論文の概要: Load-Aware Quadruped Navigation with Online Contact-based Geometry Estimation
- arxiv url: http://arxiv.org/abs/2610.14596v1
- Date: Sat, 10 Oct 2026 05:32:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 12:45:46.983552
- Title: Load-Aware Quadruped Navigation with Online Contact-based Geometry Estimation
- Title（参考訳）: オンライン接触型幾何推定による負荷対応四角形ナビゲーション
- Abstract要約: 物を運んでいるときに散らかった環境をナビゲートすることは、四足歩行ロボットにとって難しい問題だ。
既存の自律航法システムは一般に、搬送された物体のジオメトリーの影響を無視し、固定フットプリントインフレーションを使用する。
本稿では,この知識ギャップを埋めるために,二相負荷対応ナビゲーション学習フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 3.5145086268801116
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Navigating cluttered environments while carrying objects remains a challenging problem for quadruped robots. Compared with works that focused on load-aware locomotion adaptation to maintain gait stability, existing autonomous navigation systems generally ignore the influence of carried objects' geometries and use fixed footprint inflation, leading to overly conservative navigation. To fill this knowledge gap, we propose a two-phase load-aware navigation learning framework. In Phase 1, we train LOADNav, a load-aware navigation policy via reinforcement learning, enabling the robot to adapt its trajectory and clearance behavior according to the geometric size of the carried object. In Phase 2, we train CoGE, an online geometry predictor via imitation learning, which estimates unknown payload geometry from occasional contact events. We evaluate the framework in cluttered environments with loads of varying sizes and shapes. The results show that our navigation policy exhibits clear load-aware behaviors, and the online geometry predictor estimates object geometry from occasional contact events, refining its estimate and adapting the navigation behavior accordingly. Without requiring any prior knowledge of the payload, it narrows the gap to geometry-aware policies.
- Abstract（参考訳）: 物を運んでいるときに散らかった環境をナビゲートすることは、四足歩行ロボットにとって難しい問題だ。
歩行安定性を維持するために負荷対応の移動適応に焦点を当てた作業と比較すると、既存の自律航法システムは一般に搬送された物体のジオメトリーの影響を無視し、固定フットプリントのインフレーションを使用し、過度に保守的な航法をもたらす。
この知識ギャップを埋めるために,二相負荷対応ナビゲーション学習フレームワークを提案する。
第1フェーズでは、強化学習による負荷認識ナビゲーションポリシーであるLOADNavを訓練し、移動物体の幾何学的大きさに応じて、その軌道とクリアランスの挙動をロボットに適応させる。
フェーズ2では、時折接触イベントから未知のペイロード幾何を推定する、模倣学習によるオンライン幾何予測器であるCoGEを訓練する。
異なるサイズと形状の負荷を伴って, 乱雑な環境下でのフレームワークの評価を行った。
その結果,我々のナビゲーションポリシーは明確な負荷認識行動を示し,オンライン幾何予測器は時折接触イベントからオブジェクトの形状を推定し,その推定を精査し,ナビゲーションの振る舞いを適応させることを示した。
ペイロードに関する事前の知識を必要とせずに、ジオメトリ対応ポリシーのギャップを狭める。
関連論文リスト
- Towards Path-Creative Navigation: Robot Navigation through Embodied Interaction [4.02036210009936]
本稿では,ロボットが移動と身体的相互作用を協調して自由空間を回復するナビゲーションパラダイムであるPath-Creative Navigation(PCN)を定式化する。
vision-LiDAR-odometry frameworkは、統一ナビゲーションシステムを通じて、局所的な観測、障害物形状、ロボット状態の推定を統合する。
このトラバーサビリティ対応判定方法は、視覚的およびLiDAR距離情報を用いて、ブロックが動作可能か、安全にバイパス可能かを判定する。
論文 参考訳（メタデータ） (2026-10-08T01:30:53Z) - Validating Navmesh using Geometry: Voxel-Based Analysis with Prioritized Exploration [0.09236074230806579]
不整合は、ゲーム環境において非プレイ可能な文字(NPC)が使用するナビゲーションシステムに直接影響することでプレイヤーの体験に影響を与える。
既存の自動アプローチは、探索エージェントと強化学習技術を用いてナビゲーションの問題を検出する。
本稿では,Navmeshの精度の独立な幾何学的解析により,ナビゲーションメッシュの検証を行うフレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-20T16:54:07Z) - Nav-$R^2$ Dual-Relation Reasoning for Generalizable Open-Vocabulary Object-Goal Navigation [67.68165784193556]
Nav-$R2$は、ターゲット環境モデリングと環境行動計画という2つのタイプの関係を明示的にモデル化するフレームワークである。
我々のSA-Memは、時間的・意味的両面から最も標的に関連し、現在の観測関連の特徴を保っている。
Nav-R2は、合理化され効率的なパイプラインを通して見えないオブジェクトをローカライズする、最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2025-12-02T04:21:02Z) - MetricNet: Recovering Metric Scale in Generative Navigation Policies [51.90872764552077]
MetricNetは、ウェイポイント間の距離を予測するジェネレーティブナビゲーションのための効果的なアドオンである。
MetricNetスケールのウェイポイントの実行はナビゲーションと探索の両方のパフォーマンスを大幅に改善することを示す。
また、MetricNetをナビゲーションポリシーに統合し、目標に向かって移動しながら障害物からロボットを誘導するMetricNavを提案する。
論文 参考訳（メタデータ） (2025-09-17T13:37:13Z) - E(2)-Equivariant Graph Planning for Navigation [26.016209191573605]
2次元ナビゲーションの計画においてユークリッド対称性を利用する。
非構造環境の課題に対処するため,幾何グラフの計画としてナビゲーション問題を定式化する。
論文 参考訳（メタデータ） (2023-09-22T17:59:48Z) - How To Not Train Your Dragon: Training-free Embodied Object Goal
Navigation with Semantic Frontiers [94.46825166907831]
Embodied AIにおけるオブジェクトゴールナビゲーション問題に対処するためのトレーニング不要のソリューションを提案する。
本手法は,古典的な視覚的同時ローカライゼーションとマッピング(V-SLAM)フレームワークに基づく,構造化されたシーン表現を構築する。
本手法は,言語先行情報とシーン統計に基づいてシーングラフのセマンティクスを伝搬し,幾何学的フロンティアに意味知識を導入する。
論文 参考訳（メタデータ） (2023-05-26T13:38:33Z) - ETPNav: Evolving Topological Planning for Vision-Language Navigation in
Continuous Environments [56.194988818341976]
視覚言語ナビゲーションは、エージェントが環境中をナビゲートするための指示に従う必要があるタスクである。
本研究では,1)環境を抽象化し,長距離航法計画を生成する能力,2)連続環境における障害物回避制御能力の2つの重要なスキルに焦点を当てたETPNavを提案する。
ETPNavは、R2R-CEとRxR-CEデータセットの先行技術よりも10%以上、20%改善されている。
論文 参考訳（メタデータ） (2023-04-06T13:07:17Z) - ViKiNG: Vision-Based Kilometer-Scale Navigation with Geographic Hints [94.60414567852536]
長距離航法には、計画と局所的な移動可能性の推論の両方が必要である。
学習と計画を統合する学習に基づくアプローチを提案する。
ViKiNGは、画像ベースの学習コントローラを利用できる。
論文 参考訳（メタデータ） (2022-02-23T02:14:23Z) - BADGR: An Autonomous Self-Supervised Learning-Based Navigation System [158.6392333480079]
BadGRは、エンドツーエンドの学習ベースのモバイルロボットナビゲーションシステムである。
実際の環境で収集された、自己監督型のオフポリシーデータでトレーニングすることができる。
BadGRは、幾何学的に邪魔な障害物を伴って、現実世界の都市やオフロード環境をナビゲートすることができる。
論文 参考訳（メタデータ） (2020-02-13T18:40:21Z)
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。