論文の概要: Enhancing Robotic Perception and Adaptability through Sensor Fusion and Origami-Inspired Designs
- arxiv url: http://arxiv.org/abs/2610.09828v1
- Date: Wed, 07 Oct 2026 10:50:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 21:58:22.859127
- Title: Enhancing Robotic Perception and Adaptability through Sensor Fusion and Origami-Inspired Designs
- Title（参考訳）: センサフュージョンと折り紙インスパイアデザインによるロボットの知覚と適応性の向上
- Abstract要約: 本稿では,折り紙に触発された車輪を移動させる小型移動ロボットについて述べる。
車輪が地形に適応する形状の間を移動すると、変化するシャシーピッチは中間の高度で2D LiDARを掃除する。
IMUはシャシーの姿勢を説明し、融合ノードプロジェクトLiDARはRTAB-Mapに供給されたRGB-D深度ストリームに戻る。
- 参考スコア（独自算出の注目度）: 2.317704243577443
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Compact mobile robots must recover scene geometry under changing lighting and surface texture while working within tight payload and cost limits. We present a compact mobile robot that uses origami-inspired wheels for locomotion and active control of its sensing geometry. As the wheels move between terrain-adaptive configurations, the changing chassis pitch sweeps a 2D LiDAR through intermediate elevations; held wheel positions provide a chosen viewing angle. An IMU accounts for chassis attitude, and a fusion node projects LiDAR returns into the RGB-D depth stream supplied to RTAB-Map. The arrangement uses the wheel actuation already present on a sub-300 USD, sub-2 kg prototype to extend the scanner's viewing geometry. We assess depth fusion in a textureless indoor corridor and an outdoor sunlit area, with three runs per sensor configuration in each setting. Mean full-frame invalid-depth fractions fell from 21% to 11% indoors and from 48% to 18% outdoors. The prototype combines improved depth coverage with a continuously adjustable LiDAR viewpoint using the same actuation that reconfigures its wheels.
- Abstract（参考訳）: 小型の移動ロボットは、厳重なペイロードとコスト制限の中で作業しながら、照明と表面テクスチャを変化させてシーンの形状を復元する必要がある。
本稿では,折り紙に触発された車輪を移動させる小型移動ロボットについて述べる。
車輪が地形に適応する形状の間を移動すると、変化するシャシーピッチは中間の高度で2D LiDARを掃除する。
IMUはシャシーの姿勢を説明し、融合ノードプロジェクトLiDARはRTAB-Mapに供給されたRGB-D深度ストリームに戻る。
この配置は、既に300 USD、サブ-2 kgの試作機に存在している車輪の作動を利用して、スキャナーの視界を拡大する。
室内のテクスチャのない廊下と屋外のサンライトエリアにおける深度融合の評価を行い,各設定毎に3回のセンサ設定を行った。
フルフレームの無効深度の割合は、屋内では21%から11%、屋外では48%から18%に低下した。
試作機は、改良された深度範囲と連続的に調整可能なLiDAR視点を、車輪を再構成するのと同じアクチュエータを使って組み合わせている。
関連論文リスト
- Robot-Body-Aware Traversal Risk Graph Planning for Wheeled-Legged Robots in Complex Terrain [1.9384419867620368]
トラバースリスクグラフ(TRG)は、グローバルナビゲーションのためのコンパクトな表現を提供するが、ネイティブTRGコストは円形ノード近傍で計算される。
本稿では,狭いTRG表現の上に構築されたロボット・ボディー・アウェア・TRG計画(RB-TRG)について述べる。
論文 参考訳（メタデータ） (2026-08-17T11:33:06Z) - Talk2Sensors: 3D Visual Grounding in Autonomous Driving via Sensor-Adaptive Physical Cue Matching [66.91228384649921]
Talk2Sensorsは、カメラ、LiDAR、および4Dレーダ上に構築された最初のマルチセンサ3Dビジュアルグラウンドデータセットである。
本稿では,自動走行における言語誘導型3次元視覚グラウンドのためのトランスフォーマーベースの統合フレームワークTSFormerを提案する。
論文 参考訳（メタデータ） (2026-08-05T07:58:35Z) - Robostral Navigate [138.74472687550374]
Robostral Navigateは、大規模なナビゲーションシステムのための視覚言語モデルである。
モノラルなRGB画像のストリームのみを消費し、現在のカメラビューの次のターゲット位置を指して、ウェイポイントを予測する。
我々は、実世界のデータ収集への依存を減らすため、350kのシミュレートされたシーンに240万のトラジェクトリを生成します。
論文 参考訳（メタデータ） (2026-07-22T23:13:05Z) - Drive-Through 3D Vehicle Exterior Reconstruction via Dynamic-Scene SfM and Distortion-Aware Gaussian Splatting [16.30721514005399]
自動車外装の高忠実な3D再構築は、オンライン自動車市場における購入者の信頼を高める。
これらのモデルを散らかしたディーラードライブスルーで生成することは、深刻な技術的課題をもたらす。
2ピラーカメラリグを用いたエンドツーエンドパイプラインを提案する。
論文 参考訳（メタデータ） (2026-03-27T17:42:42Z) - RPL: Learning Robust Humanoid Perceptive Locomotion on Challenging Terrains [53.674116167774095]
本研究では,挑戦的な地形上での多方向移動を可能にする2段階トレーニングフレームワークを提案する。
RPLは、高度マップの観察を特権化した専門家のポリシーを訓練し、分離された移動と操作のスキルを習得する。
次に、複数の深度カメラを活用して広い視野をカバーできるトランスフォーマーポリシーを作成します。
スケーラブルな深度蒸留のために、動的ロボットメッシュと静的な地形メッシュの両方に対してレイキャストを行う効率的なマルチ深度システムを開発した。
論文 参考訳（メタデータ） (2026-02-03T02:17:08Z) - ParkingTwin: Training-Free Streaming 3D Reconstruction for Parking-Lot Digital Twins [8.681741531117366]
ParkingTwinは、オンラインストリーミング3D再構築のためのトレーニング不要で軽量なシステムである。
エントリーレベルのGTX 1660では30FPS以上で動作する。
論文 参考訳（メタデータ） (2026-01-20T08:03:58Z) - AGC-Drive: A Large-Scale Dataset for Real-World Aerial-Ground Collaboration in Driving Scenarios [68.84774511206797]
AGC-DriveはAerial-Ground Cooperativeの3D知覚のための最初の大規模実世界のデータセットである。
AGC-Driveには350のシーンがあり、それぞれ約100のフレームと13のオブジェクトカテゴリをカバーする完全な注釈付き3Dバウンディングボックスがある。
車両間協調認識と車両間協調認識の2つの3次元タスクのベンチマークを提供する。
論文 参考訳（メタデータ） (2025-06-19T14:48:43Z) - LiCROcc: Teach Radar for Accurate Semantic Occupancy Prediction using LiDAR and Camera [22.974481709303927]
3Dレーダーは、自動運転アプリケーションにおけるLiDARを徐々に置き換えている。
我々は,点雲と画像の融合フレームワークを実現するために,BEVに3段階の密接な融合手法を提案する。
提案手法はレーダー専用(R-LiCROcc)とレーダーカメラ(RC-LiCROcc)の両方での性能を向上させる。
論文 参考訳（メタデータ） (2024-07-23T05:53:05Z) - Talk2Radar: Bridging Natural Language with 4D mmWave Radar for 3D Referring Expression Comprehension [21.598751853520834]
4Dミリ波レーダは従来のレーダよりも密度の高い点雲を提供し、オブジェクトの意味的および物理的特性の両方を知覚する。
3次元視覚接地のためのレーダシーンにおける自然言語による文脈理解の開発を促進するため,最初のデータセットTalk2Radarを構築した。
本研究では,ポイントクラウド上での3次元参照表現のための新しいモデルであるT-RadarNetを提案し,Talk2Radarデータセット上でのステートオフ・ザ・アート(SOTA)性能を実現する。
論文 参考訳（メタデータ） (2024-05-21T14:26:36Z) - VAPOR: Legged Robot Navigation in Outdoor Vegetation Using Offline
Reinforcement Learning [53.13393315664145]
本研究では,非構造で密集した屋外環境における自律脚ロボットナビゲーションのための新しい手法であるVAPORを提案する。
本手法は,アクター・クリティカル・ネットワークと実際の屋外植生で収集された任意のデータを用いて,新しいRLポリシーを訓練する。
VAPORの動作は成功率を最大40%向上させ、平均電流消費量を最大2.9%削減し、正規化軌道長を最大11.2%削減する。
論文 参考訳（メタデータ） (2023-09-14T16:21:27Z) - PC-DAN: Point Cloud based Deep Affinity Network for 3D Multi-Object
Tracking (Accepted as an extended abstract in JRDB-ACT Workshop at CVPR21) [68.12101204123422]
点雲は3次元座標における空間データの密集したコンパイルである。
我々は3次元多目的追跡(MOT)のためのPointNetベースのアプローチを提案する。
論文 参考訳（メタデータ） (2021-06-03T05:36:39Z)
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。