論文の概要: Tiered-Resolution Volumetric Mapping for Real-Time Simultaneous Planning and Mapping on Natural Outdoor Environments

• arxiv url: http://arxiv.org/abs/2610.20476v1
• Date: Wed, 14 Oct 2026 16:51:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:16.258566
• Title: Tiered-Resolution Volumetric Mapping for Real-Time Simultaneous Planning and Mapping on Natural Outdoor Environments
• Title（参考訳）: 自然環境におけるリアルタイム同時計画とマッピングのための階層分解量マッピング
• Abstract要約: 我々は、LiDARを2つの解像度で1つの地図構造に同時に統合するタイレッドレゾリューションマッピング機構を利用する。 ティアマップは13～15倍小さく、統一されたファインマップよりも6～8倍のCPU時間を必要とする。 均一な粗いマップは同じ大きさの貯蓄値に達するが、そのパスの品質はより難しいシナリオで崩壊する(メートルあたり210%のコスト)。
• 参考スコア（独自算出の注目度）: 4.441335529279507
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Real-time volumetric mapping for a planning robot is dominated by the cost of integrating and storing information at the finest resolution, yet only a small fraction of any map ever lies on or near a path the planner actually considers. We exploit this with a tiered-resolution mapping mechanism that integrates LiDAR into a single map structure at two resolutions simultaneously: fine inside a corridor around the robot's current plan, and coarse everywhere else. As opposed to traditional navigation pipelines where path planning uses the mapping result and provides no feedback, we propose a feedback loop where planning also informs mapping to dynamically integrate information at different leaf resolutions. Across two real-world teleoperated datasets, replayed and scored offline against an independent full-resolution map, the tiered maps are 13-15x smaller and require 6-8x less integration CPU time than a uniform fine map, while producing paths at a similar cost per meter as the ones generated from fine resolution maps on both scenarios. A uniform coarse map reaches the same size savings but its path quality collapses (+210% cost per meter) on the harder scenario, because it over-discretizes terrain the robot must traverse. Tiering approximates the coarse map's cheapness without its failure mode.
• Abstract（参考訳）: 計画ロボットのリアルタイムボリュームマッピングは、最高の解像度で情報を統合保存するコストに支配されているが、プランナーが実際に考えているパスの上にあるマップのごく一部しかありません。 我々はこれを、LiDARを2つの解像度で1つの地図構造に統合するタイレッドレゾリューションマッピング機構で活用する。 経路計画がマッピング結果を使用し,フィードバックが得られない従来のナビゲーションパイプラインとは対照的に,我々は,異なる葉の解像度で動的に情報を統合するためのマッピングを計画が通知するフィードバックループを提案する。 独立したフルレゾリューションマップに対してオフラインで再生およびスコア付けされた2つの実世界の遠隔操作データセット全体で、タイアップされたマップは13～15倍小さく、統一されたファインマップよりも6～8倍少ない統合CPU時間を必要とする。 均一な粗いマップは、同じ大きさの貯蓄値に達するが、そのパス品質は、ロボットが走行しなければならない地形を過度に分散するため、難しいシナリオで崩壊する(+210%のコスト)。 タイアリングは、失敗モードなしで粗いマップの安価さを近似する。

関連論文リスト

• Parallel OctoMapping: A Scalable Framework for Enhanced Path Planning in Autonomous Navigation [2.27244726900503]
  我々は,利用可能な自由空間を最大化し,マルチスレッド計算をサポートする効率的なOctoMapベースのマッピング技術であるParallel OctoMapping (POMP)を紹介した。 POMPは、固定占有グリッド解像度で、地図の忠実さと既存の検索ベースプランナーとの互換性を維持しながら、自由空間の表現を洗練する最初の方法である。
  論文  参考訳（メタデータ） (2026-03-23T19:14:03Z)
• Interacted Planes Reveal 3D Line Mapping [73.60851338875962]
  LiP-Mapは3Dラインマッピングのためのラインプレーン共同最適化フレームワークである。 ScanNetV2, ScanNet++, Hypersim, 7Scenes, Tanks&Templeの100以上のシーンにおいて、LiP-Mapは最先端メソッドよりも正確性と完全性の両方を改善している。
  論文  参考訳（メタデータ） (2026-02-01T15:52:55Z)
• RTMap: Real-Time Recursive Mapping with Change Detection and Localization [8.343318095882232]
  RTMapは、自己進化メモリとして、マルチトラバースHDマップを継続的にクラウドソーシングする。 オンボードエージェントでは、RTMapはエンドツーエンドの方法で、同時に3つのコア課題に対処する。 いくつかの公道自動運転データセットの実験は、事前支援された地図の品質と位置決め精度の両方において、我々の確固たる性能を実証している。
  論文  参考訳（メタデータ） (2025-07-01T17:32:30Z)
• NavTopo: Leveraging Topological Maps For Autonomous Navigation Of a Mobile Robot [1.0550841723235613]
  トポロジマップと2段階の経路計画に基づく完全なナビゲーションパイプラインを提案する。 パイプラインは、入力ポイントクラウドのニューラルネットワーク記述子と2Dプロジェクションをマッチングすることで、グラフにローカライズする。 提案手法は,大規模な室内光相対論的シミュレーション環境でテストし,一般的な計量マッピング手法であるRTAB-MAPに基づく計量地図に基づく手法と比較する。
  論文  参考訳（メタデータ） (2024-10-15T10:54:49Z)
• Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
  本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。 本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。 我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
  論文  参考訳（メタデータ） (2024-10-10T10:10:03Z)
• 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)
• Differentiable Spatial Planning using Transformers [87.90709874369192]
  本研究では、長距離空間依存を計画して行動を生成する障害マップを与えられた空間計画変換器(SPT)を提案する。 エージェントが地上の真理マップを知らない環境では、エンド・ツー・エンドのフレームワークで事前訓練されたSPTを利用する。 SPTは、操作タスクとナビゲーションタスクの両方のすべてのセットアップにおいて、最先端の差別化可能なプランナーよりも優れています。
  論文  参考訳（メタデータ） (2021-12-02T06:48:16Z)
• Motion Planning Transformers: One Model to Plan Them All [15.82728888674882]
  本稿では,複雑な動き計画問題を効率的に解くためのトランスフォーマーに基づく手法を提案する。 提案手法では,まずトランスフォーマーを用いて地図上の領域を同定し,最適経路を含む可能性のある地図領域に注意を向けるとともに,最終衝突のない経路を生成するためにローカルプランナーを適用する。
  論文  参考訳（メタデータ） (2021-06-05T04:29:16Z)
• MP3: A Unified Model to Map, Perceive, Predict and Plan [84.07678019017644]
  MP3は、入力が生のセンサーデータと高レベルのコマンドであるマップレス運転に対するエンドツーエンドのアプローチである。 提案手法は, より安全で, 快適であり, 長期クローズループシミュレーションにおいて, ベースラインよりもコマンドを追従できることを示す。
  論文  参考訳（メタデータ） (2021-01-18T00:09:30Z)
• Deep-Learning-Aided Path Planning and Map Construction for Expediting Indoor Mapping [0.0]
  目標は、所定のレベルの確実性で事前に定義された露出の割合を達成するための時間を最小化することです。 経路計画とマップ構築の両方において、マップ予測器として機能する事前学習された生成深部ニューラルネットワークの使用を提案する。 予測が経路計画とマップ構築プロセスの両方に統合された場合、マッピング時間が50%以上削減されることが示される。
  論文  参考訳（メタデータ） (2020-11-03T22:35:25Z)
• Plan2Vec: Unsupervised Representation Learning by Latent Plans [106.37274654231659]
  Plan2vecは、強化学習にインスパイアされた教師なしの表現学習手法である。 Plan2vecは、近距離を用いて画像データセット上に重み付きグラフを構築し、その局所距離を、計画された経路上の経路積分を蒸留することによって、大域的な埋め込みに外挿する。 1つのシミュレーションと2つの実世界の画像データセットに対する Plan2vec の有効性を実証する。
  論文  参考訳（メタデータ） (2020-05-07T17:52:23Z)

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。