인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2026.6
- 수록면
- 782 - 790 (9page)
- DOI
- 10.5302/J.ICROS.2026.26.0056
이용수
초록· 키워드
Safe autonomous exploration in global-positioning-system-denied environments, such as subterranean areas and disaster sites, poses important challenges, as visual-inertial odometry suffers from cumulative localization drifts that lead to mapping inaccuracies and collision risks. Despite recent progress in perception-aware planning that models how perceptual conditions affect localization uncertainty, these methods rely on heuristic formulations without using principled mechanisms to bound collision risk. Even when risk-aware methods employ probabilistic risk measures, they seldom account for the varying nature of localization uncertainty and adopt tail-blind risk metrics, failing to address the perception-dependent localization drifts in unknown environments. To address this challenge, we propose a predictive localization uncertainty-aware risk evaluation, based on which we develop a risk-aware exploration framework that integrates evidential deep learning for perception-dependent drift prediction with conditional value at risk (CVaR)-constrained motion primitive planning. A key virtue of the proposed framework is twofold: i) it predicts localization drift distributions from a unified volumetric map where perceptual features are fused into spatial occupancy, and ii) it enforces CVaR-based tail-risk constraints based on a sufficient condition derived from marginal distributions alone, enabling real-time, safe planning without the need of intractable joint probability computations. Photorealistic simulation experiments validate the effectiveness of the proposed framework, demonstrating improved collision avoidance and exploration efficiency in perceptually degraded environments.
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
목차
- Abstract
- I. 서론
- II. 관련 연구
- III. 문제 정식화
- IV. 알고리즘 개발
- V. 시뮬레이션 및 결과
- VI. 결론
- REFERENCES
참고문헌
참고문헌 신청최근 본 자료
