Learning-enhanced electronic skin for tactile sensing on deformable surface based on electrical impedance tomography

投稿日: 2025年4月9日 作成者: jarxiv

要約

電気インピーダンス断層撮影（EIT）ベースの触覚センサーは、ロボットセンシングのための費用対効果の高いスケーラブルなソリューションを提供し、特にソフトロボットに有望です。
ただし、非常に変形可能なオブジェクトに適用された場合のEITベースの触覚センサーの主要な問題は、表面変形による性能劣化です。
この制限は、柔らかい体で特に悪化する固有の感度に由来するため、測定されているパラメーターと形状の変化に由来する信号を解くために専用のデータ解釈が必要です。
これにより、実用的な実装がほぼ制限されています。
このペーパーでは、表面の変形を追跡し、触覚センシング中の信号読み出しにおけるこの寄与を分離することにより、この課題に対処するための機械学習支援触覚センシングアプローチを提示します。
まず、ターゲットオブジェクトの変形をキャプチャし、次にEITデータと変形情報を処理および融合するために特別に設計された深い学習モデルを使用して触覚再構築を行います。
数値シミュレーションを使用した検証は、高い相関係数（0.9660-0.9999）、ピーク信号対雑音比（28.7221-55.5264 dB）および低相対画像エラー（0.0107-0.0805）を達成しました。
さまざまな変形シナリオの下でヒドロゲルベースのEIT E-Skinを使用した実験的検証は、実際の設定で提案されたアプローチの有効性をさらに実証しました。
調査結果は、柔らかくて高度に変形可能なロボットアプリケーションの触覚相互作用の強化を支える可能性があります。

要約(オリジナル)

Electrical Impedance Tomography (EIT)-based tactile sensors offer cost-effective and scalable solutions for robotic sensing, especially promising for soft robots. However a major issue of EIT-based tactile sensors when applied in highly deformable objects is their performance degradation due to surface deformations. This limitation stems from their inherent sensitivity to strain, which is particularly exacerbated in soft bodies, thus requiring dedicated data interpretation to disentangle the parameter being measured and the signal deriving from shape changes. This has largely limited their practical implementations. This paper presents a machine learning-assisted tactile sensing approach to address this challenge by tracking surface deformations and segregating this contribution in the signal readout during tactile sensing. We first capture the deformations of the target object, followed by tactile reconstruction using a deep learning model specifically designed to process and fuse EIT data and deformation information. Validations using numerical simulations achieved high correlation coefficients (0.9660 – 0.9999), peak signal-to-noise ratios (28.7221 – 55.5264 dB) and low relative image errors (0.0107 – 0.0805). Experimental validations, using a hydrogel-based EIT e-skin under various deformation scenarios, further demonstrated the effectiveness of the proposed approach in real-world settings. The findings could underpin enhanced tactile interaction in soft and highly deformable robotic applications.

arxiv情報

著者 Huazhi Dong,Xiaopeng Wu,Delin Hu,Zhe Liu,Francesco Giorgio-Serchi,Yunjie Yang
発行日 2025-04-08 12:49:54+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 | Learning-enhanced electronic skin for tactile sensing on deformable surface based on electrical impedance tomography はコメントを受け付けていません

Robust Statistics vs. Machine Learning vs. Bayesian Inference: Insights into Handling Faulty GNSS Measurements in Field Robotics

投稿日: 2025年4月9日 作成者: jarxiv

要約

このホワイトペーパーでは、マルチパス、信号詰まり、非視線条件などの環境干渉のために生のGNSSデータが頻繁に破損する、野外アプリケーションの有害信号条件下でのロボット局在のグローバルナビゲーション衛星システム（GNSS）の故障測定（すなわち、外れ値）の取り扱いに関する調査結果を提示します。
これに関連して、GNSS擬似型観測に特異的に適用される3つの戦略を調査します。エラー軽減のための堅牢な統計、誤った測定予測のための機械学習、およびノイズ分布近似のベイジアン推論。
以前の研究では、統一された問題ステートメント内のこれら3つの方法論の理論的基礎と実用的評価に関する洞察が限られているため（すなわち、隔離センサーを使用した状態推定）、多様な都市環境で収集された実際のセンサーデータを使用して広範な実験を実施します。
私たちの目標は、確立された手法と新たに提案された方法の両方を調べることであり、それにより、GNSなどの誤った範囲測定を処理する方法の理解を進めて、堅牢で長期的なロボットのローカリゼーションを実現します。
成功した結果を提示することに加えて、この研究は、堅牢な状態推定における将来の研究を動機付けるための重要な観察と未解決の質問を強調しています。

要約(オリジナル)

This paper presents research findings on handling faulty measurements (i.e., outliers) of global navigation satellite systems (GNSS) for robot localization under adverse signal conditions in field applications, where raw GNSS data are frequently corrupted due to environmental interference such as multipath, signal blockage, or non-line-of-sight conditions. In this context, we investigate three strategies applied specifically to GNSS pseudorange observations: robust statistics for error mitigation, machine learning for faulty measurement prediction, and Bayesian inference for noise distribution approximation. Since previous studies have provided limited insight into the theoretical foundations and practical evaluations of these three methodologies within a unified problem statement (i.e., state estimation using ranging sensors), we conduct extensive experiments using real-world sensor data collected in diverse urban environments. Our goal is to examine both established techniques and newly proposed methods, thereby advancing the understanding of how to handle faulty range measurements, such as GNSS, for robust, long-term robot localization. In addition to presenting successful results, this work highlights critical observations and open questions to motivate future research in robust state estimation.

arxiv情報

著者 Haoming Zhang
発行日 2025-04-08 13:21:04+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 | Robust Statistics vs. Machine Learning vs. Bayesian Inference: Insights into Handling Faulty GNSS Measurements in Field Robotics はコメントを受け付けていません

A ROS2-based software library for inverse dynamics computation

投稿日: 2025年4月9日 作成者: jarxiv

要約

逆ダイナミクス計算は、ロボット制御、計画、シミュレーションの重要なコンポーネントであり、目的の動きを達成するために必要な関節トルクの計算を可能にします。
このペーパーでは、ロボットシステムの逆ダイナミクス問題を解決するために設計されたROS2ベースのソフトウェアライブラリを紹介します。
ライブラリは、3つの具体的な実装を備えた抽象クラスの周りに構築されています。1つはシミュレートされたロボット用、2つは実際のUR10とフランカロボット用です。
この貢献は、計画と制御アプリケーションを含むシミュレーションと現実世界のシナリオの両方に適した、逆ダイナミクスに対して、柔軟で拡張可能なロボットに依存しないソリューションを提供することを目的としています。
関連するソフトウェアは、https：//github.com/ros2-gbp/ros2-gbp-github-org/issues/732で入手できます。

要約(オリジナル)

Inverse dynamics computation is a critical component in robot control, planning and simulation, enabling the calculation of joint torques required to achieve a desired motion. This paper presents a ROS2-based software library designed to solve the inverse dynamics problem for robotic systems. The library is built around an abstract class with three concrete implementations: one for simulated robots and two for real UR10 and Franka robots. This contribution aims to provide a flexible, extensible, robot-agnostic solution to inverse dynamics, suitable for both simulation and real-world scenarios involving planning and control applications. The related software is available at https://github.com/ros2-gbp/ros2-gbp-github-org/issues/732.

arxiv情報

著者 Vincenzo Petrone,Enrico Ferrentino,Pasquale Chiacchio
発行日 2025-04-08 14:50:17+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 | A ROS2-based software library for inverse dynamics computation はコメントを受け付けていません

Safe Interaction via Monte Carlo Linear-Quadratic Games

投稿日: 2025年4月9日 作成者: jarxiv

要約

安全性は、人間とロボットの相互作用中に重要です。
しかし、人々は本質的に予測不可能であるため、ロボットが安全な行動を計画することはしばしば困難です。
ここでは、人間を予測する能力に頼る代わりに、予期しない人間の決定に堅牢なロボットポリシーを特定します。
これを達成し、人間とロボットの相互作用をゼロサムゲームとして策定します。ここでは、（最悪の場合）人間の行動はロボットの目標と直接対立します。
このゲームのナッシュ均衡を解決することは、幅広い人間の行動にわたって安全性とパフォーマンスを最大化するロボットポリシーを提供します。
既存のアプローチは、ハミルトン・ジャコビ分析（扱いにくい）または線形二次近似（不正確）を活用することにより、これらの最適なポリシーを見つけようとします。
対照的に、この作業では、ナッシュの平衡ポリシーに収束する計算効率的で理論的に正当化された方法を提案します。
私たちのアプローチ（MCLQと呼ばれる）は、線形四次ゲームを活用して、安全なロボットの動作の最初の推測を取得し、モンテカルロ検索で推測を繰り返し改良します。
MCLQはリアルタイムの安全調整を提供するだけでなく、設計者がロボットがどれほど保守的であるかを調整することもできます。
私たちのシミュレーションとユーザー調査は、このアプローチが計算時間と予想されるパフォーマンスの両方の観点から安全性を向上させることを示唆しています。
https：//youtu.be/kjuheiwvuwyの実験のビデオを参照してください。

要約(オリジナル)

Safety is critical during human-robot interaction. But — because people are inherently unpredictable — it is often difficult for robots to plan safe behaviors. Instead of relying on our ability to anticipate humans, here we identify robot policies that are robust to unexpected human decisions. We achieve this by formulating human-robot interaction as a zero-sum game, where (in the worst case) the human’s actions directly conflict with the robot’s objective. Solving for the Nash Equilibrium of this game provides robot policies that maximize safety and performance across a wide range of human actions. Existing approaches attempt to find these optimal policies by leveraging Hamilton-Jacobi analysis (which is intractable) or linear-quadratic approximations (which are inexact). By contrast, in this work we propose a computationally efficient and theoretically justified method that converges towards the Nash Equilibrium policy. Our approach (which we call MCLQ) leverages linear-quadratic games to obtain an initial guess at safe robot behavior, and then iteratively refines that guess with a Monte Carlo search. Not only does MCLQ provide real-time safety adjustments, but it also enables the designer to tune how conservative the robot is — preventing the system from focusing on unrealistic human behaviors. Our simulations and user study suggest that this approach advances safety in terms of both computation time and expected performance. See videos of our experiments here: https://youtu.be/KJuHeiWVuWY.

arxiv情報

著者 Benjamin A. Christie,Dylan P. Losey
発行日 2025-04-08 15:18:38+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 | Safe Interaction via Monte Carlo Linear-Quadratic Games はコメントを受け付けていません

Large Language Model-based Decision-making for COLREGs and the Control of Autonomous Surface Vehicles

投稿日: 2025年4月9日 作成者: jarxiv

要約

自律型地表車（ASV）の分野では、主に人間のオペレーター向けに定義されている海事コロレグ（衝突規制）に対処する意思決定と障害物回避ソリューションの考案は、長い間差し迫った課題でした。
説明可能な人工知能（AI）と機械学習における最近の進歩は、人間のような意思決定を可能にすることで有望であることを示しています。
特に、自動運転車などの複雑なシステムの意思決定に大規模な言語モデル（LLM）の適用において、重要な開発が発生しています。
ただし、Colregsのテキストでやや曖昧な性質（アルゴリズムの観点から）は、LLMSの機能とうまく調和する課題を提起し、LLMがこのアプリケーションにすぐに適している可能性があることを示唆しています。
このペーパーでは、ASVのLLMベースの意思決定と制御の最初の適用を提示および実証します。
提案された方法は、オンライン衝突リスクインデックスと重要な測定値を使用して、安全な操作の意思決定を行う高レベルの意思決定者を確立します。
テーラードデザインとランタイム構造は、リアルなASVモデルでのトレーニングとリアルタイムアクション生成をサポートするために開発されています。
ローカルプランニングおよび制御アルゴリズムが統合されて、ウェイポイントのフォローと衝突回避のコマンドを下位レベルで実行します。
著者の知る限り、この研究は、コロレグの規則を認識し、この挑戦​​的な分野での研究のための新しい道を開く海上システムの動的な制御問題に説明可能なAIを適用する最初の試みを表しています。
複数のテストシナリオで得られた結果は、各決定に対して人間の解釈可能な推論を提供しながら、オンラインのColregsコンプライアンス、正確なウェイポイント追跡、および実行可能な制御を維持するシステムの能力を示しています。

要約(オリジナル)

In the field of autonomous surface vehicles (ASVs), devising decision-making and obstacle avoidance solutions that address maritime COLREGs (Collision Regulations), primarily defined for human operators, has long been a pressing challenge. Recent advancements in explainable Artificial Intelligence (AI) and machine learning have shown promise in enabling human-like decision-making. Notably, significant developments have occurred in the application of Large Language Models (LLMs) to the decision-making of complex systems, such as self-driving cars. The textual and somewhat ambiguous nature of COLREGs (from an algorithmic perspective), however, poses challenges that align well with the capabilities of LLMs, suggesting that LLMs may become increasingly suitable for this application soon. This paper presents and demonstrates the first application of LLM-based decision-making and control for ASVs. The proposed method establishes a high-level decision-maker that uses online collision risk indices and key measurements to make decisions for safe manoeuvres. A tailored design and runtime structure is developed to support training and real-time action generation on a realistic ASV model. Local planning and control algorithms are integrated to execute the commands for waypoint following and collision avoidance at a lower level. To the authors’ knowledge, this study represents the first attempt to apply explainable AI to the dynamic control problem of maritime systems recognising the COLREGs rules, opening new avenues for research in this challenging area. Results obtained across multiple test scenarios demonstrate the system’s ability to maintain online COLREGs compliance, accurate waypoint tracking, and feasible control, while providing human-interpretable reasoning for each decision.

arxiv情報

著者 Klinsmann Agyei,Pouria Sarhadi,Wasif Naeem
発行日 2025-04-08 15:47:13+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 | Large Language Model-based Decision-making for COLREGs and the Control of Autonomous Surface Vehicles はコメントを受け付けていません

Exploring Adversarial Obstacle Attacks in Search-based Path Planning for Autonomous Mobile Robots

投稿日: 2025年4月9日 作成者: jarxiv

要約

検索ベースのA*などのパス計画アルゴリズムは、自律モバイルロボット工学の重要なコンポーネントであり、ロボットが出発点から宛先まで効率的かつ安全に移動できるようにします。
障害物攻撃として知られている潜在的な敵対的介入に直面して、A*アルゴリズムの回復力を調査しました。
敵の目標は、元の経路に沿って障害物を導入することにより、ロボットの目的地へのタイムリーな到着を遅らせることです。
攻撃を実行するための悪意のあるソフトウェアを開発し、ガゼボでのタートルボットを使用したシミュレーションと、Unitree Go1ロボットでの実際の展開の両方で、その影響を評価するために実験を実施しました。
シミュレーションでは、攻撃により36 \％の平均遅延が発生し、ロボットが実質的により長い代替パスを取ることを余儀なくされたシナリオで最も重要な遅延が発生しました。
実際の実験では、遅延はさらに顕著であり、すべての攻撃がロボットの再ルーティングに成功し、測定可能な混乱を引き起こしました。
これらの結果は、アルゴリズムの堅牢性は単に設計の属性ではなく、運用環境の影響を大きく受けていることを強調しています。
たとえば、トンネルなどの制約された環境では、代替ルートの利用可能性が限られているため、遅延が最大化されました。

要約(オリジナル)

Path planning algorithms, such as the search-based A*, are a critical component of autonomous mobile robotics, enabling robots to navigate from a starting point to a destination efficiently and safely. We investigated the resilience of the A* algorithm in the face of potential adversarial interventions known as obstacle attacks. The adversary’s goal is to delay the robot’s timely arrival at its destination by introducing obstacles along its original path. We developed malicious software to execute the attacks and conducted experiments to assess their impact, both in simulation using TurtleBot in Gazebo and in real-world deployment with the Unitree Go1 robot. In simulation, the attacks resulted in an average delay of 36\%, with the most significant delays occurring in scenarios where the robot was forced to take substantially longer alternative paths. In real-world experiments, the delays were even more pronounced, with all attacks successfully rerouting the robot and causing measurable disruptions. These results highlight that the algorithm’s robustness is not solely an attribute of its design but is significantly influenced by the operational environment. For example, in constrained environments like tunnels, the delays were maximized due to the limited availability of alternative routes.

arxiv情報

著者 Adrian Szvoren,Jianwei Liu,Dimitrios Kanoulas,Nilufer Tuptuk
発行日 2025-04-08 15:48:26+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 | Exploring Adversarial Obstacle Attacks in Search-based Path Planning for Autonomous Mobile Robots はコメントを受け付けていません

ViTaMIn: Learning Contact-Rich Tasks Through Robot-Free Visuo-Tactile Manipulation Interface

投稿日: 2025年4月9日 作成者: jarxiv

要約

触覚情報は、特に接触特性の理解を必要とするタスクのために、人間とロボットが環境と効果的に対話するために重要な役割を果たします。
このような器用な操作タスクを解決することは、多くの場合、デモ型データセットからの模倣学習に依存しています。これは通常、遠隔操作システムを介して収集され、多くの場合、かなりの時間と労力を要求します。
これらの課題に対処するために、ビタミンを提示します。ビタミンは、視覚的および触覚センシングを手持ちグリッパーにシームレスに統合し、テレオ操作を必要とせずにデータ収集を可能にする具体的に具体的に統合するビタミンを提示します。
私たちのデザインは、触覚センシングを備えた準拠したFin Ray Gripperを採用しているため、オペレーターはより直感的な操作のための操作中に力のフィードバックを知覚できます。
さらに、事前に訓練された触覚表現を取得し、データの効率とポリシーの堅牢性を改善するためのマルチモーダル表現学習戦略を提案します。
7つの接触豊富な操作タスクの実験は、ビタミンがベースライン方法を大幅に上回り、複雑な操作タスクの有効性を実証することを示しています。

要約(オリジナル)

Tactile information plays a crucial role for humans and robots to interact effectively with their environment, particularly for tasks requiring the understanding of contact properties. Solving such dexterous manipulation tasks often relies on imitation learning from demonstration datasets, which are typically collected via teleoperation systems and often demand substantial time and effort. To address these challenges, we present ViTaMIn, an embodiment-free manipulation interface that seamlessly integrates visual and tactile sensing into a hand-held gripper, enabling data collection without the need for teleoperation. Our design employs a compliant Fin Ray gripper with tactile sensing, allowing operators to perceive force feedback during manipulation for more intuitive operation. Additionally, we propose a multimodal representation learning strategy to obtain pre-trained tactile representations, improving data efficiency and policy robustness. Experiments on seven contact-rich manipulation tasks demonstrate that ViTaMIn significantly outperforms baseline methods, demonstrating its effectiveness for complex manipulation tasks.

arxiv情報

著者 Fangchen Liu,Chuanyu Li,Yihua Qin,Ankit Shaw,Jing Xu,Pieter Abbeel,Rui Chen
発行日 2025-04-08 15:51:18+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 | ViTaMIn: Learning Contact-Rich Tasks Through Robot-Free Visuo-Tactile Manipulation Interface はコメントを受け付けていません

Accessible and Pedagogically-Grounded Explainability for Human-Robot Interaction: A Framework Based on UDL and Symbolic Interfaces

投稿日: 2025年4月9日 作成者: jarxiv

要約

このホワイトペーパーでは、認知、コミュニケーション、または学習のニーズが多様なユーザーとの人間とロボットの相互作用（HRI）をサポートするように設計された、アクセス可能で教育的に接地されたロボットの説明可能性のための新しいフレームワークを紹介します。
Universal Design for Learning（UDL）とUniversal Design（UD）の原則を象徴的なコミュニケーション戦略と組み合わせて、人間とロボット間のメンタルモデルの整合を促進します。
私たちのアプローチでは、アスタックスグリッドとアラサックのピクトグラムを、リアルタイムの相互作用と説明トリガーを可能にする軽量のHTTPからROS 2ブリッジと統合された、マルチモーダルで解釈可能なフロントエンドとして採用されています。
説明可能性は一方向の機能ではなく、人間の理解とロボットの透明性が共進化しなければならない双方向のプロセスであることを強調します。
さらに、教育的または支援的な文脈において、人間の調停者（たとえば、教師）の役割が共有された理解をサポートするために不可欠かもしれないと主張します。
マルチモーダルの説明ボードの例でフレームワークを検証し、教育、支援ロボット工学、包括的AIのさまざまなシナリオに拡張する方法について説明します。

要約(オリジナル)

This paper presents a novel framework for accessible and pedagogically-grounded robot explainability, designed to support human-robot interaction (HRI) with users who have diverse cognitive, communicative, or learning needs. We combine principles from Universal Design for Learning (UDL) and Universal Design (UD) with symbolic communication strategies to facilitate the alignment of mental models between humans and robots. Our approach employs Asterics Grid and ARASAAC pictograms as a multimodal, interpretable front-end, integrated with a lightweight HTTP-to-ROS 2 bridge that enables real-time interaction and explanation triggering. We emphasize that explainability is not a one-way function but a bidirectional process, where human understanding and robot transparency must co-evolve. We further argue that in educational or assistive contexts, the role of a human mediator (e.g., a teacher) may be essential to support shared understanding. We validate our framework with examples of multimodal explanation boards and discuss how it can be extended to different scenarios in education, assistive robotics, and inclusive AI.

arxiv情報

著者 Francisco J. Rodríguez Lera,Raquel Fernández Hernández,Sonia Lopez González,Miguel Angel González-Santamarta,Francisco Jesús Rodríguez Sedano,Camino Fernandez Llamas
発行日 2025-04-08 16:33:52+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 | Accessible and Pedagogically-Grounded Explainability for Human-Robot Interaction: A Framework Based on UDL and Symbolic Interfaces はコメントを受け付けていません

4CNet: A Diffusion Approach to Map Prediction for Decentralized Multi-Robot Exploration

投稿日: 2025年4月9日 作成者: jarxiv

要約

不規則な形状の障害物を持つ不明な散らかった環境にあるモバイルロボットは、しばしばこれらの環境を探索する能力に直接影響するエネルギーとコミュニケーションの課題に直面します。
このホワイトペーパーでは、分散型のリソース制限マルチロボット探査中のロボットマップ予測のために、新しい深い学習アーキテクチャ、信頼認識対照条件一貫性モデル（4CNET）を紹介します。
4CNETは、次のものを一意に組み込みます。1）構造化されていない未知の領域でのMAP予測の条件付き一貫性モデル、2）対照的なマップトリューション事前削除フレームワークは、マップ予測中の近くのロボットの軌跡から空間情報を抽出する軌跡エンコーダーの軌跡エンコーダーのための軌跡エンコーダの条件付き、3）
提案されたロボット探査に4CNETをMAP予測アーキテクチャ4CNET-Eに組み込みます。
次に、4CNET-Eおよび最先端のヒューリスティックおよび学習方法を用いた広範な比較研究を実施して、不規則な形状の障害物と不均一な地形で構成される環境でのMAP予測と探査パフォーマンスの両方を調査します。
結果は、4CNET-Eが、データベースおよび学習ベースの方法と比較した場合、さまざまな環境サイズ、ロボットの数、エネルギー予算、および通信の制限を備えた統計的に有意な予測精度と面積カバレッジを取得することを示しました。
ハードウェア実験を実施し、構造化されていない屋内および実際の自然な屋外環境の両方で4CNET-Eの適用性と一般化可能性を検証しました。

要約(オリジナル)

Mobile robots in unknown cluttered environments with irregularly shaped obstacles often face energy and communication challenges which directly affect their ability to explore these environments. In this paper, we introduce a novel deep learning architecture, Confidence-Aware Contrastive Conditional Consistency Model (4CNet), for robot map prediction during decentralized, resource-limited multi-robot exploration. 4CNet uniquely incorporates: 1) a conditional consistency model for map prediction in unstructured unknown regions, 2) a contrastive map-trajectory pretraining framework for a trajectory encoder that extracts spatial information from the trajectories of nearby robots during map prediction, and 3) a confidence network to measure the uncertainty of map prediction for effective exploration under resource constraints. We incorporate 4CNet within our proposed robot exploration with map prediction architecture, 4CNet-E. We then conduct extensive comparison studies with 4CNet-E and state-of-the-art heuristic and learning methods to investigate both map prediction and exploration performance in environments consisting of irregularly shaped obstacles and uneven terrain. Results showed that 4CNet-E obtained statistically significant higher prediction accuracy and area coverage with varying environment sizes, number of robots, energy budgets, and communication limitations when compared to database and learning-based methods. Hardware experiments were performed and validated the applicability and generalizability of 4CNet-E in both unstructured indoor and real natural outdoor environments.

arxiv情報

著者 Aaron Hao Tan,Siddarth Narasimhan,Goldie Nejat
発行日 2025-04-08 17:14:29+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.RO | 4CNet: A Diffusion Approach to Map Prediction for Decentralized Multi-Robot Exploration はコメントを受け付けていません

Addressing Relative Degree Issues in Control Barrier Function Synthesis with Physics-Informed Neural Networks

投稿日: 2025年4月9日 作成者: jarxiv

要約

ロボット工学では、コントロールバリア関数（CBF）ベースの安全フィルターが一般的に状態の制約を強制するために使用されます。
CBFの相対的な程度が州空間全体で異なる場合、重大な課題が生じます。
この変動性は、制御入力が制約されなくなるセーフセット内に領域を作成できます。
安全フィルターとして実装された場合、これにより、安全境界の近くでおしゃべりが発生し、最終的にシステムの安全性が損なわれる可能性があります。
この問題に対処するために、一連の境界値の問題を解決するように策定することにより、CBF合成の新しいアプローチを提案します。
境界値の問題の解決策は、物理学に基づいたニューラルネットワーク（PINN）を使用して決定されます。
私たちのアプローチにより、合成されたCBFが許容される状態のセット全体で一定の相対程度を維持し、それにより制約のない制御シナリオを防ぐことが保証されます。
シミュレーションのアプローチを説明し、実際の四肢装置実験を通じてさらに検証し、希望するシステム安全特性を維持する上でその有効性を示します。

要約(オリジナル)

In robotics, control barrier function (CBF)-based safety filters are commonly used to enforce state constraints. A critical challenge arises when the relative degree of the CBF varies across the state space. This variability can create regions within the safe set where the control input becomes unconstrained. When implemented as a safety filter, this may result in chattering near the safety boundary and ultimately compromise system safety. To address this issue, we propose a novel approach for CBF synthesis by formulating it as solving a set of boundary value problems. The solutions to the boundary value problems are determined using physics-informed neural networks (PINNs). Our approach ensures that the synthesized CBFs maintain a constant relative degree across the set of admissible states, thereby preventing unconstrained control scenarios. We illustrate the approach in simulation and further verify it through real-world quadrotor experiments, demonstrating its effectiveness in preserving desired system safety properties.

arxiv情報

著者 Lukas Brunke,Siqi Zhou,Francesco D’Orazio,Angela P. Schoellig
発行日 2025-04-08 17:41:43+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, cs.SY, eess.SY | Addressing Relative Degree Issues in Control Barrier Function Synthesis with Physics-Informed Neural Networks はコメントを受け付けていません