論文の概要: Toward Lunar Legged Robots: Field Deployment Lessons at LUNA

• arxiv url: http://arxiv.org/abs/2610.12276v1
• Date: Thu, 08 Oct 2026 16:37:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:54.186452
• Title: Toward Lunar Legged Robots: Field Deployment Lessons at LUNA
• Title（参考訳）: 月脚ロボットを目指して - LUNAにおけるフィールド展開の教訓-
• Abstract要約: 本稿は2025年のLUNAアナログキャンペーンで、四足歩行ロボットが緩やかなリゴリスシミュレーションとクレーターのような地形を横断したことを報告する。 四足歩行ロボットはリゴリスシミュレーションを横切ることができるが,その性能は沈み込みやすべり,塵の発生する接触,過剰露光,影,低テクスチャ領域による知覚障害の影響を受けている。
• 参考スコア（独自算出の注目度）: 6.399721893880407
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Legged robots are promising candidates for future lunar surface missions because they can traverse steep, loose, and obstacle-rich terrain that challenges conventional wheeled rovers. However, readiness for lunar deployment is limited by uncertainties in foot-regolith interaction, dust generation, illumination-driven perception degradation, and operational constraints. This paper reports lessons from the 2025 LUNA analogue campaign, where ANYmal-D and Magnecko traversed loose regolith simulant and crater-like terrain and collected long-horizon navigation and visual-inertial data under challenging lighting. We show that quadrupedal robots can traverse regolith simulant, but performance is affected by sinkage and slip, dust-generating contacts, and perception failures caused by overexposure, shadows, and low-texture regions. These results motivate tighter integration of regolith-aware locomotion policies, illumination-robust perception, repeatable analogue testing, and mission-level operational validation for future lunar legged robots.
• Abstract（参考訳）: 脚のあるロボットは、従来の車輪付きのローバーに挑戦する急勾配、緩み、障害物の多い地形を横切ることができるので、将来の月面ミッションの候補となるだろう。 しかし、月面展開の準備は、フット・リゴリス相互作用、塵の発生、照明駆動による知覚劣化、運用上の制約の不確実性によって制限される。 本稿は,ANYmal-DとMagneckoによる2025年のLUNAアナログキャンペーンの教訓を報告する。 四足歩行ロボットはリゴリスシミュレーションを横切ることができるが,その性能は沈み込みやすべり,塵の発生する接触,過剰露光,影,低テクスチャ領域による知覚障害の影響を受けている。 これらの結果は,将来の月脚ロボットに対する,レゴリス対応のロコモーションポリシ,照明・ロバスト知覚,繰り返しアナログテスト,ミッションレベルの運用検証の緊密な統合を動機付けている。

関連論文リスト

• Scout-Rover cooperation: online terrain strength mapping and traversal risk estimation for planetary-analog explorations [10.052329093064552]
  我々は,足と車輪のハイブリッドチームを用いて,そのような地形への安全なアクセスを拡大するスカウトローバー協調フレームワークを提案する。 高移動度脚付きロボットは移動スカウトとして機能し、脚と脚の相互作用を用いて移動中のリゴリス強度を推定する。 我々は、NASA Ames Lunar Simulant TestbedとWhite Sands Dune Fieldの類似ミッションを通じて、このフレームワークを検証する。
  論文  参考訳（メタデータ） (2026-02-21T01:41:40Z)
• Gait-Adaptive Perceptive Humanoid Locomotion with Real-Time Under-Base Terrain Reconstruction [86.53248703859718]
  本研究では,地形認識,歩行制御,全身制御を一つの強化学習ポリシーにマージする知覚的移動フレームワークを提案する。 31-DoF、1.65mのヒューマノイドロボットによる実験は、シミュレーションと実世界の両方で堅牢な移動を実証している。
  論文  参考訳（メタデータ） (2025-12-08T11:42:41Z)
• Adapting Stereo Vision From Objects To 3D Lunar Surface Reconstruction with the StereoLunar Dataset [0.12314765641075437]
  月の最初のステレオ画像ペアのオープンデータセットであるLunarStereoを紹介する。 月面の南極周辺の様々な高度、照明条件、視角をカバーしている。 我々はLunarStereoの微調整によりMASt3Rモデルを月領域に適応させる。
  論文  参考訳（メタデータ） (2025-10-20T23:50:52Z)
• Dexplore: Scalable Neural Control for Dexterous Manipulation from Reference-Scoped Exploration [58.4036440289082]
  ハンドオブジェクトモーションキャプチャ(MoCap)は、大規模でコンタクトに富んだデモと、器用なロボットスコープの約束を提供する。 Dexploreは、リポジトリとトラッキングを実行し、MoCapから直接ロボット制御ポリシーを学習する、統一された単一ループ最適化である。
  論文  参考訳（メタデータ） (2025-09-11T17:59:07Z)
• LunarLoc: Segment-Based Global Localization on the Moon [52.418394025548295]
  GPSのような従来の地球ベースのナビゲーションインフラが利用できない月面での自律的な運用には、グローバルなローカライゼーションが不可欠である。 本稿では,グローバルなローカライゼーション手法であるLunarLocを提案する。 LunarLocは、マルチセッショングローバルローカライゼーション実験において、サブcmレベルの精度を実現し、月のグローバルローカライゼーションにおける技術状況を大幅に上回っている。
  論文  参考訳（メタデータ） (2025-06-20T12:06:47Z)
• Legged Locomotion in Challenging Terrains using Egocentric Vision [70.37554680771322]
  本稿では,階段,縁石,石段,隙間を横断できる最初のエンドツーエンド移動システムを提案する。 この結果を,1台の前面深度カメラを用いた中型四足歩行ロボットに示す。
  論文  参考訳（メタデータ） (2022-11-14T18:59:58Z)
• Learning to Grasp on the Moon from 3D Octree Observations with Deep Reinforcement Learning [0.0]
  本研究では,月面物体の視覚に基づくロボットグリップにおける深部強化学習の適用性について検討する。 エージェントを困難な条件下で訓練するために、手続き的に生成されたデータセットを用いた新しいシミュレーション環境を作成する。 モデルなしの非政治的アクター批判アルゴリズムは、ポリシーのエンドツーエンド学習に使用される。
  論文  参考訳（メタデータ） (2022-08-01T12:59:03Z)
• Learning High-Speed Flight in the Wild [101.33104268902208]
  複雑な自然環境や人工環境を高速で自律的に飛行するエンド・ツー・エンドのアプローチを提案する。 鍵となる原理は、雑音の知覚観測を直接、後退水平方向に無衝突軌道にマッピングすることである。 現実的なセンサノイズをシミュレートすることにより,シミュレーションから現実環境へのゼロショット転送を実現する。
  論文  参考訳（メタデータ） (2021-10-11T09:43:11Z)
• Robotic Vision for Space Mining [32.2999577099258]
  月面環境がもたらす課題を軽減するために、機械学習による視覚がいかに役立つかを示す。 ロボット間の長期的な操作と効果的な協調を実現するために、ロバストなマルチロボットコーディネータも開発された。
  論文  参考訳（メタデータ） (2021-09-27T02:52:46Z)
• Towards Robust Monocular Visual Odometry for Flying Robots on Planetary Missions [49.79068659889639]
  火星に着陸したばかりのIngenuityは、トラバーサビリティの影響を受けない新時代の探検の始まりとなるでしょう。 高速な光フロートラッキングを用いた高能率単分子オードメトリーアルゴリズムを提案する。 また、相対翻訳情報行列の主成分分析に基づいて、スケールドリフトの現在のリスクを推定する新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-09-12T12:52:20Z)

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。