論文の概要: Mapless, Stabilizing, and Anti-Stuck Flipper Control for Articulated Tracked Robots

• arxiv url: http://arxiv.org/abs/2610.13838v1
• Date: Fri, 09 Oct 2026 16:48:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.690506
• Title: Mapless, Stabilizing, and Anti-Stuck Flipper Control for Articulated Tracked Robots
• Title（参考訳）: 人工追尾ロボットのマップレス, 安定化, アンチスタックフリップ制御
• Abstract要約: Stabilizing Anti-Stuck(SAS)は、ボディロールとピッチの安定化用語と、立ち往生時にロボットを解放するアンチスタック用語を組み合わせたマップレスコントローラーである。 SASを4つのフリップパを持つ追従ロボットに展開し,手動遠隔操作とそれ以前のフリップパコントローラとの比較を行った。
• 参考スコア（独自算出の注目度）: 0.44040106718326594
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Nearly every autonomous or semi-autonomous flipper controller assumes access to an elevation map of the terrain under and in front of the robot. The terrain beneath the chassis is occluded in the sensors, so the map is remembered through odometry integration, whose drift corrupts it. We present Stabilizing Anti-Stuck (SAS), a mapless controller that combines a stabilization term for body roll and pitch with an anti-stuck term that frees the robot when it gets stuck. As input, SAS uses the IMU, the flipper joint angles, and a motion cue that only tells whether the robot is moving. The cue is computed over a short window and never accumulated, so SAS does not inherit the odometry-integration drift that corrupts the map. We deploy SAS on a tracked robot with four flippers and evaluate it against manual teleoperation and prior flipper controllers in a large comparison, both in simulation and on a real obstacle. In simulation and on the real robot, SAS achieves traversal quality comparable to state-of-the-art map-based controllers. On a log hidden in tall grass, invisible to the LiDAR, the best map-based controller gets stuck while SAS traverses the hidden obstacle without a problem.
• Abstract（参考訳）: ほぼ全ての自律型または半自律型フッパーコントローラは、ロボットの上下の地形の標高マップへのアクセスを前提としている。 シャシーの下の地形はセンサーに隠されているため、地図はドリフトが破壊するオドメトリー統合によって記憶される。 本稿では、ボディーロールとピッチの安定化項と、立ち往生時にロボットを解放するアンチスタック項とを組み合わせた、マップレスコントローラーである安定化アンチスタック(SAS)を提案する。 入力として、SASはIMU、フリップパー関節角、そしてロボットが動いているかどうかを知らせる動きキューを使用する。 キューは短いウィンドウ上で計算され、蓄積されることはないので、SASは地図を劣化させる計測積分ドリフトを継承しない。 SASを4つのフリップパを持つ追従ロボットに展開し、手動遠隔操作とそれ以前のフリップパコントローラに対して、シミュレーションと実際の障害物の両方において、大規模な比較で評価する。 シミュレーションおよび実際のロボット上では、SASは最先端の地図ベースのコントローラに匹敵するトラバース品質を達成する。 背の高い草の中に隠れたログには、LiDARに見えず、最高の地図ベースのコントローラーが立ち往生し、SASは問題なく隠れた障害物を横切る。

関連論文リスト

• Splat-CBF: Safe Next-Best-View Control in 3D Gaussian-Splat Maps [0.0]
  Splat-CBFは、カメラを次のベストビューに向けて操るアクティブな知覚制御バリア機能である。 安全は、ガウス場の平均値-at-Riskを1つの滑らかなハード制約に変換するリスク認識制御バリア関数によって強制される。 知覚は第2の障壁によって実施され、ロボットの計画された経路近くで、期待されているフィッシャー情報を得たカメラオリエンテーションに報いる。
  論文  参考訳（メタデータ） (2026-09-19T16:14:46Z)
• DemoBridge: A Simulation-in-the-Loop Toolkit for Single-View Human Demonstration Retargeting [49.70827726228219]
  このツールキットは、人間の手による実演のシングルビューRGBステレオ記録を、物理で検証可能なロボットアーム軌道に変換する。 DemoBridgeの中核は、衝突を意識した単一のプランナーである。 物理シミュレーターはループ内で動作し、生成した各フェーズを検証し、障害時にバックトラックするので、与えられたように再生できないデモは破棄されるのではなく、再計画される。
  論文  参考訳（メタデータ） (2026-07-10T15:31:04Z)
• RoboTracer: Mastering Spatial Trace with Reasoning in Vision-Language Models for Robotics [53.053660003572965]
  本稿では,3次元空間参照と計測の両方を初めて実現した3D対応VLMであるRoboTracerを提案する。 RoboTracerは、強化微調整により、多段階のメートル法推論を進める。 本稿では,空間的トレーシングを評価する上で困難なベンチマークであるTraceSpatial-Benchを提案する。
  論文  参考訳（メタデータ） (2025-12-15T18:52:43Z)
• Enabling Autonomous Navigation in a Snake Robot through Visual-Inertial Odometry and Closed-Loop Trajectory Tracking Control [0.0]
  スネークロボットは、従来のローバーに到達できない極端な地形を横断する例外的な移動手段を提供する。 この論文は、惑星探査用に設計された11自由度モジュラーヘビロボットCOBRAのための完全な自律パイプラインを開発する。
  論文  参考訳（メタデータ） (2025-12-09T05:17:42Z)
• Pedipulate: Enabling Manipulation Skills using a Quadruped Robot's Leg [11.129918951736052]
  脚のついたロボットは、メンテナンス、ホームサポート、探索のシナリオにおいて不可欠になる可能性がある。 本研究では,ロボットの脚を操作に用いたペディピュレーションについて検討する。
  論文  参考訳（メタデータ） (2024-02-16T17:20:45Z)
• RGB-Only Reconstruction of Tabletop Scenes for Collision-Free Manipulator Control [71.51781695764872]
  世界のRGBビューのみを用いたロボットマニピュレータの無衝突制御システムを提案する。 テーブルトップシーンの知覚入力は、ロボットエンドエフェクタにハンドヘルドまたは装着されたRGBカメラの複数の画像によって提供される。 シーンの3次元形状を再構成するために、NeRFのようなプロセスが使用され、そこからユークリッド完全符号距離関数(ESDF)が計算される。 次に、モデル予測制御アルゴリズムを用いてマニピュレータを制御し、ESDFの障害物を避けながら所望のポーズに達する。
  論文  参考訳（メタデータ） (2022-10-21T01:45:08Z)
• Learning a Single Near-hover Position Controller for Vastly Different Quadcopters [56.37274861303324]
  本稿では,クワッドコプターのための適応型ニアホバー位置制御器を提案する。 これは、非常に異なる質量、大きさ、運動定数を持つクワッドコプターに展開することができる。 また、実行中に未知の障害に迅速に適応する。
  論文  参考訳（メタデータ） (2022-09-19T17:55:05Z)
• Learning fast and agile quadrupedal locomotion over complex terrain [0.3806109052869554]
  本研究は,視覚障害者用4足歩行ロボットにおいて,自然かつ安定に高速な移動を実現する頑健な制御器を提案する。 モデルレス強化学習によりシミュレーション環境で学習する。 我々の制御器は優れた反ゆらぎ性能を有し、学習したことのない移動速度に到達できる優れた一般化能力を有する。
  論文  参考訳（メタデータ） (2022-07-02T11:20:07Z)
• 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)
• Control of a Nature-inspired Scorpion using Reinforcement Learning [0.22940141855172028]
  スコーピオンをモデルにした地上ロボットは、検出されていないものを横切ることができ、監視目的に使用できる。 本稿では,スコーピオンにインスパイアされたロボットと,ナビゲーションのための強化学習ベースコントローラのモデル化を提案する。 シミュレーションの結果,ロボットスコーピオンの効率的なナビゲーションが示された。
  論文  参考訳（メタデータ） (2020-08-31T16:24:58Z)

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。