論文の概要: AlphaPilot: Autonomous Drone Racing

• arxiv url: http://arxiv.org/abs/2005.12813v2
• Date: Fri, 20 Aug 2021 13:00:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-29 00:49:35.040802
• Title: AlphaPilot: Autonomous Drone Racing
• Title（参考訳）: AlphaPilot:自律型ドローンレース
• Authors: Philipp Foehn, Dario Brescianini, Elia Kaufmann, Titus Cieslewski, Mathias Gehrig, Manasi Muglikar and Davide Scaramuzza
• Abstract要約: このシステムは、2019年のAlphaPilot Challengeという、初の無人ドローンレース世界選手権で成功している。 提案システムは,最大8m/sの速度に達するタイトなレースコースを通じて,ドローンを誘導することに成功した。
• 参考スコア（独自算出の注目度）: 47.205375478625776
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents a novel system for autonomous, vision-based drone racing combining learned data abstraction, nonlinear filtering, and time-optimal trajectory planning. The system has successfully been deployed at the first autonomous drone racing world championship: the 2019 AlphaPilot Challenge. Contrary to traditional drone racing systems, which only detect the next gate, our approach makes use of any visible gate and takes advantage of multiple, simultaneous gate detections to compensate for drift in the state estimate and build a global map of the gates. The global map and drift-compensated state estimate allow the drone to navigate through the race course even when the gates are not immediately visible and further enable to plan a near time-optimal path through the race course in real time based on approximate drone dynamics. The proposed system has been demonstrated to successfully guide the drone through tight race courses reaching speeds up to 8m/s and ranked second at the 2019 AlphaPilot Challenge.
• Abstract（参考訳）: 本稿では,学習データ抽象化,非線形フィルタリング,時間-最適軌道計画を組み合わせた自律型視覚型ドローンレースシステムを提案する。 このシステムは、初の自律型ドローンレース世界選手権、2019 alphapilot challengeで展開に成功した。 次のゲートのみを検出する従来のドローンレースシステムとは対照的に、当社のアプローチでは、任意の可視ゲートを利用し、複数の同時ゲート検出を利用して、状態推定におけるドリフトを補償し、ゲートのグローバルマップを構築する。 グローバルマップとドリフト補償状態の推定により、ゲートがすぐに見えない場合でも、ドローンはレースコースをナビゲートでき、さらに近似ドローンのダイナミックスに基づいて、レースコースをほぼ最適な経路をリアルタイムで計画することができる。 提案されたシステムは、2019年のAlphaPilot Challengeで最高速度8m/sでドローンを誘導することに成功した。

関連論文リスト

• Chasing the Intruder: A Reinforcement Learning Approach for Tracking Intruder Drones [0.08192907805418582]
  本研究では、チェッカードローンを用いて侵入者ドローンを識別・追跡するための強化学習に基づくアプローチを提案する。 提案手法は、強化学習の政策学習フレームワークにインターリーブされたコンピュータビジョン技術を用いている。 その結果、強化学習に基づくポリシーは、侵入者ドローンを識別・追跡するために収束していることがわかった。
  論文  参考訳（メタデータ） (2023-09-10T16:31:40Z)
• TransVisDrone: Spatio-Temporal Transformer for Vision-based Drone-to-Drone Detection in Aerial Videos [57.92385818430939]
  視覚的フィードを用いたドローンからドローンへの検知は、ドローンの衝突の検出、ドローンの攻撃の検出、他のドローンとの飛行の調整など、重要な応用がある。 既存の手法は計算コストがかかり、非エンドツーエンドの最適化に追随し、複雑なマルチステージパイプラインを持つため、エッジデバイス上でのリアルタイムデプロイメントには適さない。 計算効率を向上したエンドツーエンドのソリューションを提供する,シンプルで効果的なフレームワークであるitTransVisDroneを提案する。
  論文  参考訳（メタデータ） (2022-10-16T03:05:13Z)
• Motion Planning and Control for Multi Vehicle Autonomous Racing at High Speeds [100.61456258283245]
  本稿では,自律走行のための多層移動計画と制御アーキテクチャを提案する。 提案手法はダララのAV-21レースカーに適用され、楕円形のレーストラックで25$m/s2$まで加速試験された。
  論文  参考訳（メタデータ） (2022-07-22T15:16:54Z)
• Coupling Vision and Proprioception for Navigation of Legged Robots [65.59559699815512]
  我々は視覚と受容の相補的な強みを利用して、脚のあるロボットでポイントゴールナビゲーションを実現する。 車輪付きロボット(LoCoBot)のベースラインよりも優れた性能を示す。 また,センサーと計算能力を備えた四足歩行ロボットに,我々のシステムを実環境に展開することも示す。
  論文  参考訳（メタデータ） (2021-12-03T18:59:59Z)
• AutoDrone: Shortest Optimized Obstacle-Free Path Planning for Autonomous Drones [0.0]
  GPSで誘導される座標系において,障害物のない最短経路を求める手法を提案する。 これは特に、省エネな方法で救助活動や迅速な配送やピックアップに有用である。
  論文  参考訳（メタデータ） (2021-10-30T07:52:57Z)
• The Artificial Intelligence behind the winning entry to the 2019 AI Robotic Racing Competition [5.379463265037841]
  本稿では,第1回AIロボットレーシング(AIRR)サーキットの勝利解を示す。 当社のアプローチは,効率的なディープ・ニューラル・セグメンテーション・ネットワークとアクティブ・ビジョンによるゲート検出に重点を置いている。 私たちのソリューションは最も速く、最も堅牢なものでしたが、優れた人間のパイロットの1人であるGab707に負けました。
  論文  参考訳（メタデータ） (2021-09-30T10:32:23Z)
• Dogfight: Detecting Drones from Drones Videos [58.158988162743825]
  本稿では,他の飛行ドローンからドローンを検知する問題に対処する。 ソースとターゲットドローンのエロティックな動き、小型、任意の形状、大きな強度、および閉塞は、この問題を非常に困難にします。 これに対処するため,地域提案に基づく手法ではなく,2段階のセグメンテーションに基づく手法を提案する。
  論文  参考訳（メタデータ） (2021-03-31T17:43:31Z)
• Long-Term Planning with Deep Reinforcement Learning on Autonomous Drones [0.0]
  本研究では,実生活におけるドローンレース競技をベースとした長期計画シナリオについて検討する。 この実験は、NeurIPS 2019で"Game of Drones: Drone Racing Competition"のために作成されたフレームワーク上で実施された。
  論文  参考訳（メタデータ） (2020-07-11T06:16:50Z)
• AirSim Drone Racing Lab [56.68291351736057]
  AirSim Drone Racing Labは、この領域で機械学習研究を可能にするシミュレーションフレームワークである。 本フレームワークは,複数の写真リアル環境下でのレーストラック生成を可能にする。 当社のフレームワークを使用して,NeurIPS 2019で,シミュレーションベースのドローンレースコンペティションを開催しました。
  論文  参考訳（メタデータ） (2020-03-12T08:06:06Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。