論文の概要: TRAILS: Trajectory Generation for Automated Indoor Locomotion Studies
- arxiv url: http://arxiv.org/abs/2611.03254v1
- Date: Mon, 02 Nov 2026 15:00:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 05:30:47.597902
- Title: TRAILS: Trajectory Generation for Automated Indoor Locomotion Studies
- Title（参考訳）: TRAILS:自動室内移動研究のための軌道生成
- Abstract要約: 本稿では,完全な仮想ナビゲーションシナリオを生成するためのフレームワークであるTRAILSを提案する。
このフレームワークは、Wave Collapseにインスパイアされた制約ベースの手続き環境ジェネレータ、最適化された立方ベジエ曲線を用いた軌道生成、およびキネマティック制約を受ける速度差生成を組み合わせたものである。
生成されたシナリオは、廊下、オープンスペース、障害物を備えた多様な屋内環境と、経路幾何学、壁の近接、速度プロファイルに異なる同じ期間の軌跡を提供する。
- 参考スコア（独自算出の注目度）: 2.8055179094637688
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Virtual reality experiments involving navigation and simulated robot motion often require large, realistic environments and numerous distinct trajectories to avoid repetitive navigation while providing sufficient variation for controlled experiments. Designing such scenarios manually is labor-intensive, particularly when trajectories must satisfy predefined geometric and kinematic constraints while remaining diverse and comparable across experimental conditions. This paper presents TRAILS, an automated framework for generating complete virtual navigation scenarios consisting of an environment layout, a path, and a time-parameterized motion profile. The framework combines a constraint-based procedural environment generator inspired by Wave Function Collapse, trajectory generation using optimized cubic Bézier curves, and speed-profile generation subject to kinematic constraints. The generated scenarios provide diverse indoor environments with corridors, open spaces, and obstacles, together with trajectories of identical duration that vary in path geometry, wall proximity, and velocity profiles while minimizing systematic dependencies between these characteristics. The framework is designed as an easy-to-use tool requiring only a small number of intuitive user-defined parameters to automatically generate large sets of distinct navigation scenarios satisfying prescribed geometric and kinematic constraints. By relying on explicit, seed-controlled algorithmic procedures rather than data-driven models, the generated scenarios remain transparent, reproducible, and configurable, making the framework well suited for telepresence and human-subject experiments. The code is available at https://github.com/JucciK/Trails .
- Abstract（参考訳）: ナビゲーションとシミュレートされたロボットの動きを含むバーチャルリアリティー実験は、制御された実験に十分なバリエーションを提供しながら反復的なナビゲーションを避けるために、大きな現実的な環境と多数の異なる軌道を必要とすることが多い。
このようなシナリオを手動で設計することは、特に軌道が予め定義された幾何学的制約と運動論的制約を満たす必要がある場合において、様々な実験条件に匹敵する。
本稿では,環境レイアウト,パス,時間パラメータ化動作プロファイルからなる仮想ナビゲーションシナリオを自動生成するフレームワークTRAILSを提案する。
このフレームワークは、Wave Function Collapseにインスパイアされた制約ベースの手続き環境ジェネレータ、最適化された立方ベジエ曲線を用いた軌道生成、およびキネマティック制約を受ける速度予測生成を組み合わせたものである。
生成されたシナリオは、廊下、オープンスペース、障害物を含む多様な屋内環境と、経路幾何学、壁の近接、速度プロファイルに異なる同じ期間の軌跡を提供しながら、これらの特性間の体系的依存関係を最小限に抑える。
このフレームワークは、少数の直感的なユーザ定義パラメータしか必要とせず、所定の幾何的制約と運動的制約を満たす異なるナビゲーションシナリオの大規模なセットを自動的に生成する、使い易いツールとして設計されている。
データ駆動モデルではなく、明示的で、シード制御されたアルゴリズムプロシージャに頼ることで、生成されたシナリオは透過的で再現可能で、構成可能であり、テレプレゼンスや人体実験に適している。
コードはhttps://github.com/JucciK/Trails.comで入手できる。
関連論文リスト
- AutoPath: Learning Transferable Goal-Conditioned Stochastic Path Prior for Safe Navigation Without Human Demonstrations [103.61864552260316]
動的環境におけるリアルタイムナビゲーションは、限られた知覚下での衝突のない、動的に実現可能な動きを必要とする。
我々は,移動可能な目標整合経路の学習としてナビゲーションを定式化し,局所的な観測に基づいて,目標整合な局所経路上の再利用可能な分布をモデル化する。
我々は、幾何対応の極性行動多様体を用いて局所経路をパラメータ化し、安定かつ安全対応の計画のためのマルチゴール分散ロールアウトによるリスク感応性ユーティリティシェーピングを含む構造化された事前学習フレームワークを開発した。
論文 参考訳（メタデータ） (2026-07-13T16:00:41Z) - Learning Context-Aware Neural ODE Dynamics for Adaptive Robotic Control [55.01272784312405]
本稿では,ニューラル常微分方程式に基づく文脈認識力学モデルを提案する。
Sphero BOLTロボットとFanucマニピュレータを実世界の実験で使用した。
論文 参考訳（メタデータ） (2026-06-13T20:55:46Z) - Natural Functional Gradients for Smooth Trajectory Optimization [11.331190543795914]
本稿では,自然関数勾配を用いて,関数空間の幾何認識更新を直接行う軌道最適化フレームワークを提案する。
ブラックボックス軌道評価のみを必要とする自然関数勾配の実用的なモンテカルロ推定器を導出する。
制約されたロボット操作タスクの実験は,提案手法が軌道実現性を改善し,よりスムーズな動作を生み出すことを示す。
論文 参考訳（メタデータ） (2026-05-27T09:25:57Z) - Simulation-Driven Evolutionary Motion Parameterization for Contact-Rich Granular Scooping with a Soft Conical Robotic Hand [14.911239660367926]
ツールベースのスクーピングは、さまざまな大きさ、形状、物質状態の物体との相互作用を可能にするロボット支援タスクにおいて不可欠である。
近年の研究では、柔軟で再構成可能なソフトロボットのエンドエフェクターが、スクーピング中に一貫した接触を維持するために形状に適応できることが示されている。
これらのソフトツールは、複雑な感知や制御を必要とせずに、様々な容器の大きさや材料に調整することができる。
本稿では,変形可能な円錐型ロボットハンドの物理シミュレーションモデルの開発について述べる。
論文 参考訳（メタデータ） (2026-04-07T07:30:21Z) - Online Generation of Collision-Free Trajectories in Dynamic Environments [0.9596789853473943]
状態列で表される任意の幾何経路を対応する運動可能軌道に変換するオンライン手法を提案する。
ユーザが指定した制御速度で離散化して低レベルロボットコントローラにストリームできるクインティック/クアティック・スプラインのシーケンスを生成する。
実際のロボットの実験では、提案手法が人間の存在を含む現実のシナリオで使用できることを示した。
論文 参考訳（メタデータ） (2026-02-28T18:04:50Z) - Optimization-Guided Diffusion for Interactive Scene Generation [52.23368750264419]
本稿では,拡散型サンプリングにおける構造的一貫性と相互作用認識を実現するための,最適化誘導型トレーニングフリーフレームワークであるOMEGAを提案する。
OMEGAは生成リアリズム,一貫性,可制御性を向上し,身体的および行動学的に有効なシーンの比率を増大させることを示す。
当社のアプローチでは,3秒未満の時間対コリションで,より近いコリジョンフレームを5ドル(約5,500円)で生成することも可能だ。
論文 参考訳（メタデータ） (2025-12-08T15:56:18Z) - Scaling Up Occupancy-centric Driving Scene Generation: Dataset and Method [54.461213497603154]
作業中心の手法は、最近、フレームとモダリティをまたいだ一貫した条件付けを提供することで、最先端の結果を得た。
Nuplan-Occは、広く使われているNuplanベンチマークから構築された、これまでで最大の占有率データセットである。
高品質な占有、多視点ビデオ、LiDAR点雲を共同で合成する統合フレームワークを開発した。
論文 参考訳（メタデータ） (2025-10-27T03:52:45Z) - Trace and Pace: Controllable Pedestrian Animation via Guided Trajectory
Diffusion [83.88829943619656]
本研究では,現実的な歩行者軌跡生成手法と,ユーザ定義目標を達成するために制御可能なフルボディアニメーションを提案する。
我々のガイド付き拡散モデルでは,対象とする経路,速度,特定社会集団による軌道の制約が可能である。
本稿では,アニメーションコントローラのRLトレーニング中に学習した値関数を用いて,拡散を誘導し,特定のシナリオに適した軌道を生成することを提案する。
論文 参考訳（メタデータ） (2023-04-04T15:46:42Z) - Online Domain Adaptation for Occupancy Mapping [28.081328051535618]
本研究では,環境変化を考慮したモデルパラメータ適応のための最適輸送理論に基づく理論的枠組みを提案する。
高忠実性駆動シミュレータと実世界のデータセットを用いることで、2次元および3次元占有マップのパラメータが局所的な空間変化に合わせて自動的に適応できることを示す。
論文 参考訳（メタデータ） (2020-07-01T00:46:51Z)
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。