロボット、環境をナビゲートし、幾何学的設計に従ってその構造を変更するプロセスが必要です。このタスクでは、ロボットのビジョンと学習の大きな課題は、GPSなしでデザインを正確に達成する方法です。我々は,手工芸政策の性能を,基礎的なローカライゼーションと計画,最先端の深層強化学習手法を用いて評価した。
論文参考訳（メタデータ） (2021-03-31T00:05:54Z)
ViNG: Learning Open-World Navigation with Visual Goals [82.84193221280216]
視覚的目標達成のための学習に基づくナビゲーションシステムを提案する。提案手法は,我々がvingと呼ぶシステムが,目標条件強化学習のための提案手法を上回っていることを示す。我々は、ラストマイル配送や倉庫検査など、現実の多くのアプリケーションでViNGを実演する。
論文参考訳（メタデータ） (2020-12-17T18:22:32Z)
Robot Perception enables Complex Navigation Behavior via Self-Supervised Learning [23.54696982881734]
本稿では、強化学習(RL)によるアクティブな目標駆動ナビゲーションタスクのためのロボット認識システムの統合手法を提案する。提案手法は,1つの画像列から直接自己スーパービジョンを用いて得られる,コンパクトな動きと視覚知覚データを時間的に組み込む。我々は,新しいインタラクティブなCityLearnフレームワークを用いて,実世界の運転データセットであるKITTIとOxford RobotCarのアプローチを実証した。
論文参考訳（メタデータ） (2020-06-16T07:45:47Z)
APPLD: Adaptive Planner Parameter Learning from Demonstration [48.63930323392909]
本稿では,既存のナビゲーションシステムを新しい複雑な環境に適用可能な,適応プランナー学習(Adaptive Planner Learning from Demonstration)のAPPLDを紹介する。 APPLDは異なる環境で異なるナビゲーションシステムを実行する2つのロボットで検証されている。実験結果から,APPLDはナビゲーションシステムよりも,デフォルトパラメータや専門家パラメータ,さらには人間実証者自体よりも優れていることが示された。
論文参考訳（メタデータ） (2020-03-31T21:15:16Z)

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。