A Pillbug-Inspired Morphing Mechanism Covered with Sliding Shells

投稿日: 2025年6月6日 作成者: jarxiv

要約

この研究では、錠剤の動きに触発された貝殻を備えた新しいモーフィング構造を提案しています。
錠剤の本体の代わりに、スライダークランクメカニズムに基づくループカップカップルのメカニズムが利用され、巻き上げと広がりの動きが実現されます。
このメカニズムは、ピルバグの形状のモーフィングを模倣する3つの異なる曲線を正確に模倣します。
メカニズムの一度目（DOF）を1つに減らすために、ハサミのメカニズムが追加されます。
3D湾曲したシェルは、モーフィングメカニズムのトレーサーポイントに取り付けられ、攻撃を繰り返しながら攻撃から保護します。
タイプと寸法合成を通じて、シェルと基礎となるモーフィングメカニズムを含む完全なシステムが開発されます。
3Dモデルが作成およびテストされ、提案されたシステムの形状を変える機能を実証します。
最後に、提案されたメカニズムに基づいて2つのモードを備えたロボットが開発されており、丘を転がり落ち、車輪を介して直線で移動するために広がる可能性があります。

要約(オリジナル)

This research proposes a novel morphing structure with shells inspired by the movement of pillbugs. Instead of the pillbug body, a loopcoupled mechanism based on slider-crank mechanisms is utilized to achieve the rolling up and spreading motion. This mechanism precisely imitates three distinct curves that mimic the shape morphing of a pillbug. To decrease the degree-of-freedom (DOF) of the mechanism to one, scissor mechanisms are added. 3D curved shells are then attached to the tracer points of the morphing mechanism to safeguard it from attacks while allowing it to roll. Through type and dimensional synthesis, a complete system that includes shells and an underlying morphing mechanism is developed. A 3D model is created and tested to demonstrate the proposed system’s shape-changing capability. Lastly, a robot with two modes is developed based on the proposed mechanism, which can curl up to roll down hills and can spread to move in a straight line via wheels.

arxiv情報

著者 Jieyu Wang,Yingzhong Tian,Fengfeng Xi,Damien Chablat,Jianing Lin,Gaoke Ren,Yinjun Zhao
発行日 2025-06-05 12:17:36+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO | A Pillbug-Inspired Morphing Mechanism Covered with Sliding Shells はコメントを受け付けていません

GEX: Democratizing Dexterity with Fully-Actuated Dexterous Hand and Exoskeleton Glove

投稿日: 2025年6月6日 作成者: jarxiv

要約

このペーパーでは、GX11トライフィンガーの擬人化手（11 DOF）とEX12トライフィンガーエキソ販売手袋（12 DOF）を組み合わせた革新的な低コストの器用な操作システムであるGEXを紹介し、高繊維性コントロールのためのキネマティックリターゲットを介して閉ループテレオ覚醒フレームワークを形成します。
どちらのコンポーネントも、モジュール式の3Dプリントの指のデザインを採用しており、完全な作動能力を維持しながら、超低い製造コストを達成しています。
従来の腱駆動型または積極化されていないアプローチから出発する我々の電気機械システムは、23のDOFすべてにわたって独立したジョイントモーターを統合し、完全な状態の観測可能性と正確な運動モデリングを確保します。
この完全な積極的なアーキテクチャは、正確な双方向の運動学計算を可能にし、外骨格とロボットの手の間の運動学的リターゲティングの忠実度を大幅に高めます。
提案されたシステムは、器用な操作研究のコストパフォーマンスギャップを橋渡しし、具体化されたAIおよび器用なロボットスキル転送学習を進めるために高品質のデモデータを取得するためのアクセス可能なプラットフォームを提供します。

要約(オリジナル)

This paper introduces GEX, an innovative low-cost dexterous manipulation system that combines the GX11 tri-finger anthropomorphic hand (11 DoF) with the EX12 tri-finger exoskeleton glove (12 DoF), forming a closed-loop teleoperation framework through kinematic retargeting for high-fidelity control. Both components employ modular 3D-printed finger designs, achieving ultra-low manufacturing costs while maintaining full actuation capabilities. Departing from conventional tendon-driven or underactuated approaches, our electromechanical system integrates independent joint motors across all 23 DoF, ensuring complete state observability and accurate kinematic modeling. This full-actuation architecture enables precise bidirectional kinematic calculations, substantially enhancing kinematic retargeting fidelity between the exoskeleton and robotic hand. The proposed system bridges the cost-performance gap in dexterous manipulation research, providing an accessible platform for acquiring high-quality demonstration data to advance embodied AI and dexterous robotic skill transfer learning.

arxiv情報

著者 Yunlong Dong,Xing Liu,Jun Wan,Zelin Deng
発行日 2025-06-05 12:54:40+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO | GEX: Democratizing Dexterity with Fully-Actuated Dexterous Hand and Exoskeleton Glove はコメントを受け付けていません

A Unified Framework for Simulating Strongly-Coupled Fluid-Robot Multiphysics

投稿日: 2025年6月6日 作成者: jarxiv

要約

液体ロボット多目的を単一の統一された最適化問題としてシミュレートするためのフレームワークを提示します。
ロボットと流体のダイナミクスを支配する結合マニピュレーターと非圧縮性ナビエストークス方程式は、最小の作用のプリンシパルを使用して単一のラグランジアンから一緒に導き出されます。
次に、個別の変動力学を使用して、流体とロボットの両方のダイナミクスを共同でシミュレートするための安定した暗黙の時間統合スキームを導き出します。これは、流体ロボット界面で滑り止め境界条件を施行する制約によってしっかりと結合されます。
古典的な浸漬境界法を拡張して、ロボット工学で一般的に見られるマルチボディシステムで数値的によく調整され、物理的に正確な、滑り止め制約の新しい定式化を導き出します。
PoiseUille Flowや自由ストリームのディスクなど、ベンチマーク計算液型ダイナミクスの問題に対するアプローチの物理的精度を示します。
次に、シミュレーションで新しい水泳ロボットの移動ポリシーを設計し、実際のハードウェアの結果を検証し、ロボット工学タスクのフレームワークのSIMからリアル機能を紹介します。

要約(オリジナル)

We present a framework for simulating fluid-robot multiphysics as a single, unified optimization problem. The coupled manipulator and incompressible Navier-Stokes equations governing the robot and fluid dynamics are derived together from a single Lagrangian using the principal of least action. We then employ discrete variational mechanics to derive a stable, implicit time-integration scheme for jointly simulating both the fluid and robot dynamics, which are tightly coupled by a constraint that enforces the no-slip boundary condition at the fluid-robot interface. Extending the classical immersed boundary method, we derive a new formulation of the no-slip constraint that is numerically well-conditioned and physically accurate for multibody systems commonly found in robotics. We demonstrate our approach’s physical accuracy on benchmark computational fluid-dynamics problems, including Poiseuille flow and a disc in free stream. We then design a locomotion policy for a novel swimming robot in simulation and validate results on real-world hardware, showcasing our framework’s sim-to-real capability for robotics tasks.

arxiv情報

著者 Jeong Hun Lee,Junzhe Hu,Sofia Kwok,Carmel Majidi,Zachary Manchester
発行日 2025-06-05 13:21:17+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO | A Unified Framework for Simulating Strongly-Coupled Fluid-Robot Multiphysics はコメントを受け付けていません

Hierarchical Language Models for Semantic Navigation and Manipulation in an Aerial-Ground Robotic System

投稿日: 2025年6月6日 作成者: jarxiv

要約

不均一なマルチロボットシステムは、調整されたハイブリッド協力を必要とする複雑なタスクで大きな可能性を示しています。
ただし、静的モデルに依存する従来のアプローチは、タスクの多様性と動的環境に苦労することがよくあります。
これは、不均一なエージェント全体で低レベルの実行で高レベルの推論を埋めることができる一般化可能なインテリジェンスの必要性を強調しています。
これに対処するために、プロンプトの大きな言語モデル（LLM）とグリッドマスクが強化された微調整されたビジョン言語モデル（VLM）を統合する階層フレームワークを提案します。
LLMはタスク分解とグローバルなセマンティックマップの構築を実行し、VLMは航空画像からタスク指定のセマンティックラベルと2D空間情報を抽出し、ローカル計画をサポートします。
このフレームワーク内で、空中ロボットはグローバルに最適化されたセマンティックパスに従い、鳥類観測画像を継続的に提供し、地上ロボットのローカルセマンティックナビゲーションと操作を導きます。
実際のレターキューブの配置タスクでの実験は、動的環境でのフレームワークの適応性と堅牢性を示しています。
私たちの知る限り、これは、VLMベースの認識をLLM駆動型タスクの推論とモーション計画と統合する航空機の不均一システムの最初のデモンストレーションです。

要約(オリジナル)

Heterogeneous multi-robot systems show great potential in complex tasks requiring coordinated hybrid cooperation. However, traditional approaches relying on static models often struggle with task diversity and dynamic environments. This highlights the need for generalizable intelligence that can bridge high-level reasoning with low-level execution across heterogeneous agents. To address this, we propose a hierarchical framework integrating a prompted Large Language Model (LLM) and a GridMask-enhanced fine-tuned Vision Language Model (VLM). The LLM performs task decomposition and global semantic map construction, while the VLM extracts task-specified semantic labels and 2D spatial information from aerial images to support local planning. Within this framework, the aerial robot follows a globally optimized semantic path and continuously provides bird-view images, guiding the ground robot’s local semantic navigation and manipulation, including target-absent scenarios where implicit alignment is maintained. Experiments on a real-world letter-cubes arrangement task demonstrate the framework’s adaptability and robustness in dynamic environments. To the best of our knowledge, this is the first demonstration of an aerial-ground heterogeneous system integrating VLM-based perception with LLM-driven task reasoning and motion planning.

arxiv情報

著者 Haokun Liu,Zhaoqi Ma,Yunong Li,Junichiro Sugihara,Yicheng Chen,Jinjie Li,Moju Zhao
発行日 2025-06-05 13:27:41+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.RO | Hierarchical Language Models for Semantic Navigation and Manipulation in an Aerial-Ground Robotic System はコメントを受け付けていません

PulseRide: A Robotic Wheelchair for Personalized Exertion Control with Human-in-the-Loop Reinforcement Learning

投稿日: 2025年6月6日 作成者: jarxiv

要約

アクティブなライフスタイルを維持することは、生活の質に不可欠ですが、車椅子のユーザーにとっては挑戦的です。
たとえば、動力付き車椅子は、不活性による肥満と脱行のリスクの増加に直面しています。
逆に、車椅子のハンドリムを押すことで車椅子を推進する手動の車椅子ユーザーは、しばしば繰り返し動きから上肢の怪我に直面します。
これらの課題は、怪我のリスクを最小限に抑えながら活動を促進するモビリティシステムの必要性を強調しています。
車椅子の使用中に最適な運動を維持することは、健康上の利点と関与を高めますが、個々の生理学的反応の変動は運動の最適化を複雑にします。
これに対処するために、各ユーザーの生理学的反応に基づいてパーソナライズされた支援を提供する新しい車椅子システムであるPulserideを導入し、身体的運動の目標を維持するのに役立ちます。
障害物の回避とナビゲーションに焦点を当てた従来の支援システムとは異なり、Pulserideはリアルタイムの生理学的データを心拍数とECGの車椅子速度で統合して、適応支援を提供します。
深いQネットワークアルゴリズム（DQN）を使用した人間のループ補強学習アプローチを使用して、システムはプッシュアシスタンスを調整して、過剰または過剰な耐性なしにユーザーを中程度のアクティビティ範囲内に保ちます。
パルセライドの有効性を評価するために、カーペットやスレートを含むさまざまな地形で10人のユーザーとの予備テストを実施しました。
私たちの調査結果は、個々のユーザーにとって、Pulserideが中程度のアクティビティゾーン内の心拍数を、手動の車椅子よりも71.7％長く維持していることを示しています。
すべてのユーザーの中で、41.86％の筋肉収縮の平均減少が観察され、疲労発症が遅れ、全体的な快適性と関与が向上しました。
これらの結果は、Pulserideがより健康的で適応性のあるモビリティソリューションを提供し、パッシブと物理的な課税モビリティオプションのギャップを埋めることを示しています。

要約(オリジナル)

Maintaining an active lifestyle is vital for quality of life, yet challenging for wheelchair users. For instance, powered wheelchairs face increasing risks of obesity and deconditioning due to inactivity. Conversely, manual wheelchair users, who propel the wheelchair by pushing the wheelchair’s handrims, often face upper extremity injuries from repetitive motions. These challenges underscore the need for a mobility system that promotes activity while minimizing injury risk. Maintaining optimal exertion during wheelchair use enhances health benefits and engagement, yet the variations in individual physiological responses complicate exertion optimization. To address this, we introduce PulseRide, a novel wheelchair system that provides personalized assistance based on each user’s physiological responses, helping them maintain their physical exertion goals. Unlike conventional assistive systems focused on obstacle avoidance and navigation, PulseRide integrates real-time physiological data-such as heart rate and ECG-with wheelchair speed to deliver adaptive assistance. Using a human-in-the-loop reinforcement learning approach with Deep Q-Network algorithm (DQN), the system adjusts push assistance to keep users within a moderate activity range without under- or over-exertion. We conducted preliminary tests with 10 users on various terrains, including carpet and slate, to assess PulseRide’s effectiveness. Our findings show that, for individual users, PulseRide maintains heart rates within the moderate activity zone as much as 71.7 percent longer than manual wheelchairs. Among all users, we observed an average reduction in muscle contractions of 41.86 percent, delaying fatigue onset and enhancing overall comfort and engagement. These results indicate that PulseRide offers a healthier, adaptive mobility solution, bridging the gap between passive and physically taxing mobility options.

arxiv情報

著者 Azizul Zahid,Bibek Poudel,Danny Scott,Jason Scott,Scott Crouter,Weizi Li,Sai Swaminathan
発行日 2025-06-05 14:00:59+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.HC, cs.RO | PulseRide: A Robotic Wheelchair for Personalized Exertion Control with Human-in-the-Loop Reinforcement Learning はコメントを受け付けていません

Mini Diffuser: Fast Multi-task Diffusion Policy Training Using Two-level Mini-batches

投稿日: 2025年6月6日 作成者: jarxiv

要約

マルチタスクビジョン言語ロボット拡散ポリシーをトレーニングするために必要な時間とメモリを数桁削減する方法を提示します。
この改善は、アクションの拡散とそれに影響を与えた画像拡散技術との間の以前に採用されていない区別から生じます。画像生成では、ターゲットは高次元です。
対照的に、アクション生成では、ターゲットの次元は比較的小さく、画像条件のみが高次元です。
私たちのアプローチ、\ emph {mini diffuser}は、従来の1対1のサンプリング戦略ではなく、各視力言語条件と複数のノイズされたアクションサンプルをペアにする\ emphe {2レベルのミニバッチ}を導入することにより、この非対称性を活用します。
このバッチスキームをサポートするために、完全なコンディショニングアクセスを維持しながら、サンプル間の情報漏れを防ぐ拡散トランスに建築的適応を導入します。
RLBenchシミュレーションでは、Mini-Diffuserは、最先端のマルチタスク拡散ポリシーのパフォーマンスの95％を達成し、トレーニング時間の5 \％とメモリの7 \％のみを使用します。
実際の実験では、ミニディフューザーがマルチモーダルアクション分布をモデル化し、多様な知覚入力を条件付けた動作を生成する能力など、拡散ベースのポリシーの重要な強みを保持することをさらに検証します。
mim-diffuse-portor.github.ioで入手可能なコード

要約(オリジナル)

We present a method that reduces, by an order of magnitude, the time and memory needed to train multi-task vision-language robotic diffusion policies. This improvement arises from a previously underexplored distinction between action diffusion and the image diffusion techniques that inspired it: In image generation, the target is high-dimensional. By contrast, in action generation, the dimensionality of the target is comparatively small, and only the image condition is high-dimensional. Our approach, \emph{Mini Diffuser}, exploits this asymmetry by introducing \emph{two-level minibatching}, which pairs multiple noised action samples with each vision-language condition, instead of the conventional one-to-one sampling strategy. To support this batching scheme, we introduce architectural adaptations to the diffusion transformer that prevent information leakage across samples while maintaining full conditioning access. In RLBench simulations, Mini-Diffuser achieves 95\% of the performance of state-of-the-art multi-task diffusion policies, while using only 5\% of the training time and 7\% of the memory. Real-world experiments further validate that Mini-Diffuser preserves the key strengths of diffusion-based policies, including the ability to model multimodal action distributions and produce behavior conditioned on diverse perceptual inputs. Code available at mini-diffuse-actor.github.io

arxiv情報

著者 Yutong Hu,Pinhao Song,Kehan Wen,Renaud Detry
発行日 2025-06-05 14:01:16+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.LG, cs.RO | Mini Diffuser: Fast Multi-task Diffusion Policy Training Using Two-level Mini-batches はコメントを受け付けていません

DemoSpeedup: Accelerating Visuomotor Policies via Entropy-Guided Demonstration Acceleration

投稿日: 2025年6月6日 作成者: jarxiv

要約

模倣学習はロボット操作に大きな約束を示していますが、ポリシーの実行は、一般的に人間のオペレーターによって収集された遅刻のデモのために、しばしば不十分に遅くなります。
この作業では、エントロピー誘導デモンストレーションの加速を介して視覚運動政策の実行を加速するための自己監視方法であるDemospeedupを提示します。
Demospeedupは、通常のスピードデモンストレーションに関するarbitrary意的な生成ポリシー（ACTまたは拡散ポリシーなど）のトレーニングから始まります。これは、フレームごとのアクションエントロピー推定器として機能します。
重要な洞察は、より低いアクションエントロピー推定のフレームが、より一貫したポリシー行動を必要とすることです。
対照的に、より高いエントロピー推定値を持つフレームは、よりカジュアルなセクションに対応するため、より安全に加速することができます。
したがって、推定されたエントロピーに従って元のデモをセグメント化し、エントロピー値とともに増加する速度でダウンサンプリングすることにより、それらを加速します。
スピードアップデモンストレーションでトレーニングされた結果、結果のポリシーは、タスクの完了パフォーマンスを維持しながら、最大3倍高速で実行されます。
興味深いことに、これらのポリシーは、意思決定の地平線が減少することの利点により、通常の速度デモンストレーションで訓練されたポリシーよりも高い成功率を達成することさえできます。

要約(オリジナル)

Imitation learning has shown great promise in robotic manipulation, but the policy’s execution is often unsatisfactorily slow due to commonly tardy demonstrations collected by human operators. In this work, we present DemoSpeedup, a self-supervised method to accelerate visuomotor policy execution via entropy-guided demonstration acceleration. DemoSpeedup starts from training an arbitrary generative policy (e.g., ACT or Diffusion Policy) on normal-speed demonstrations, which serves as a per-frame action entropy estimator. The key insight is that frames with lower action entropy estimates call for more consistent policy behaviors, which often indicate the demands for higher-precision operations. In contrast, frames with higher entropy estimates correspond to more casual sections, and therefore can be more safely accelerated. Thus, we segment the original demonstrations according to the estimated entropy, and accelerate them by down-sampling at rates that increase with the entropy values. Trained with the speedup demonstrations, the resulting policies execute up to 3 times faster while maintaining the task completion performance. Interestingly, these policies could even achieve higher success rates than those trained with normal-speed demonstrations, due to the benefits of reduced decision-making horizons.

arxiv情報

著者 Lingxiao Guo,Zhengrong Xue,Zijing Xu,Huazhe Xu
発行日 2025-06-05 14:11:11+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO | DemoSpeedup: Accelerating Visuomotor Policies via Entropy-Guided Demonstration Acceleration はコメントを受け付けていません

Synthetic Dataset Generation for Autonomous Mobile Robots Using 3D Gaussian Splatting for Vision Training

投稿日: 2025年6月6日 作成者: jarxiv

要約

注釈付きのデータセットは、オブジェクトの検出のためにニューラルネットワークをトレーニングするために重要ですが、それらの手動作成は時間的かつ労働集約的であり、ヒューマンエラーに主観的であり、しばしば多様性が限られています。
この課題は、ロボット工学のドメインで特に顕著であり、多様で動的なシナリオが代表的なデータセットの作成をさらに複雑にします。
これに対処するために、Unreal Engineで注釈付きの合成データを自動的に生成するための新しい方法を提案します。
私たちのアプローチは、迅速な合成データ生成のために、フォトリアリックな3Dガウススプラットを活用しています。
合成データセットは、実際のデータセットのパフォーマンスに匹敵するパフォーマンスを実現しながら、データの生成と注釈に必要な時間を大幅に削減できることを実証します。
さらに、実際のデータと合成データを組み合わせることで、合成データのスケーラビリティが容易になり、実世界の画像の品質を活用することにより、オブジェクト検出パフォーマンスが大幅に向上します。
私たちの知る限り、これは、ロボットサッカーの非常に動的で多様な環境でオブジェクト検出アルゴリズムをトレーニングするための合成データの最初のアプリケーションです。
検証実験では、合成画像で訓練された検出器は、ロボットサッカーマッチシナリオでテストされたときに手動で注釈された実世界画像でトレーニングされた1つで並行して実行されることが明らかになりました。
私たちの方法は、従来のデータセット作成のスケーラブルで包括的な代替品を提供し、労働集約型エラーが発生しやすいマニュアルアノテーションプロセスを排除します。
すべての要素が本質的に知られているシミュレーターでデータセットを生成することにより、正確な注釈を確保しながら、手動の努力を大幅に削減するため、多様でスケーラブルなトレーニングデータを必要とするロボット工学アプリケーションにとって特に価値があります。

要約(オリジナル)

Annotated datasets are critical for training neural networks for object detection, yet their manual creation is time- and labour-intensive, subjective to human error, and often limited in diversity. This challenge is particularly pronounced in the domain of robotics, where diverse and dynamic scenarios further complicate the creation of representative datasets. To address this, we propose a novel method for automatically generating annotated synthetic data in Unreal Engine. Our approach leverages photorealistic 3D Gaussian splats for rapid synthetic data generation. We demonstrate that synthetic datasets can achieve performance comparable to that of real-world datasets while significantly reducing the time required to generate and annotate data. Additionally, combining real-world and synthetic data significantly increases object detection performance by leveraging the quality of real-world images with the easier scalability of synthetic data. To our knowledge, this is the first application of synthetic data for training object detection algorithms in the highly dynamic and varied environment of robot soccer. Validation experiments reveal that a detector trained on synthetic images performs on par with one trained on manually annotated real-world images when tested on robot soccer match scenarios. Our method offers a scalable and comprehensive alternative to traditional dataset creation, eliminating the labour-intensive error-prone manual annotation process. By generating datasets in a simulator where all elements are intrinsically known, we ensure accurate annotations while significantly reducing manual effort, which makes it particularly valuable for robotics applications requiring diverse and scalable training data.

arxiv情報

著者 Aneesh Deogan,Wout Beks,Peter Teurlings,Koen de Vos,Mark van den Brand,Rene van de Molengraft
発行日 2025-06-05 14:37:40+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV, cs.RO | Synthetic Dataset Generation for Autonomous Mobile Robots Using 3D Gaussian Splatting for Vision Training はコメントを受け付けていません

EDEN: Efficient Dual-Layer Exploration Planning for Fast UAV Autonomous Exploration in Large 3-D Environments

投稿日: 2025年6月6日 作成者: jarxiv

要約

大規模な環境での効率的な自律調査は、計画の高い計算コストと低速操作のために依然として困難です。
この論文では、高速で計算効率の良い二重層探査計画方法を提案します。
私たちの二重層の方法の洞察は、許容可能な長期領域ルーティングを効率的に見つけ、高速で最初のルーティングエリアの領域のターゲットを貪欲に探索することです。
具体的には、提案された方法では、近似アルゴリズムを介した長期エリアルーティングを見つけて、大規模な環境でのリアルタイム計画を確保します。
次に、最低の曲率包装コストを持つ最初のルーティング領域の視点は、急激なターンモーションによって引き起こされる減速を効果的に減らすことができ、次の探査ターゲットとして選択されます。
探査をさらに高速化するために、探査の継続性を高めるために、積極的で安全な探索指向の軌跡を採用します。
提案された方法は、挑戦的なシミュレーション環境における最先端の方法と比較されます。
結果は、提案された方法が、探査効率、計算コスト、および軌道速度の観点から他の方法よりも優れていることを示しています。
また、提案された方法の有効性を検証するために、実際の実験を実施します。
コードはオープンソースになります。

要約(オリジナル)

Efficient autonomous exploration in large-scale environments remains challenging due to the high planning computational cost and low-speed maneuvers. In this paper, we propose a fast and computationally efficient dual-layer exploration planning method. The insight of our dual-layer method is efficiently finding an acceptable long-term region routing and greedily exploring the target in the region of the first routing area with high speed. Specifically, the proposed method finds the long-term area routing through an approximate algorithm to ensure real-time planning in large-scale environments. Then, the viewpoint in the first routing region with the lowest curvature-penalized cost, which can effectively reduce decelerations caused by sharp turn motions, will be chosen as the next exploration target. To further speed up the exploration, we adopt an aggressive and safe exploration-oriented trajectory to enhance exploration continuity. The proposed method is compared to state-of-the-art methods in challenging simulation environments. The results show that the proposed method outperforms other methods in terms of exploration efficiency, computational cost, and trajectory speed. We also conduct real-world experiments to validate the effectiveness of the proposed method. The code will be open-sourced.

arxiv情報

著者 Qianli Dong,Xuebo Zhang,Shiyong Zhang,Ziyu Wang,Zhe Ma,Haobo Xi
発行日 2025-06-05 14:49:17+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO | EDEN: Efficient Dual-Layer Exploration Planning for Fast UAV Autonomous Exploration in Large 3-D Environments はコメントを受け付けていません

Reactive Collision Avoidance for Safe Agile Navigation

投稿日: 2025年6月6日 作成者: jarxiv

要約

反応性衝突回避は、複雑で動的な環境をナビゲートするアジャイルロボットに不可欠であり、リアルタイムの障害物反応を可能にします。
ただし、このタスクは、従来の方法が個別に処理されることが多く、複合エラーと遅延をもたらすことが多い、知覚、計画、および制御の密接な統合が必要であるため、本質的に困難です。
このホワイトペーパーでは、これらのタスクを統合した単一の反応的フレームワークに統合する新しいアプローチを紹介します。
私たちの方法は、非線形モデルの予測制御と適応制御バリア関数を組み合わせて、知覚駆動型の制約をリアルタイムの計画と制御に直接リンクします。
制約は、ニューラルネットワークを使用してノイズの多いRGB-Dデータを改良し、深さの精度を高め、最小衝突時間とともにポイントを選択して最も差し迫った脅威を優先することにより決定されます。
安全性と俊敏性のバランスを維持するために、ヒューリスティックは最適化プロセスを動的に調整し、リアルタイムで過剰な制約を防ぎます。
アジャイル象限を使用した広範な実験は、環境固有のチューニングや明示的なマッピングを必要とせずに、多様な屋内および屋外環境にわたる効果的な衝突回避を示しています。

要約(オリジナル)

Reactive collision avoidance is essential for agile robots navigating complex and dynamic environments, enabling real-time obstacle response. However, this task is inherently challenging because it requires a tight integration of perception, planning, and control, which traditional methods often handle separately, resulting in compounded errors and delays. This paper introduces a novel approach that unifies these tasks into a single reactive framework using solely onboard sensing and computing. Our method combines nonlinear model predictive control with adaptive control barrier functions, directly linking perception-driven constraints to real-time planning and control. Constraints are determined by using a neural network to refine noisy RGB-D data, enhancing depth accuracy, and selecting points with the minimum time-to-collision to prioritize the most immediate threats. To maintain a balance between safety and agility, a heuristic dynamically adjusts the optimization process, preventing overconstraints in real time. Extensive experiments with an agile quadrotor demonstrate effective collision avoidance across diverse indoor and outdoor environments, without requiring environment-specific tuning or explicit mapping.

arxiv情報

著者 Alessandro Saviolo,Niko Picello,Jeffrey Mao,Rishabh Verma,Giuseppe Loianno
発行日 2025-06-05 14:58:12+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO | Reactive Collision Avoidance for Safe Agile Navigation はコメントを受け付けていません