Towards a Formal Specification for Self-organized Shape Formation in Swarm Robotics

投稿日: 2025年6月17日 作成者: jarxiv

要約

構造と形状の形成のためのロボットの自己組織化は、群れロボットシステムの刺激的な応用です。
それには、不均一な行動、それらの間の調整、および動的環境との相互作用の多数の自律的なロボットが含まれます。
複雑な構造形成のこのプロセスは、複雑なシステムと見なされます。これは、あらゆるモデリングアプローチを使用してモデル化する必要があります。
ただし、正式な仕様アプローチと他の正式な方法は、群れでのロボットの動作をモデル化するために使用されています。
しかし、私たちの知る限り、正式な仕様アプローチは、形状の形成のための群れロボットシステムの自己組織化プロセスをモデル化するために使用されていません。
この論文では、正式な仕様アプローチを使用して、群れロボットの形状形成タスクをモデル化します。
システムベースの言語である正式な仕様のZ（ZED）言語を使用して、システムのエンティティの状態をモデル化します。
自己組織化された形状形成に対するZの有効性を示します。
提示された正式な仕様モデルは、複雑な形状と構造を形成するためのSwarm Roboticシステムを設計および実装するためのアウトラインを提供します。
また、シミュレーションベースの環境でマルチエージェントシステムを使用して、群れロボット工学の複雑な形状形成プロセスをモデル化するための基盤を提供します。
キーワード：Swarm Robotics、自己組織化、正式な仕様、複雑なシステム

要約(オリジナル)

The self-organization of robots for the formation of structures and shapes is a stimulating application of the swarm robotic system. It involves a large number of autonomous robots of heterogeneous behavior, coordination among them, and their interaction with the dynamic environment. This process of complex structure formation is considered a complex system, which needs to be modeled by using any modeling approach. Although the formal specification approach along with other formal methods has been used to model the behavior of robots in a swarm. However, to the best of our knowledge, the formal specification approach has not been used to model the self-organization process in swarm robotic systems for shape formation. In this paper, we use a formal specification approach to model the shape formation task of swarm robots. We use Z (Zed) language of formal specification, which is a state-based language, to model the states of the entities of the systems. We demonstrate the effectiveness of Z for the self-organized shape formation. The presented formal specification model gives the outlines for designing and implementing the swarm robotic system for the formation of complex shapes and structures. It also provides the foundation for modeling the complex shape formation process for swarm robotics using a multi-agent system in a simulation-based environment. Keywords: Swarm robotics, Self-organization, Formal specification, Complex systems

arxiv情報

著者 YR Darr,MA Niazi
発行日 2025-06-16 13:13:20+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 | Towards a Formal Specification for Self-organized Shape Formation in Swarm Robotics はコメントを受け付けていません

Block-wise Adaptive Caching for Accelerating Diffusion Policy

投稿日: 2025年6月17日 作成者: jarxiv

要約

拡散ポリシーは強力な視覚運動モデリング機能を実証していますが、その高い計算コストは​​、リアルタイムのロボット制御には非現実的になります。
繰り返しの除去ステップにわたる大きな冗長性にもかかわらず、既存の拡散加速手法は、基本的な建築とデータの相違により、拡散ポリシーに一般化できません。
この論文では、中間アクション機能をキャッシュすることにより拡散ポリシーを加速する方法であるブロックごとの適応キャッシュ（BAC）を提案します。
BACは、特徴がタイムステップとロック全体で不均一に異なるという重要な観察に基づいて、ブロックレベルでキャッシュされた機能を適応的に更新および再利用することにより、ロスレスアクションの加速を達成します。
この洞察を運用するために、最初に、キャッシュされた機能とスキップ機能の間のグローバルな機能の類似性を最大化することにより、最適な更新タイムステップを識別するように設計された適応型キャッシュスケジューラを提案します。
ただし、各ブロックにこのスケジューラを適用すると、特にフィードフォワードネットワーク（FFN）ブロック内で、キャッシュエラーがブロック間伝播するため、SigniffCantエラーの急増につながります。
この問題を軽減するために、バブリングユニオンアルゴリズムを開発します。これは、下流FFNの前にSigniffCantキャッシュエラーで上流のブロックを更新することにより、これらのエラーを切り捨てます。
トレーニングなしのプラグインとして、BACは既存の変圧器ベースの拡散ポリシーおよびビジョン言語アクションモデルと容易に統合できます。
複数のロボットベンチマークでの広範な実験は、BACが無料で最大3倍の推論スピードアップを達成することを示しています。

要約(オリジナル)

Diffusion Policy has demonstrated strong visuomotor modeling capabilities, but its high computational cost renders it impractical for real-time robotic control. Despite huge redundancy across repetitive denoising steps, existing diffusion acceleration techniques fail to generalize to Diffusion Policy due to fundamental architectural and data divergences. In this paper, we propose Block-wise Adaptive Caching(BAC), a method to accelerate Diffusion Policy by caching intermediate action features. BAC achieves lossless action generation acceleration by adaptively updating and reusing cached features at the block level, based on a key observation that feature similarities vary non-uniformly across timesteps and locks. To operationalize this insight, we first propose the Adaptive Caching Scheduler, designed to identify optimal update timesteps by maximizing the global feature similarities between cached and skipped features. However, applying this scheduler for each block leads to signiffcant error surges due to the inter-block propagation of caching errors, particularly within Feed-Forward Network (FFN) blocks. To mitigate this issue, we develop the Bubbling Union Algorithm, which truncates these errors by updating the upstream blocks with signiffcant caching errors before downstream FFNs. As a training-free plugin, BAC is readily integrable with existing transformer-based Diffusion Policy and vision-language-action models. Extensive experiments on multiple robotic benchmarks demonstrate that BAC achieves up to 3x inference speedup for free.

arxiv情報

著者 Kangye Ji,Yuan Meng,Hanyun Cui,Ye Li,Shengjia Hua,Lei Chen,Zhi Wang
発行日 2025-06-16 13:14:58+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 | Block-wise Adaptive Caching for Accelerating Diffusion Policy はコメントを受け付けていません

Learning Swing-up Maneuvers for a Suspended Aerial Manipulation Platform in a Hierarchical Control Framework

投稿日: 2025年6月17日 作成者: jarxiv

要約

この作業では、強化学習（RL）エージェントを使用してモデルベースの制御方法を強化し、停止した航空操作プラットフォームでスイングアップ操作を実証する新しいアプローチを提示します。
これらのプラットフォームは、クレーンを含む建設現場の幅広いアプリケーションを対象としています。スイングアップ操作により、純粋にプラットフォームの推力力ではアクセスできません。
提案されたアプローチは、階層制御フレームワークに基づいており、割り当てられた優先順位に従って異なるタスクを実行できるようにします。
その後、RLエージェントが利用され、低優先度タスクの参照セットポイントを調整してスイングアップ操作を実行します。これは、特定の方向とエンド効果の位置を維持するなど、より優先度の高いタスクのヌルスペースに限定されます。
私たちのアプローチは、広範な数値シミュレーション研究を使用して検証されています。

要約(オリジナル)

In this work, we present a novel approach to augment a model-based control method with a reinforcement learning (RL) agent and demonstrate a swing-up maneuver with a suspended aerial manipulation platform. These platforms are targeted towards a wide range of applications on construction sites involving cranes, with swing-up maneuvers allowing it to perch at a given location, inaccessible with purely the thrust force of the platform. Our proposed approach is based on a hierarchical control framework, which allows different tasks to be executed according to their assigned priorities. An RL agent is then subsequently utilized to adjust the reference set-point of the lower-priority tasks to perform the swing-up maneuver, which is confined in the nullspace of the higher-priority tasks, such as maintaining a specific orientation and position of the end-effector. Our approach is validated using extensive numerical simulation studies.

arxiv情報

著者 Hemjyoti Das,Minh Nhat Vu,Christian Ott
発行日 2025-06-16 13:34:43+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 | Learning Swing-up Maneuvers for a Suspended Aerial Manipulation Platform in a Hierarchical Control Framework はコメントを受け付けていません

A Survey on Imitation Learning for Contact-Rich Tasks in Robotics

投稿日: 2025年6月17日 作成者: jarxiv

要約

この論文は、接触豊富なロボットタスクの模倣学習の研究動向を包括的に調査します。
環境との複雑な物理的相互作用を必要とする接触豊富なタスクは、非線形のダイナミクスと小さな位置偏差に対する感度のため、ロボット工学の中心的な課題を表しています。
このペーパーでは、微妙な相互作用のダイナミクスをキャプチャするために、教育方法や感覚モダリティを含むデモコレクションの方法論を調べます。
次に、模倣学習アプローチを分析し、接触豊富な操作へのアプリケーションを強調します。
マルチモーダル学習および基礎モデルの最近の進歩により、産業、家庭、およびヘルスケアのドメインにわたる複雑な接触タスクのパフォーマンスが大幅に向上しました。
現在の研究の体系的な組織と課題の特定を通じて、この調査は、接触豊富なロボット操作における将来の進歩の基盤を提供します。

要約(オリジナル)

This paper comprehensively surveys research trends in imitation learning for contact-rich robotic tasks. Contact-rich tasks, which require complex physical interactions with the environment, represent a central challenge in robotics due to their nonlinear dynamics and sensitivity to small positional deviations. The paper examines demonstration collection methodologies, including teaching methods and sensory modalities crucial for capturing subtle interaction dynamics. We then analyze imitation learning approaches, highlighting their applications to contact-rich manipulation. Recent advances in multimodal learning and foundation models have significantly enhanced performance in complex contact tasks across industrial, household, and healthcare domains. Through systematic organization of current research and identification of challenges, this survey provides a foundation for future advancements in contact-rich robotic manipulation.

arxiv情報

著者 Toshiaki Tsuji,Yasuhiro Kato,Gokhan Solak,Heng Zhang,Tadej Petrič,Francesco Nori,Arash Ajoudani
発行日 2025-06-16 13:55:20+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.LG, cs.RO, cs.SY, eess.SY | A Survey on Imitation Learning for Contact-Rich Tasks in Robotics はコメントを受け付けていません

UAV Object Detection and Positioning in a Mining Industrial Metaverse with Custom Geo-Referenced Data

投稿日: 2025年6月17日 作成者: jarxiv

要約

鉱業部門は、運用効率、安全性、データ駆動型の意思決定を改善するために、デジタルツールをますます採用しています。
重要な課題の1つは、抽出計画やオンサイトモニタリングなどのコアアクティビティをサポートするために、高解像度の地理参照空間情報の信頼できる獲得です。
この作業では、UAVベースのセンシング、LIDAR地形モデリング、およびディープラーニングベースのオブジェクト検出を組み合わせて、オープンピットマイニング環境の空間的に正確な情報を生成する統合システムアーキテクチャを提示します。
提案されたパイプラインには、地理参照、3D再構成、およびオブジェクトのローカリゼーションが含まれ、構造化された空間出力を産業用デジタルツインプラットフォームに統合できるようにします。
従来の静的測量方法とは異なり、このシステムは、現実世界の産業コンテキストでの展開に適したモジュラーコンポーネントを使用して、より高いカバレッジと自動化の可能性を提供します。
現在の実装は飛行後のバッチモードで動作しますが、リアルタイム拡張機能の基礎を築きます。
このシステムは、状況認識とインフラストラクチャの安全性をサポートするスケーラブルでフィールドに検証された地理空間データワークフローを実証することにより、マイニングにおけるAI強化リモートセンシングの開発に貢献します。

要約(オリジナル)

The mining sector increasingly adopts digital tools to improve operational efficiency, safety, and data-driven decision-making. One of the key challenges remains the reliable acquisition of high-resolution, geo-referenced spatial information to support core activities such as extraction planning and on-site monitoring. This work presents an integrated system architecture that combines UAV-based sensing, LiDAR terrain modeling, and deep learning-based object detection to generate spatially accurate information for open-pit mining environments. The proposed pipeline includes geo-referencing, 3D reconstruction, and object localization, enabling structured spatial outputs to be integrated into an industrial digital twin platform. Unlike traditional static surveying methods, the system offers higher coverage and automation potential, with modular components suitable for deployment in real-world industrial contexts. While the current implementation operates in post-flight batch mode, it lays the foundation for real-time extensions. The system contributes to the development of AI-enhanced remote sensing in mining by demonstrating a scalable and field-validated geospatial data workflow that supports situational awareness and infrastructure safety.

arxiv情報

著者 Vasiliki Balaska,Ioannis Tsampikos Papapetros,Katerina Maria Oikonomou,Loukas Bampis,Antonios Gasteratos
発行日 2025-06-16 13:59:56+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.ET, cs.RO, eess.IV | UAV Object Detection and Positioning in a Mining Industrial Metaverse with Custom Geo-Referenced Data はコメントを受け付けていません

What Matters in Learning from Large-Scale Datasets for Robot Manipulation

投稿日: 2025年6月17日 作成者: jarxiv

要約

大規模なマルチタスクデモンストレーションデータセットからの模倣学習は、一般的に対応可能なロボットを構築するための有望なパスとして浮上しています。
その結果、世界中にこのような大規模なデータセットの構築に1000時間の時間が費やされました。
このような取り組みの継続的な成長にもかかわらず、ロボット工学データセットの有用性を改善し、下流の政策学習を促進するために、どのデータを収集すべきかについての体系的な理解がまだありません。
この作業では、この質問に答えるために大規模なデータセット構成調査を実施します。
データ生成フレームワークを開発して、既存のデータセット（センサーの配置やオブジェクトの種類やアレンジメントなど）の多様性の一般的なソースを手続きし、それを使用して制御された構成を備えた大規模なロボットデータセットを生成し、現実世界では固く高価な一連のデータセット構成研究を可能にします。
（1）将来の研究者がロボット工学の大規模なデータセットを収集するときに、どのような種類の多様性を強調すべきか、および（2）現在の開業医は、既存のデータセットから関連するデモを取得して、関心のあるタスクのダウンストリームポリシーパフォーマンスを最大化する方法。
私たちの研究では、いくつかの重要な洞察が得られます。たとえば、カメラのポーズと空間的配置は、収集と検索の調整の両方の重要な寸法であることがわかります。
現実世界のロボット学習設定では、シミュレーションからの洞察が引き継がれるだけでなく、DROIDなどの既存のデータセットでの検索戦略により、既存のトレーニング戦略を最大70％上回ることができることがわかります。
https://robo-mimiclabs.github.io/でその他の結果

要約(オリジナル)

Imitation learning from large multi-task demonstration datasets has emerged as a promising path for building generally-capable robots. As a result, 1000s of hours have been spent on building such large-scale datasets around the globe. Despite the continuous growth of such efforts, we still lack a systematic understanding of what data should be collected to improve the utility of a robotics dataset and facilitate downstream policy learning. In this work, we conduct a large-scale dataset composition study to answer this question. We develop a data generation framework to procedurally emulate common sources of diversity in existing datasets (such as sensor placements and object types and arrangements), and use it to generate large-scale robot datasets with controlled compositions, enabling a suite of dataset composition studies that would be prohibitively expensive in the real world. We focus on two practical settings: (1) what types of diversity should be emphasized when future researchers collect large-scale datasets for robotics, and (2) how should current practitioners retrieve relevant demonstrations from existing datasets to maximize downstream policy performance on tasks of interest. Our study yields several critical insights — for example, we find that camera poses and spatial arrangements are crucial dimensions for both diversity in collection and alignment in retrieval. In real-world robot learning settings, we find that not only do our insights from simulation carry over, but our retrieval strategies on existing datasets such as DROID allow us to consistently outperform existing training strategies by up to 70%. More results at https://robo-mimiclabs.github.io/

arxiv情報

著者 Vaibhav Saxena,Matthew Bronars,Nadun Ranawaka Arachchige,Kuancheng Wang,Woo Chul Shin,Soroush Nasiriany,Ajay Mandlekar,Danfei Xu
発行日 2025-06-16 14:25:29+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 | What Matters in Learning from Large-Scale Datasets for Robot Manipulation はコメントを受け付けていません

Pursuit-Evasion for Car-like Robots with Sensor Constraints

投稿日: 2025年6月17日 作成者: jarxiv

要約

私たちは、車のようなダイナミクスとセンシングの制限を備えた2人のプレーヤーの間で、部分的に観察可能な確率的ゼロサムゲームとして形式化することにより、追求標識ゲームを研究します。
センシングの制約によって引き起こされる部分的な観測可能性は特に困難です。
例として、エージェントが互いに視認性を持たない状況では、センサーカバレッジの履歴から情報を抽出して、対戦相手の潜在的な場所について推論する必要があります。
ただし、履歴情報を保持すると、状態空間のサイズが大幅に増加します。
このような部分的に観察可能な問題で遭遇する課題を軽減するために、履歴情報を信念状態にエンコードし、それを使用してエージェントアクションを生成する新しい学習ベースの方法を開発します。
実験を通じて、既存のマルチエージェントRLベースラインよりも学習戦略が改善され、追跡者のキャプチャレートに関して最大​​16％改善されることが示されています。
さらに、学習された信念状態は、既存のゲーム理論ソルバーを拡張するための強力な状態推定器であることを示す実験結果を提示し、既存の完全に観察可能なゲーム理論ソルバーが計算可能に実現可能である問題に対する方法の競争力を実証します。
最後に、屋内環境で$ \ textBf {2 m/s} $と同じくらい速く移動するF1tenthとJetracerプラットフォームの間のゲーム用の物理ロボットに関する学習ポリシーを展開し、それらを実際のロボットで実行できることを示します。

要約(オリジナル)

We study a pursuit-evasion game between two players with car-like dynamics and sensing limitations by formalizing it as a partially observable stochastic zero-sum game. The partial observability caused by the sensing constraints is particularly challenging. As an example, in a situation where the agents have no visibility of each other, they would need to extract information from their sensor coverage history to reason about potential locations of their opponents. However, keeping historical information greatly increases the size of the state space. To mitigate the challenges encountered with such partially observable problems, we develop a new learning-based method that encodes historical information to a belief state and uses it to generate agent actions. Through experiments we show that the learned strategies improve over existing multi-agent RL baselines by up to 16 % in terms of capture rate for the pursuer. Additionally, we present experimental results showing that learned belief states are strong state estimators for extending existing game theory solvers and demonstrate our method’s competitiveness for problems where existing fully observable game theory solvers are computationally feasible. Finally, we deploy the learned policies on physical robots for a game between the F1TENTH and JetRacer platforms moving as fast as $\textbf{2 m/s}$ in indoor environments, showing that they can be executed on real-robots.

arxiv情報

著者 Burak M. Gonultas,Volkan Isler
発行日 2025-06-16 15:45:01+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 | Pursuit-Evasion for Car-like Robots with Sensor Constraints はコメントを受け付けていません

Disturbance-aware minimum-time planning strategies for motorsport vehicles with probabilistic safety certificates

投稿日: 2025年6月17日 作成者: jarxiv

要約

このペーパーでは、モータースポーツの最小ラップタイムの軌道最適化に堅牢性を埋め込む外乱を意識したフレームワークを紹介します。
2つの製剤が導入されています。
（i）オープンループ、Horizo​​nベースの共分散伝播は、有限窓よりも最悪のケースの不確実性の成長を使用して、タイヤの摩擦と線路制約を締めます。
（ii）閉ループ、共分散対応計画には、時間変化のLQRフィードバック法がオプティマイザーに組み込まれており、妨害減衰のフィードバック親和的な推定値を提供し、よりシャープでありながら信頼性の高い制約締め付けを可能にします。
どちらの方法でも、人間または人工ドライバーの参照軌跡が得られます。自律アプリケーションでは、モデル化されたコントローラーはオンボードの実装を複製できますが、人間の運転の精度は、想定される時変LQRポリシーによってドライバーを近似できる程度とともに増加させます。
バルセロナ・カタルニャの代表セクターの計算テストは、両方のスキームが規定の安全確率を満たしていることを示していますが、閉ループのバリアントは、より保守的なオープンループソリューションよりも小さなラップタイムペナルティが発生しますが、名目（非ロビー）の巡査は同じ不正行為の下では不可能です。
計画中の不確実性の成長とフィードバックアクションを考慮することにより、提案されたフレームワークは、パフォーマンス最適で確率的に安全な軌跡を提供し、高性能モータースポーツと自律的なレースでの現実世界の展開に向けて最小時間最適化を進めます。

要約(オリジナル)

This paper presents a disturbance-aware framework that embeds robustness into minimum-lap-time trajectory optimization for motorsport. Two formulations are introduced. (i) Open-loop, horizon-based covariance propagation uses worst-case uncertainty growth over a finite window to tighten tire-friction and track-limit constraints. (ii) Closed-loop, covariance-aware planning incorporates a time-varying LQR feedback law in the optimizer, providing a feedback-consistent estimate of disturbance attenuation and enabling sharper yet reliable constraint tightening. Both methods yield reference trajectories for human or artificial drivers: in autonomous applications the modelled controller can replicate the on-board implementation, while for human driving accuracy increases with the extent to which the driver can be approximated by the assumed time-varying LQR policy. Computational tests on a representative Barcelona-Catalunya sector show that both schemes meet the prescribed safety probability, yet the closed-loop variant incurs smaller lap-time penalties than the more conservative open-loop solution, while the nominal (non-robust) trajectory remains infeasible under the same uncertainties. By accounting for uncertainty growth and feedback action during planning, the proposed framework delivers trajectories that are both performance-optimal and probabilistically safe, advancing minimum-time optimization toward real-world deployment in high-performance motorsport and autonomous racing.

arxiv情報

著者 Martino Gulisano,Matteo Masoni,Marco Gabiccini,Massimo Guiggiani
発行日 2025-06-16 15:50:17+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 | Disturbance-aware minimum-time planning strategies for motorsport vehicles with probabilistic safety certificates はコメントを受け付けていません

Parallel Branch Model Predictive Control on GPUs

投稿日: 2025年6月17日 作成者: jarxiv

要約

ブランチモデル予測制御の問題のための並列GPUアクセラレーションソルバーを提示します。
反復LQRメソッドに基づいて、ソルバーは並列スキャンアルゴリズムを使用してツリースパール構造を活用し、時間的並列性を実装します。
その結果、提案されたソルバーは、予測ホライズンとシナリオの両方に並列性を可能にします。
さらに、一般的な不平等制約を処理するために、拡張されたラグランジアン法を利用します。
ソルバーを2つの自動化された運転アプリケーションで最先端の数値ソルバーと比較します。
数値結果は、CPUベースのソルバーと比較して、当社のソルバーが、短い視野や小規模な木の問題で競争力のあるパフォーマンスを達成し、大規模な問題について他のソルバーを上回ることを示しています。

要約(オリジナル)

We present a parallel GPU-accelerated solver for branch Model Predictive Control problems. Based on iterative LQR methods, our solver exploits the tree-sparse structure and implements temporal parallelism using the parallel scan algorithm. Consequently, the proposed solver enables parallelism across both the prediction horizon and the scenarios. In addition, we utilize an augmented Lagrangian method to handle general inequality constraints. We compare our solver with state-of-the-art numerical solvers in two automated driving applications. The numerical results demonstrate that, compared to CPU-based solvers, our solver achieves competitive performance for problems with short horizons and small-scale trees, while outperforming other solvers on large-scale problems.

arxiv情報

著者 Luyao Zhang,Chenghuai Lin,Sergio Grammatico
発行日 2025-06-16 15:53:18+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, cs.SY, eess.SY | Parallel Branch Model Predictive Control on GPUs はコメントを受け付けていません

Towards Efficient Occupancy Mapping via Gaussian Process Latent Field Shaping

投稿日: 2025年6月17日 作成者: jarxiv

要約

占有マッピングは、モバイルロボット工学の重要なイネーブラーです。
もともと離散グリッド表現に基づいて、占有マッピングは、任意の場所で占有状態を予測できる連続表現に向かって進化し、近隣地域間の占有相関を考慮しています。
Gaussian Process（GP）は、占有空間と自由空間の観測の両方を使用して、このタスクをバイナリ分類問題として扱います。
概念的には、GP潜在フィールドがロジスティック関数を通過し、GP潜在フィールドを実際に操作することなく出力クラスを取得します。
この作業では、潜在機能に直接作用して、センサーの視野の形状に基づいて、自由空間情報を事前として効率的に統合することを提案します。
既存の方法との大きな違いは、自由空間と未知の空間を区別するため、分類問題の変化です。
「占有された」領域は、クラスが自由から未知のものに移行する無限に薄い場所です。
シミュレートされた環境で、私たちのアプローチは健全であり、競争の再構築の精度につながることを実証します。

要約(オリジナル)

Occupancy mapping has been a key enabler of mobile robotics. Originally based on a discrete grid representation, occupancy mapping has evolved towards continuous representations that can predict the occupancy status at any location and account for occupancy correlations between neighbouring areas. Gaussian Process (GP) approaches treat this task as a binary classification problem using both observations of occupied and free space. Conceptually, a GP latent field is passed through a logistic function to obtain the output class without actually manipulating the GP latent field. In this work, we propose to act directly on the latent function to efficiently integrate free space information as a prior based on the shape of the sensor’s field-of-view. A major difference with existing methods is the change in the classification problem, as we distinguish between free and unknown space. The `occupied’ area is the infinitesimally thin location where the class transitions from free to unknown. We demonstrate in simulated environments that our approach is sound and leads to competitive reconstruction accuracy.

arxiv情報

著者 Cedric Le Gentil,Cedric Pradalier,Timothy D. Barfoot
発行日 2025-06-16 16:04:54+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 | Towards Efficient Occupancy Mapping via Gaussian Process Latent Field Shaping はコメントを受け付けていません