論文の概要: HERON: Real-Time Obstacle-Aware Reachability Maps for Mobile Manipulators
- arxiv url: http://arxiv.org/abs/2610.38233v1
- Date: Wed, 28 Oct 2026 03:34:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-03 18:33:38.429682
- Title: HERON: Real-Time Obstacle-Aware Reachability Maps for Mobile Manipulators
- Title（参考訳）: HERON:モバイルマニピュレータのリアルタイム障害物認識信頼性マップ
- Abstract要約: 本稿では,ニューラルネットワークが生深度カメラから2cmの解像度で障害物対応RMを予測できるかどうかを問う。
本稿では、CURoboのGPU加速逆運動学を用いて計算したcuRoboキネマティクスをトレーニングした3次元U-NetであるHERONを提案する。
HERONは、平均115msで2.56mの立方体のRMを、障害物マップの10Hz更新速度に近い8.57Hzで予測する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Mobile manipulator robots rarely reposition their base during manipulation, because doing so requires real-time knowledge of how well the arm can reach its surroundings among obstacles. Reachability maps (RMs) encode this knowledge, but existing methods are slow, coarse (typically 5 cm), or ignore real obstacles. This article asks whether a neural network can predict an obstacle-aware RM at 2 cm resolution from a live depth camera, on embedded hardware, fast enough for online use. We present HERON, a 3D U-Net trained on RMs computed with the GPU-accelerated inverse kinematics of cuRobo, first on synthetic scenes and then on real depth data, and deployed on a Jetson AGX Orin with TensorRT and INT8 quantization. HERON predicts the RM of a 2.56 m cube around the arm in 115 ms on average, for a measured system rate of 8.57 Hz, close to the 10 Hz update rate of the obstacle map, whereas computing the same map with cuRobo takes about 90 min. Against the cuRobo ground truth, 95% of the voxels lie within 1 class out of 51 with the FP32 model and within 3 classes with the INT8 model, with a Pearson correlation of 0.99 and a quadratic weighted kappa above 0.9. Accuracy degrades mainly at the workspace boundaries.
- Abstract（参考訳）: 移動式マニピュレータロボットは、操作中に基地を再配置することは滅多にない。
到達可能性マップ(RM)はこの知識を符号化するが、既存の手法は遅く、粗い(典型的には5cm)、あるいは実際の障害を無視している。
この記事では、ニューラルネットワークがライブディープカメラから2cmの解像度で障害対応RMを予測できるかどうかを、組み込みハードウェアでオンライン使用に十分な速度で予測する。
本稿では,まず合成シーンと実深度データに基づいて,CURoboのGPU加速逆キネマティクスを用いて,RMをトレーニングした3次元U-Netを,TensorRTおよびINT8量子化を備えたJetson AGX Orin上に展開する。
HERONは、平均115msで2.56mの立方体のRMを、障害物マップの10Hz更新速度に近い8.57Hzで予測し、cuRoboで同じ地図を計算するのに約90分かかる。
cuRoboの基底真実に反して、ボクセルの95%はFP32モデルで51のうち1クラス以内、INT8モデルで3クラス以内にあり、ピアソン相関は0.99、カッパは0.9以上である。
精度は、主にワークスペース境界で低下する。
関連論文リスト
- RoboWorM: Evaluating Movement Realism, Consistency and Acceleration Affects in Embodied Video World Models [78.10886118053115]
ビデオワールドモデル(VWM)は、ロボット操作のためのスケーラブルなニューラルシミュレータとして急速に発展しつつある。
ほとんどのベンチマークでは、厳密な3次元空間的推論とキネマティック推論を欠いたビジョンランゲージモデル(VLM)を使用して、それらをオープンワールドビデオジェネレータとしてのみ評価している。
このギャップを埋めるために、包括的で既知のハードウェア事前ベンチマークであるRoboWorMを紹介します。
我々は,RoboWorMが表面的な視覚的品質を維持しつつ,配置クリティカルな物理的制約を黙秘的に克服できることを実証する。
論文 参考訳（メタデータ） (2026-10-24T17:11:06Z) - NavGPT-3: Harnessing Context in a Hierarchical Navigation Runtime [66.14176202476176]
言語モデルとOSライクなランタイムを接続するハーネスであるNavGPT-3を紹介する。
アクションポリシー NavGPT VLAは、19.28Mの例に基づいて訓練され、シーンの変化に比例して、アロケーションを使用して視覚トークンを割り当てます。
完全なハーネスで、NavGPT-3はR2R-CEに芸術の状態を設定し、自律的なエージェントを人間レベルに持ち込む。
論文 参考訳（メタデータ） (2026-10-07T18:45:56Z) - Privacy-Preserving Full-Body Meshing from mmWave Radar via Mesh Foundation Model Supervision [0.05833117322405446]
ミリ波レーダー(mmWave)は、プライバシーを守る人間の知覚を可能にするが、商用の単一チップセンサーからの点雲の極端に広い範囲は、先行技術をボディ部分のキーポイントまたは個別のアクション分類に制限している。
本稿では,市販のレーダをフレーム単位のフルボディ,メトリック3Dメッシュに引き上げるクロスモーダルな教師学生用フレームワークを提案する。
論文 参考訳（メタデータ） (2026-09-28T09:49:08Z) - Robo-Harness K1: Harnessing Robot-Use Agents via Perception Augmentation [61.15247763568461]
本稿では,ロボット利用エージェントフレームワークであるRobo-Harness K1を紹介する。
一致した LIBERO-PRO タスクでは、Gemini 3.7 Flash with K1 が 77.8% に達し、GPT-6 Astra の 61.1% を RGB のみのハーネスで上回った。
RoboTwin では Easy で 32.0%、Hard で 28.0% を達成し、視覚的および環境的な摂動に対するレジリエンスを示している。
論文 参考訳（メタデータ） (2026-09-24T11:16:18Z) - MR-SLAM: Immersive Spatial Supervision for Multi-Robot Mapping via Mixed Reality [3.432021438193967]
MR-SLAMはMR(Mixed Reality)システムで,Meta Quest 3ヘッドセットを装着したオペレーターが3台のTurtleBot3ロボットを遠隔操作するシステムである。
5回の9分間の評価セッションで、システムは8.83 +/- 0.16 Hzでスキャンを行い、合計17.9 +/- 0.8 m2の占有率をマッピングし、94.7 +/- 0.5%のクロスインスタンス占有率に達した。
論文 参考訳（メタデータ） (2026-05-14T20:35:59Z) - THETA: Triangulated Hand-State Estimation for Teleoperation and Automation in Robotic Hand Control [0.0]
本稿では,3つのウェブカメラを用いた手指の相対的な関節角度(テータ)を推定するための三角法に基づくトラッキング手法を提案する。
リアルタイム推論では、THETAは同時フレームをキャプチャし、ハンドリージョンをセグメント化し、それらをフィルタリングし、分類のための9チャネルテンソルをコンパイルする。
THETAは、医療、言語、製造の分野でコスト効率が高く、ユーザフレンドリーな遠隔操作を実現する可能性がある。
論文 参考訳（メタデータ） (2026-01-12T17:50:02Z) - RoboRefer: Towards Spatial Referring with Reasoning in Vision-Language Models for Robotics [67.11221574129937]
空間参照は、3D物理世界と相互作用するエンボディロボットの基本的な能力である。
本稿では,まず空間的理解を正確に行うことのできる3次元VLMであるRoboReferを提案する。
RoboReferは、強化微調整による一般化された多段階空間推論を推進している。
論文 参考訳（メタデータ） (2025-06-04T17:59:27Z) - TSM: Temporal Shift Module for Efficient and Scalable Video
Understanding on Edge Device [58.776352999540435]
本稿では,高能率かつ高能率な時間シフトモジュール(TSM)を提案する。
TSMは2次元CNNに挿入され、ゼロ計算とゼロパラメータでの時間的モデリングを実現する。
Jetson NanoとGalaxy Note8のオンラインビデオ認識では、74fpsと29fpsのハイフレームレートを実現している。
論文 参考訳（メタデータ） (2021-09-27T17:59:39Z) - RT3D: Achieving Real-Time Execution of 3D Convolutional Neural Networks
on Mobile Devices [57.877112704841366]
本稿では3次元CNNのためのモデル圧縮およびモバイルアクセラレーションフレームワークRT3Dを提案する。
3D CNNのリアルタイム実行は、市販のモバイル上で初めて実現された。
論文 参考訳（メタデータ） (2020-07-20T02:05:32Z) - Deep Reinforcement learning for real autonomous mobile robot navigation
in indoor environments [0.0]
本研究では,地図やプランナーを使わずに,未知の環境下での自律型自律学習ロボットナビゲーションの概念を実証する。
ロボットの入力は、2DレーザースキャナーとRGB-Dカメラからの融合データと目標への向きのみである。
Asynchronous Advantage Actor-Critic Network(GA3C)の出力動作は、ロボットの線形および角速度である。
論文 参考訳（メタデータ） (2020-05-28T09:15:14Z)
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。