論文の概要: SAFARI: Semantic- And Frontier-driven Autonomous Risk Inspection

• arxiv url: http://arxiv.org/abs/2610.41456v1
• Date: Fri, 30 Oct 2026 09:01:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.667965
• Title: SAFARI: Semantic- And Frontier-driven Autonomous Risk Inspection
• Title（参考訳）: SAFARI: セマンティックかつフロンティア駆動の自律的リスク検査
• Abstract要約: SAFARIは、オブジェクト検出を統一確率マップのネイティブチャネルとして扱うフレームワークである。 本研究は, 効果的な危険物探索には, 物体の認識と安全に配慮した経路計画が不可欠であることを示す。
• 参考スコア（独自算出の注目度）: 6.543973330312556
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robotic exploration can reduce human exposure to hazardous environments by autonomously searching unknown areas for objects of interest while constructing a complete, risk-aware map. However, existing autonomous exploration approaches typically prioritize geometric coverage or information gain, without explicitly coupling semantic object detection and the risk associated with operating near potentially hazardous objects. Moreover, many systems have been demonstrated primarily in simulation or controlled environments, leaving limited validation of risk-aware semantic exploration in complex, unstructured field settings. To address this gap, we propose SAFARI, a framework that treats object detection as a native channel of a unified probabilistic map, thereby jointly informing exploration and planning with both geometric and semantic evidence. We evaluated SAFARI in 11 missions across three field sites on a quadruped platform. The framework achieved an average coverage of 98.7% of the accessible mission area, without operator intervention for 97.6% of mission time, and detected objects with characteristic dimensions as small as 15cm. Lastly, through ablation studies and a detailed analysis of system behavior, we show that object-size awareness and safety-aware path planning are crucial for effective hazardous-object search.
• Abstract（参考訳）: ロボットによる探索は、完全なリスク認識マップを構築しながら、関心のある対象の未知の領域を自律的に探索することで、有害環境への人間の露出を減らすことができる。 しかし、既存の自律探査手法は、一般的に、意味的オブジェクトの検出と潜在的に危険なオブジェクトに近い操作に関連するリスクを明示的に結合することなく、幾何学的カバレッジや情報ゲインを優先する。 さらに、多くのシステムが主にシミュレーションや制御された環境で実証されており、複雑で非構造的なフィールド設定において、リスクを意識したセマンティック探索の限定的な検証が残されている。 このギャップに対処するために,オブジェクト検出を統一確率写像のネイティブチャネルとして扱うフレームワークであるSAFARIを提案する。 SFARIは4つのプラットフォーム上の3つのフィールドにまたがる11のミッションで評価した。 このフレームワークはアクセス可能なミッションエリアの98.7%を平均的にカバーし、運用者の介入なしに97.6%のミッションタイムを達成し、特徴的な寸法を持つ物体を15cmまで検出した。 最後に、アブレーション研究とシステム行動の詳細な分析を通じて、オブジェクトサイズの認識と安全に配慮した経路計画が効果的な有害物体探索に不可欠であることを示す。

関連論文リスト

• Semantic-Aware Autonomous Exploration for UAVs in Unknown Indoor Environments [2.379911867541422]
  本稿では,ロードマップに基づく探索戦略に意味情報を追加する意味認識探索フレームワークを提案する。 意味のあるオブジェクトや構造を含む領域を優先するためにセマンティック報酬関数が導入され、UAVはより高い情報値を持つ領域に集中することができる。 複数のシミュレーション環境における実験結果から,提案手法は90%から94%の探査範囲を達成できることが示された。
  論文  参考訳（メタデータ） (2026-06-21T21:07:40Z)
• Can Attribution Predict Risk? From Multi-View Attribution to Planning Risk Signals in End-to-End Autonomous Driving [51.726472686971896]
  エンド・ツー・エンドの自律運転モデルは、多視点入力から将来の軌跡を生成する。 既存の手法では、軌道生成の根底にある視覚的証拠を明らかにすることができない。 エンド・ツー・エンド・プランニングのための階層的属性・フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-07T13:38:18Z)
• Multi-Agent Off-World Exploration for Sparse Evidence Discovery via Gaussian Belief Mapping and Dual-Domain Coverage [15.524614683513834]
  本稿では,ガウス的信念マッピングと二重領域カバレッジに基づくスパースエビデンス発見のためのマルチエージェント情報経路計画フレームワークを提案する。 シミュレーションした月面環境における実験結果から,提案手法は,異なる予算と通信範囲でサンプリングベースおよびグリーディベースラインを一貫して上回ることがわかった。
  論文  参考訳（メタデータ） (2026-03-08T14:27:41Z)
• 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)
• EARBench: Towards Evaluating Physical Risk Awareness for Task Planning of Foundation Model-based Embodied AI Agents [53.717918131568936]
  EAI(Embodied AI)は、高度なAIモデルを現実世界のインタラクションのための物理的なエンティティに統合する。 高レベルのタスク計画のためのEAIエージェントの"脳"としてのファンデーションモデルは、有望な結果を示している。 しかし、これらのエージェントの物理的環境への展開は、重大な安全性上の課題を呈している。 本研究では,EAIシナリオにおける身体的リスクの自動評価のための新しいフレームワークEARBenchを紹介する。
  論文  参考訳（メタデータ） (2024-08-08T13:19:37Z)
• Cooperative Probabilistic Trajectory Forecasting under Occlusion [110.4960878651584]
  隠蔽対象の情報を安全なナビゲーションのためにエゴエージェントに伝達する必要がある場合が多い。 本稿では,エゴエージェントの基準フレームにおける閉塞歩行者の現況を協調的に推定するエンド・ツー・エンドネットワークを設計する。 また,エゴ剤による閉塞歩行者の不確実性を考慮した軌道予測は,閉塞を前提とした地上の真実軌道とほぼ同様であることを示した。
  論文  参考訳（メタデータ） (2023-12-06T05:36:52Z)
• Visual Environment Assessment for Safe Autonomous Quadrotor Landing [8.538463567092297]
  本研究では,安全な四段着陸のための着陸地点の検出と評価を行う新しい手法を提案する。 本ソリューションは,GPSなどの外部支援を不要にしながら,2次元および3次元環境情報を効率的に統合する。 提案手法は,計算能力に制限のあるクオータ上でリアルタイムに実行される。
  論文  参考訳（メタデータ） (2023-11-16T18:02:10Z)
• Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
  スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。 本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
  論文  参考訳（メタデータ） (2023-08-14T16:48:57Z)
• Incremental 3D Scene Completion for Safe and Efficient Exploration Mapping and Planning [60.599223456298915]
  本研究では,情報,安全,解釈可能な地図作成と計画に3次元シーン補完を活用することによって,深層学習を探索に統合する新しい手法を提案する。 本手法は,地図の精度を最小限に抑えることで,ベースラインに比べて環境のカバレッジを73%高速化できることを示す。 最終地図にシーン完了が含まれていなくても、ロボットがより情報的な経路を選択するように誘導し、ロボットのセンサーでシーンの測定を35%高速化できることが示される。
  論文  参考訳（メタデータ） (2022-08-17T14:19:33Z)

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。