日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

移動ロボット/知覚arXiv:2509.14915

PERAL: 球体ロボットにおけるパッシブLiDAR励起のための知覚認識型運動制御

PERAL: Perception-Aware Motion Control for Passive LiDAR Excitation in Spherical Robots

シェア:XThreadsFacebookLINEはてブBluesky

球体ロボットの内部駆動とセンサ姿勢の連成を利用し、通常の走行指令に微小な非周期的振動を重畳することで、追加ハードウェアなしにLiDARの走査多様性を高める運動制御手法を提案した。

詳しい要約

1. どんなもの?

- 球体ロボット向けの知覚考慮型運動制御フレームワーク PERAL の提案 - 専用ハードウェアなしで LiDAR の受動的励振 (passive LiDAR excitation) を実現 - 内部の差動駆動アクチュエーションとセンサ姿勢の結合をモデル化 - 名目指令に有界・非周期の振動を重畳し、垂直スキャン多様性を獲得 - 小型球体ロボットに実装し、実験室・廊下・戦術環境で検証

2. 先行研究と比べてどこがすごい?

- 従来の LiDAR 搭載手法との比較 - 静的傾斜 (static tilt)、能動回転 (active rotation)、高密度センサは水平知覚の犠牲やアクチュエータ・コスト・電力増を招く - PERAL は追加ハードウェア不要で受動励振を達成 - 静的傾斜・能動回転・固定水平ベースライン比で重量・電力・コストを低減 - 地図完全性最大96%、軌跡追従誤差27%低減、近接地の人物検出を実現

3. 技術・手法の肝は?

- 内部差動駆動とセンサ姿勢の結合モデルを構築 - 目標追従・軌跡追従の名目指令に有界かつ非周期の振動を重畳 - 垂直スキャン多様性を高めつつナビゲーション精度を維持 - 専用ハードウェアを用いない受動的 LiDAR 励振 - 詳細な制御則・パラメータは要旨からは不明

4. どうやって有効だと検証した?

- 小型球体ロボットに実装し実験 - 実験室・廊下・戦術環境の3環境で検証 - 地図完全性最大96%を達成 - 軌跡追従誤差27%低減を確認 - 近接地の人物検出の頑健性を確認 - 静的傾斜・能動回転・固定水平ベースラインとの比較で重量・電力・コスト低減

5. 議論はある?

- 水平搭載 LiDAR (MID360 等) は近接地リターンが少なく地形認識が制限される課題を指摘 - 受動励振により水平知覚を犠牲にせず垂直多様性を確保する設計思想 - 有界・非周期振動がナビゲーション精度に与える影響を考慮 - 限界・失敗事例・一般化可能性の詳細は要旨からは不明

6. 次に読むべき論文は?

- 要旨で比較対象として挙げられた static tilt、active rotation、固定水平ベースラインの各手法 - 高密度 LiDAR センサを用いる関連研究 - LiDAR-IMU odometry の代表的手法 (要旨では具体的名称の言及なし) - MID360 など水平搭載 LiDAR の近接地知覚に関する研究

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Shenghai Yuan, Jason Wai Hao Yee, Weixiang Guo, Zhongyuan Liu, Thien-Minh Nguyen, Lihua Xie

分類: cs.RO

原文アブストラクト

Autonomous mobile robots increasingly rely on LiDAR-IMU odometry for navigation and mapping, yet horizontally mounted LiDARs such as the MID360 capture few near-ground returns, limiting terrain awareness and degrading performance in feature-scarce environments. Prior solutions - static tilt, active rotation, or high-density sensors - either sacrifice horizontal perception or incur added actuators, cost, and power. We introduce PERAL, a perception-aware motion control framework for spherical robots that achieves passive LiDAR excitation without dedicated hardware. By modeling the coupling between internal differential-drive actuation and sensor attitude, PERAL superimposes bounded, non-periodic oscillations onto nominal goal- or trajectory-tracking commands, enriching vertical scan diversity while preserving navigation accuracy. Implemented on a compact spherical robot, PERAL is validated across laboratory, corridor, and tactical environments. Experiments demonstrate up to 96 percent map completeness, a 27 percent reduction in trajectory tracking error, and robust near-ground human detection, all at lower weight, power, and cost compared with static tilt, active rotation, and fixed horizontal baselines. The design and code will be open-sourced upon acceptance.

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI