論文の概要: CMP-IRRT*: A Perception-Assisted Height-Adaptive Planner for Quadruped Robots

• arxiv url: http://arxiv.org/abs/2610.10470v1
• Date: Wed, 07 Oct 2026 17:33:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:23.078094
• Title: CMP-IRRT*: A Perception-Assisted Height-Adaptive Planner for Quadruped Robots
• Title（参考訳）: CMP-IRRT*:四足歩行ロボットの知覚支援ハイト適応プランナ
• Abstract要約: 本稿では,CMP-IRRT*に基づく高度適応計画フレームワークを提案する。 CMP-IRRT*は、古典的およびニューラルネットワークによるベースラインと比較して探索ノードと反復を減少させる。 構築されたトラバーサビリティ対応シナリオでは、低障害物がトラバーサビリティの場合にパス長を最大16.3%削減する。
• 参考スコア（独自算出の注目度）: 4.812090867682897
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quadruped robots can traverse low obstacles, but many 2D planning pipelines still model obstacles as binary occupied regions and rely on sampling-based search that can be inefficient under a limited budget. We propose a perception-assisted height-adaptive planning framework based on CMP-IRRT*, a Channel Mamba PointNet-guided Informed RRT* planner. Given a calibrated top-view RGB observation, the perception module estimates obstacle regions and converts depth predictions into a ground-relative height map. The planner then performs height-conditioned collision checking, treating high obstacles as blocked while allowing low obstacles to be traversed, and uses the CMP guide to bias sampling toward promising regions while retaining standard free-space and informed sampling fallbacks. Experiments on 2D planning benchmarks show that CMP-IRRT* reduces explored nodes and iterations compared with classical and neural-guided baselines, and a controlled ablation supports the contribution of the Mamba-based guide. In constructed traversability-aware scenarios, the proposed planner reduces path length by up to 16.3% when low obstacles are traversable, and a Unitree Go2 demonstration further shows executable bypassing and traversal behaviors. Our code is publicly available at https://github.com/MingfanZhao/height-adaptive-planner.
• Abstract（参考訳）: 四足歩行ロボットは低い障害物を横切ることができるが、多くの2D計画パイプラインは依然として障害物をバイナリ占有領域としてモデル化し、限られた予算で非効率なサンプリングベースの探索に依存している。 本稿では,CMP-IRRT*(Channel Mamba PointNet-guided Informed RRT* Planner)に基づく高位適応計画フレームワークを提案する。 補正されたトップビューRGB観測により、知覚モジュールは障害物領域を推定し、深さ予測を地上相対高さマップに変換する。 プランナーは、高度条件の衝突チェックを行い、高い障害物を遮断として処理し、低障害を回避し、CMPガイドを使用して、標準の自由空間を維持し、サンプリングフォールバックを通知しながら、有望な領域への偏差サンプリングを行う。 2D計画ベンチマークの実験では、CMP-IRRT*は古典的およびニューラル誘導ベースラインと比較して探索されたノードとイテレーションを削減し、制御されたアブレーションはマンバベースのガイドの寄与をサポートする。 構築されたトラバーサビリティ対応シナリオでは,低障害時のパス長を最大16.3%削減し,Unitree Go2デモではさらに,実行可能なバイパス動作とトラバーサル動作を示す。 私たちのコードはhttps://github.com/MingfanZhao/height-adaptive-planner.comで公開されています。

関連論文リスト

• Embodied-Navigator: Point, Think, Memorize, and Align for Efficient Navigation [68.02899606570223]
  本稿では,効率的なエンボディナビゲーションのための統合フレームワークであるTAMP-Navを提案する。 まず、ナビゲーションを2次元の視覚座標に再構成するPixel-to-3D Action Formulation(Point)を導入する。 次に,Selective Reasoning and Anchor-Trajectory Memory Mechanism (Think and Memorize)を提案する。
  論文  参考訳（メタデータ） (2026-08-18T08:37:08Z)
• Explore From Sketch: Accelerating UAV Exploration in Large-scale Environments with Prior Maps [20.559950853029]
  本稿では,LiDARをベースとしたUAV探査において,スパース,アンアライメント,さらには2次元事前地図の離散化を生かした新しい探索フレームワークを提案する。 ベンチマーク評価では、探査効率が34.2%向上し、飛行距離が37.9%減少した。
  論文  参考訳（メタデータ） (2026-06-10T06:30:29Z)
• PGTT: Phase-Guided Terrain Traversal for Perceptive Legged Locomotion [41.99844472131922]
  PGTT ( Phase-Guided Terrain Traversal) は、報酬形成を通じて歩行構造を純粋に強制する認識型ディープRLアプローチである。 MuJoCo(MJX)で、カリキュラムやドメインランダム化を伴う手続き的に生成された階段のような地形で訓練されたPGTTは、プッシュ障害の下で最も成功している。
  論文  参考訳（メタデータ） (2025-10-21T07:00:18Z)
• Tree-Guided Diffusion Planner [31.664192839205608]
  事前訓練された拡散を伴う計画がテストタイム誘導制御問題に対する有望なアプローチとして浮上した。 本研究では、構造化軌道生成による探索と利用のバランスをとるゼロ時間テストタイム計画フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-29T17:27:44Z)
• Unified Linear Parametric Map Modeling and Perception-aware Trajectory Planning for Mobile Robotics [1.7495208770207367]
  本稿では,高次元空間にデータをマッピングする軽量な線形パラメトリックマップを提案する。 UAVでは,Euclidean Signed Distance Field (ESDF) マップを用いた。 UGVでは、モデルは地形を特徴づけ、クローズドフォーム勾配を提供し、オンラインプランニングによって大きな穴を回避できる。
  論文  参考訳（メタデータ） (2025-07-12T16:39:19Z)
• SCoTT: Strategic Chain-of-Thought Tasking for Wireless-Aware Robot Navigation in Digital Twins [78.53885607559958]
  無線対応経路計画フレームワークであるSCoTTを提案する。 SCoTT は DP-WA* の2% 以内で経路ゲインを達成し, 連続的に短い軌道を生成できることを示す。 また,ガゼボシミュレーションにおいて,SCoTTをROSノードとして配置することにより,本手法の実用性を示す。
  論文  参考訳（メタデータ） (2024-11-27T10:45:49Z)
• Deep Metric Learning for Unsupervised Remote Sensing Change Detection [60.89777029184023]
  リモートセンシング変化検出(RS-CD)は、マルチテンポラルリモートセンシング画像(MT-RSI)から関連する変化を検出することを目的とする。 既存のRS-CD法の性能は、大規模な注釈付きデータセットのトレーニングによるものである。 本稿では,これらの問題に対処可能なディープメトリック学習に基づく教師なしCD手法を提案する。
  論文  参考訳（メタデータ） (2023-03-16T17:52:45Z)
• Robust Long-Term Object Tracking via Improved Discriminative Model Prediction [77.72450371348016]
  本稿では,事前学習した短期トラッカーをベースとした,堅牢な長期追跡のための識別モデル予測手法を提案する。 提案手法は,最先端の長期トラッカーに匹敵する性能を実現する。
  論文  参考訳（メタデータ） (2020-08-11T14:31:11Z)
• Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
  本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。 我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。 本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
  論文  参考訳（メタデータ） (2020-07-28T07:34:30Z)

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。