論文の概要: Object- and Task-Aware Active Perception for Safe Navigation of Mobile Manipulators in Semi-Static Environments
- arxiv url: http://arxiv.org/abs/2610.29964v1
- Date: Wed, 21 Oct 2026 16:19:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-23 00:40:06.404538
- Title: Object- and Task-Aware Active Perception for Safe Navigation of Mobile Manipulators in Semi-Static Environments
- Title（参考訳）: 半静的環境における移動マニピュレータの安全ナビゲーションのためのオブジェクト・タスク・アウェアアクティブ・パーセプション
- Abstract要約: 移動マニピュレータは、ロジスティクス、製造、サービスアプリケーションにまたがる、散らばった、部分的に未知の環境で安全にナビゲートする必要がある。
本研究では,移動マニピュレータがナビゲーション中に手動カメラで不確実領域や安全クリティカル領域を検査できる能動的認識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）: 21.119372211385457
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Mobile manipulators must navigate safely in cluttered, partially unknown environments across logistics, manufacturing, and service applications. Semi-static changes between robot visits can lead to outdated scene knowledge and increased collision risk. We propose an active perception framework that enables a high degree-of-freedom (DoF) mobile manipulator to inspect uncertain or safety-critical regions with its hand camera during navigation. A probabilistic, object- and task-aware next-best-view (NBV) formulation prioritizes observations near the desired path and around uncertain or potentially changing objects. The perception objective is integrated into hierarchical-task model predictive control (HTMPC), exploiting kinematic redundancy for viewpoint adjustment while preserving the higher priority of base-trajectory tracking. The system unifies navigation, map maintenance, and active perception in a closed loop. Real-world tests show improved map consistency, reduced task-dependent map entropy, and lower navigation risk than passive or non-task-aware baselines. Additional simulation and real-world sequences demonstrate responses to controlled semi-static scene changes.
- Abstract（参考訳）: 移動マニピュレータは、ロジスティクス、製造、サービスアプリケーションにまたがる、散らばった、部分的に未知の環境で安全にナビゲートする必要がある。
ロボット訪問間の半静的な変化は、時代遅れのシーン知識と衝突リスクの増加につながる可能性がある。
本研究では,移動マニピュレータがナビゲーション中に手動カメラで不確実領域や安全クリティカル領域を検査できる能動的認識フレームワークを提案する。
確率的、オブジェクト対応、タスク対応のnext-best-view (NBV) の定式化は、望ましい経路と、不確実または潜在的に変化するオブジェクトの近くでの観察を優先する。
認識対象は階層型タスクモデル予測制御 (HTMPC) に統合され, 基本軌道追跡の優先度を高く保ちながら, 視線調整にキネマティックな冗長性を利用する。
このシステムは、クローズドループにおけるナビゲーション、マップメンテナンス、アクティブな知覚を統一する。
実世界のテストでは、マップ一貫性の改善、タスク依存のマップエントロピーの削減、ナビゲーションリスクの低減が、パッシブや非タスク対応のベースラインよりも示されている。
追加のシミュレーションと実世界のシーケンスは、制御された半静的なシーン変化に対する応答を示す。
関連論文リスト
- Memory-Aware Multi-Sensor Perception for Efficient and Safe Navigation in Dynamic Environments [8.668532160811655]
我々は、LiDARとRGBの認識、オンライン距離場表現学習、ステージ適応型制御バリア準プログラム(MCBF-QP)を統合したメモリ対応マルチセンサナビゲーションフレームワークを提案する。
複雑な屋内および屋外環境での実験では、狭い通路や動的障害物の衝突回避を維持しながら、航法効率と目標到達性能が改善された。
論文 参考訳（メタデータ） (2026-09-24T19:33:28Z) - SemSafe-3DGS: Semantic Risk-Aware Active Navigation in Uncertain 3D Gaussian Splatting Maps [0.0]
属性付き3次元ガウス地図におけるナビゲーションのための安全行動認識フレームワークについて述べる。
セマンティック属性は、クラス依存リスク重みを通して平均値-アット・リスク衝突クリアランスモデルを変調する。
実験では、効率的な安全制約、アクティブな知覚によるナビゲーションの改善、意味依存的な軌道適応、そしてアッカーマン力学による実ロボット実行が示されている。
論文 参考訳（メタデータ） (2026-09-16T18:56:13Z) - RoboNav-Arm: Agentic AI-Driven Navigation and Obstacle Avoidance for Robotic Manipulator in Cluttered Environments [1.1638921255130017]
本稿では,効果的な障害回避を伴う安全なタスク実行のためのフレームワークを提案する。
提案手法はGazebo Classicで評価され,動的シナリオにおけるロバスト性を示す。
論文 参考訳（メタデータ） (2026-06-25T07:29:11Z) - To Move or Not to Move: Constraint-based Planning Enables Zero-Shot Generalization for Interactive Navigation [14.745622942938532]
家庭環境や倉庫のような現実のシナリオでは、クラッタはすべてのルートをブロックすることができる。
本稿では,移動ロボットが乱雑に移動して自身の進路を鍛える,Lifelong Interactive Navigation問題を紹介する。
アクティブな認識を伴うLLM駆動制約に基づく計画フレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-23T17:10:00Z) - IndustryNav: Exploring Spatial Reasoning of Embodied Agents in Dynamic Industrial Navigation [56.43007596544299]
IndustryNavは、アクティブな空間推論のための最初の動的産業用ナビゲーションベンチマークである。
9つの最先端のVisual Large Language Modelsの研究によると、クローズドソースモデルは一貫した優位性を維持している。
論文 参考訳（メタデータ） (2025-11-21T16:48:49Z) - Sight Over Site: Perception-Aware Reinforcement Learning for Efficient Robotic Inspection [57.37596278863949]
本研究では,認識・認識の観点からの検査を再考する。
本稿では,目標視認性を主目的とするエンドツーエンド強化学習フレームワークを提案する。
提案手法は,既存の古典的および学習的ナビゲーション手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2025-09-22T15:14:02Z) - NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。
グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。
我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
論文 参考訳（メタデータ） (2025-06-23T14:28:30Z) - Designing Control Barrier Function via Probabilistic Enumeration for Safe Reinforcement Learning Navigation [55.02966123945644]
本稿では,ニューラルネットワーク検証技術を利用して制御障壁関数(CBF)とポリシー修正機構の設計を行う階層型制御フレームワークを提案する。
提案手法は,安全なCBFベースの制御層を構築するために使用される,安全でない操作領域を特定するための確率的列挙に依存する。
これらの実験は、効率的なナビゲーション動作を維持しながら、安全でない動作を補正する提案手法の能力を実証するものである。
論文 参考訳（メタデータ） (2025-04-30T13:47:25Z) - OOSTraj: Out-of-Sight Trajectory Prediction With Vision-Positioning Denoising [49.86409475232849]
軌道予測はコンピュータビジョンと自律運転の基本である。
この分野における既存のアプローチは、しばしば正確で完全な観測データを仮定する。
本稿では,視覚的位置決め技術を利用した視線外軌道予測手法を提案する。
論文 参考訳（メタデータ） (2024-04-02T18:30:29Z)
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。