論文の概要: A Multi-Layer Navigation System for Smart Wheelchairs with a Limited Input Interface

• arxiv url: http://arxiv.org/abs/2610.38569v1
• Date: Wed, 28 Oct 2026 10:04:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-03 10:11:25.528905
• Title: A Multi-Layer Navigation System for Smart Wheelchairs with a Limited Input Interface
• Title（参考訳）: 限定入力インタフェースを有するスマート車椅子用多層ナビゲーションシステム
• Abstract要約: スマート車椅子のための新しいMulti-Layer Navigation System(MLNS)を提案する。 ユーザの意図を解釈し、安全にコンテキスト化しながら、未知の環境でナビゲーションを可能にする。 障害のない10人の被験者を対象とした実験を行い,実際のスマート車椅子を用いたシステムの有効性を検証した。
• 参考スコア（独自算出の注目度）: 8.157110137543828
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Smart wheelchairs are robotic devices that gather information from the surroundings and allow people to safely drive through various environments. They usually rely on the interpretation of high-level user's intentions, typically decoded through human-robot interface (HRI) or brain-machine interface (BMI). However, navigating in an unknown environment and accurately understanding user commands remain significant challenges. Misinterpretation of commands or the environment can lead to user frustration, distrust of the system, or even unsafe situations. In this paper, we present a novel Multi-Layer Navigation System (MLNS) for a smart wheelchair that enables navigation in unknown environments while interpreting and safely contextualizing user's intentions even in the case of limited and faulty commands. The stack relies on a Virtual Sensors-Driven Potential Fields (ViSPF) method for obstacle detection that accounts for the wheelchair's actual size, a Model Predictive Control (MPC) module for trajectory generation, and an open-vocabulary computer vision algorithm for target identification. Finally, a system based on Priority Queue (PQ) was implemented for target selection. We validated our system on a real smart wheelchair with experiments involving 10 participants without disabilities, including scenarios with faulty input interfaces. The results demonstrate the robustness and effectiveness of our system in real-world environments, proving its potential for practical applications in assistive technologies.
• Abstract（参考訳）: スマート車椅子は、周囲から情報を収集し、さまざまな環境を安全に運転できるようにするロボット装置である。 これらは通常、人間のロボットインタフェース(HRI)または脳機械インタフェース(BMI)を通じてデコードされる、ハイレベルなユーザの意図の解釈に依存する。 しかし、未知の環境でナビゲートし、ユーザのコマンドを正確に理解することは、依然として大きな課題である。 コマンドや環境の誤解釈は、ユーザのフラストレーション、システムの不信、さらには安全でない状況につながる可能性がある。 本稿では,スマート車椅子のための新しい多層ナビゲーションシステム(MLNS)を提案する。 このスタックは、車椅子の実際のサイズを考慮に入れた障害物検出のための仮想センサー駆動電位場(ViSPF)法、軌道生成のためのモデル予測制御(MPC)モジュール、ターゲット識別のためのオープン語彙コンピュータビジョンアルゴリズムに依存している。 最後に、ターゲット選択のためのプライオリティキュー(PQ)に基づくシステムを実装した。 我々は,障害のない10人の被験者を対象に,実際のスマート車椅子を用いたシステムの有効性を検証した。 その結果, 実環境におけるシステムの堅牢性と有効性を示し, 補助技術の実用化の可能性を示した。

関連論文リスト

• AutoFly: Vision-Language-Action Model for UAV Autonomous Navigation in the Wild [62.47761809929869]
  視覚言語ナビゲーション(VLN)は、視覚的観察とともに言語指示を解釈することで、知的エージェントが環境をナビゲートする必要がある。 無人航空機(UAV)の現在のVLN研究は、所定のルートに沿ってUAVを誘導するための詳細な指示に依存している。 本稿では,自律型UAVナビゲーションのためのエンド・ツー・エンドのビジョン・ランゲージ・アクションモデルであるAutoFlyを提案する。
  論文  参考訳（メタデータ） (2026-02-10T11:08:07Z)
• MR.NAVI: Mixed-Reality Navigation Assistant for the Visually Impaired [42.45301319345154]
  本稿では,視覚障害者の空間認識を高める複合現実感システムであるMR. NAVIを提案する。 本システムでは,物体検出と深度推定のためのコンピュータビジョンアルゴリズムと自然言語処理を組み合わせることで,文脈的シーン記述を提供する。
  論文  参考訳（メタデータ） (2025-05-28T14:02:56Z)
• Neuro-LIFT: A Neuromorphic, LLM-based Interactive Framework for Autonomous Drone FlighT at the Edge [9.461346539158475]
  本稿では,Parrot Bebop Quaotor2上に実装されたリアルタイムニューロモルフィックナビゲーションフレームワークNeuro-LIFTを提案する。 我々のフレームワークは、人間の発話を高レベルな計画コマンドに変換し、イベントベースのニューロモルフィックビジョンと物理駆動計画を用いて自律的に実行される。 本フレームワークは,動的な環境下での航行,障害物回避,人間の指示にリアルタイムで適応する能力を示す。
  論文  参考訳（メタデータ） (2025-01-31T16:17:03Z)
• Commonsense Reasoning for Legged Robot Adaptation with Vision-Language Models [81.55156507635286]
  脚のついたロボットは、様々な環境をナビゲートし、幅広い障害を克服することができる。 現在の学習手法は、人間の監督を伴わずに、予期せぬ状況の長い尾への一般化に苦慮することが多い。 本稿では,VLM-Predictive Control (VLM-PC) というシステムを提案する。
  論文  参考訳（メタデータ） (2024-07-02T21:00:30Z)
• Floor extraction and door detection for visually impaired guidance [78.94595951597344]
  未知の環境で障害物のない経路を見つけることは、視覚障害者や自律ロボットにとって大きなナビゲーション問題である。 コンピュータビジョンシステムに基づく新しいデバイスは、障害のある人が安全な環境で未知の環境でナビゲートすることの難しさを克服するのに役立つ。 本研究では,視覚障害者のためのナビゲーションシステムの構築につながるセンサとアルゴリズムの組み合わせを提案する。
  論文  参考訳（メタデータ） (2024-01-30T14:38:43Z)
• Enabling High-Level Machine Reasoning with Cognitive Neuro-Symbolic Systems [67.01132165581667]
  本稿では,認知アーキテクチャを外部のニューロシンボリックコンポーネントと統合することにより,AIシステムにおける高レベル推論を実現することを提案する。 本稿では,ACT-Rを中心としたハイブリッドフレームワークについて紹介し,最近の応用における生成モデルの役割について論じる。
  論文  参考訳（メタデータ） (2023-11-13T21:20:17Z)
• ASHA: Assistive Teleoperation via Human-in-the-Loop Reinforcement Learning [91.58711082348293]
  オンラインユーザからのフィードバックからシステムのパフォーマンスに関する強化学習は、この問題に対する自然な解決策である。 このアプローチでは、特にフィードバックが不足している場合には、ループ内の大量のトレーニングデータが必要になる傾向があります。 疎いユーザフィードバックから効率的に学習する階層型ソリューションを提案する。
  論文  参考訳（メタデータ） (2022-02-05T02:01:19Z)
• SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
  我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。 モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。 リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。 ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
  論文  参考訳（メタデータ） (2021-08-03T02:56:21Z)
• Gaze-contingent decoding of human navigation intention on an autonomous wheelchair platform [6.646253877148766]
  We have developed the Where-You-Look-Is Where-You-Go approach to control mobile platform。 我々は,1. 深いコンピュータビジョンを用いて,ユーザが視点で何を見ているのかを理解する新しいソリューションを提案する。 私たちのデコードシステムは最終的に、ユーザーがドアなどへ運転したいかどうかを判断するか、単にそれを見るかを決定します。
  論文  参考訳（メタデータ） (2021-03-04T14:52:06Z)

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。