論文の概要: Mothership: A Two Tier Autonomous Refuse Collection System for Pedestrian Campuses

• arxiv url: http://arxiv.org/abs/2610.22461v1
• Date: Thu, 15 Oct 2026 16:57:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.602093
• Title: Mothership: A Two Tier Autonomous Refuse Collection System for Pedestrian Campuses
• Title（参考訳）: マザーシップ:ペデストリアンキャンパスのための2つのより小さな自律型ごみ収集システム
• Abstract要約: マザーシップは2階層の自律型ごみ収集システムである。 2つのロースピードの歩道ロボット(RoboCarts)が標準の2輪のビンを取り出し、それらをトラックに届け、空のビンを元の位置に返却し、充電のためにトラックに再ドッキングする。 システムアーキテクチャ、ビンハンドリングおよびドッキングインタフェース、ミッションプランニングの定式化について述べる。
• 参考スコア（独自算出の注目度）: 32.4227025647786
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Refuse collection in pedestrian campuses, parks and mixed-use districts remains manual because compaction trucks cannot reach bins located on walkways, courtyards and building service doors. This paper presents Mothership, a two-tier autonomous refuse collection system in which an electric compaction truck (the mothership) carries two low-speed sidewalk robots (RoboCarts) that fetch standard two-wheel bins, deliver them to the truck, return the empty bins to their original positions and re-dock on the truck for charging. The architecture separates responsibilities by scale: the truck performs road driving, compaction, lifting and energy supply, while the carts perform only sidewalk transport and bin grasping. This split removes the lift-and-tip mechanism from the sidewalk vehicle, keeping it light and low, and relaxes cart-to-truck docking tolerance to the +/-100 mm capture window of a standard automated lifter. We describe the system architecture, the bin-handling and docking interfaces, and a mission-planning formulation that decomposes a route into truck stop points and cart tasks. A discrete-event simulation over synthetic campus layouts with 2-16 bins/ha quantifies throughput as a function of bin density, cart count and stop-point radius. A two-cart configuration serves 20-29 bins/h. Throughput is governed by an interaction between cart count and stop-point radius: a single cart performs best with many close stops, whereas three or four carts need wide stops (80 m) to stay busy, reaching 35-49 bins/h at moderate-to-high densities. The best stop radius therefore has to be chosen together with the fleet size, not fixed in advance.
• Abstract（参考訳）: 歩行者用キャンパス、公園、雑用地区のごみ収集は、歩道、中庭、建築用ドアにあるビンにコンパクトトラックが到達できないため、手作業で行われている。 本稿では、電動コンパクト化トラック(マザーシップ)が2台の低速歩道ロボット(ロボカート)を積んで、標準の2輪車ビンを取り込んでトラックに届け、空き車ビンを元の位置に返却し、充電用のトラックに再ドッキングする2層自律型ごみ収集システムであるMothershipについて述べる。 トラックは道路の運転、コンパクト化、昇降、エネルギー供給を行い、カートは歩道の輸送とビンの把握のみを行う。 この分割により、歩道車両からのリフト・アンド・ティップ機構が取り除かれ、軽量かつ低速に保たれ、カート・ツー・トラックのドッキング耐性は標準の自動昇降機の+//-100mm窓に緩和される。 システムアーキテクチャ、ビンハンドリングおよびドッキングインターフェース、およびトラックの停止点やカートタスクへのルートを分解するミッション計画の定式化について述べる。 2-16ビン/haの合成キャンパスレイアウト上の離散イベントシミュレーションは、ビン密度、カート数、停止点半径の関数としてスループットを定量化する。 2両編成は20-29ビン/hである。 カート数と停止点半径の相互作用は、1台のカートが多くの閉止所で最善を尽くすのに対して、3台または4台のカートが多忙で35-49 bins/hに達するのに対して、3台または4台は広い停留所 (80 m) を必要としている。 したがって、最良の停止半径は、前もって固定されていない艦隊の大きさと共に選択されなければならない。

関連論文リスト

• A Two-Echelon Covering Tour Vehicle Routing Problem with Drones for Post-Disaster Relief [2.2710740436620314]
  本研究では,災害後の救援物資の流通に有効な2E-CTVRP (2-echelon cover tour vehicle routing problem) を提案する。 本稿では,クラスタを衛星に割り当てる際の,グレディランダムな構成,単一軌道探索,周期経路リリンクを組み合わせたハイブリッドメタヒューリスティックGRASP-ILS-PRを提案する。
  論文  参考訳（メタデータ） (2026-09-28T10:27:45Z)
• Measuring Optimal Transport in Transformer Depth [51.736723807086385]
  トレーニングされたネットワークが、最適な転送方法として、最も低コストで、各トークンと最適な宛先をペアリングするマップに沿って、このクラウドを移動するかどうかを問う。 Pythia-160m と Pythia-410m の両方を連続層雲間の正確な割り当てで測定する。 最後の層では、どちらのモデルも、ピチア410mの最適コストとピチア160mのわずかに高い価格で、最適なトランスポートマップが送信するトークンを移動させる。
  論文  参考訳（メタデータ） (2026-09-01T05:27:31Z)
• Lunar Rover Cargo Transport: Mission Concept and Field Test [42.80839419610456]
  ローバーは、ピックアップと配送を成功させるために、貨物を小さな許容範囲内で自律的に駐車できなければならない。 ワントン・パス・ツー・フライ・ローバーは、安全な経路のネットワークを作るための半自律遠隔制御モードで駆動された。 クローズドループの性能は、車両を貨物に合わせるのに十分正確である。
  論文  参考訳（メタデータ） (2026-01-06T19:16:55Z)
• Bench2Drive: Towards Multi-Ability Benchmarking of Closed-Loop End-To-End Autonomous Driving [59.705635382104454]
  本稿では,E2E-ADシステムのマルチ能力をクローズドループで評価するための最初のベンチマークであるBench2Driveを紹介する。 我々は最先端のE2E-ADモデルを実装し、Bench2Driveで評価し、現状と今後の方向性について洞察を提供する。
  論文  参考訳（メタデータ） (2024-06-06T09:12:30Z)
• Toward Efficient Transportation Electrification of Heavy-Duty Trucks: Joint Scheduling of Truck Routing and Charging [3.0794207344325693]
  本稿では,電気トラックの連系計画と充電スケジューリングを提案する。 関連する最適化問題の目的は、輸送、充電、重荷のコストを最小限に抑えることである。 サーロゲートレベルに基づくラグランジアン緩和法 (SLBLR) を用いて, 問題をより複雑なトラックサブプロブレムに分解する。
  論文  参考訳（メタデータ） (2023-02-01T04:38:18Z)
• An Intelligent Self-driving Truck System For Highway Transportation [81.12838700312308]
  本稿では,インテリジェントな自動運転トラックシステムについて紹介する。 提案システムは,1)テストシナリオにおける現実的なトラフィックフローを生成する現実的なトラフィックシミュレーションモジュール,2)実環境における実際のトラックの応答を模倣するために設計,評価された高忠実度トラックモデル,の3つの主要コンポーネントから構成される。 また,提案するシステムを実車に展開し,実車間ギャップを緩和するシステムの能力を示す実物実験を行う。
  論文  参考訳（メタデータ） (2021-12-31T04:54:13Z)
• Dynamic Bicycle Dispatching of Dockless Public Bicycle-sharing Systems using Multi-objective Reinforcement Learning [79.61517670541863]
  ドッキングレスPBS(DL-PBS)に欠かせない動的自転車レンタル需要に基づく効率的な自転車配車ソリューションを実現するためのAIの活用 DL-PBSに最適な自転車ディスパッチソリューションを提供するために、マルチオブジェクト強化学習(MORL-BD)に基づく動的自転車ディスパッチアルゴリズムを提案します。
  論文  参考訳（メタデータ） (2021-01-19T03:09:51Z)

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。