論文の概要: Towards Deep Learning Assisted Autonomous UAVs for Manipulation Tasks in
GPS-Denied Environments
- arxiv url: http://arxiv.org/abs/2101.06414v1
- Date: Sat, 16 Jan 2021 09:20:46 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-28 07:29:10.338517
- Title: Towards Deep Learning Assisted Autonomous UAVs for Manipulation Tasks in
GPS-Denied Environments
- Title（参考訳）: GPSを用いた遠隔操作作業のための深層学習支援自律型UAVの実現に向けて
- Authors: Ashish Kumar, Mohit Vohra, Ravi Prakash, L. Behera
- Abstract要約: 本稿では,屋外およびgps環境に大規模な3d構造物を組み立てる作業に主に焦点をあてる。
我々のフレームワークは、個々のモジュールのパフォーマンス解析を報告するために、指定されたUAV上にデプロイされる。
- 参考スコア（独自算出の注目度）: 10.02675366919811
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: In this work, we present a pragmatic approach to enable unmanned aerial
vehicle (UAVs) to autonomously perform highly complicated tasks of object pick
and place. This paper is largely inspired by challenge-2 of MBZIRC 2020 and is
primarily focused on the task of assembling large 3D structures in outdoors and
GPS-denied environments. Primary contributions of this system are: (i) a novel
computationally efficient deep learning based unified multi-task visual
perception system for target localization, part segmentation, and tracking,
(ii) a novel deep learning based grasp state estimation, (iii) a retracting
electromagnetic gripper design, (iv) a remote computing approach which exploits
state-of-the-art MIMO based high speed (5000Mb/s) wireless links to allow the
UAVs to execute compute intensive tasks on remote high end compute servers, and
(v) system integration in which several system components are weaved together
in order to develop an optimized software stack. We use DJI Matrice-600 Pro, a
hex-rotor UAV and interface it with the custom designed gripper. Our framework
is deployed on the specified UAV in order to report the performance analysis of
the individual modules. Apart from the manipulation system, we also highlight
several hidden challenges associated with the UAVs in this context.
- Abstract（参考訳）: 本研究では,無人航空機(UAV)が物体の選別と位置の複雑なタスクを自律的に行うための実用的アプローチを提案する。
本論文は主にMBZIRC 2020のチャレンジ2に触発され,屋外およびGPSを用いた大規模3次元構造物の組み立て作業に重点を置いている。
Primary contributions of this system are: (i) a novel computationally efficient deep learning based unified multi-task visual perception system for target localization, part segmentation, and tracking, (ii) a novel deep learning based grasp state estimation, (iii) a retracting electromagnetic gripper design, (iv) a remote computing approach which exploits state-of-the-art MIMO based high speed (5000Mb/s) wireless links to allow the UAVs to execute compute intensive tasks on remote high end compute servers, and (v) system integration in which several system components are weaved together in order to develop an optimized software stack.
DJI Matrice-600 ProはヘックスローターUAVで、カスタムデザインのグリップでインターフェースします。
我々のフレームワークは、個々のモジュールのパフォーマンス解析を報告するために、指定されたUAV上にデプロイされる。
操作システムとは別に、この文脈でUAVにまつわるいくつかの隠れた課題も強調する。
関連論文リスト
- UAV-enabled Collaborative Beamforming via Multi-Agent Deep Reinforcement Learning [79.16150966434299]
本稿では,UAVを用いた協調ビームフォーミング多目的最適化問題 (UCBMOP) を定式化し,UAVの伝送速度を最大化し,全UAVのエネルギー消費を最小化する。
ヘテロジニアス・エージェント・信頼領域ポリシー最適化(HATRPO)を基本フレームワークとし,改良されたHATRPOアルゴリズム,すなわちHATRPO-UCBを提案する。
論文 参考訳（メタデータ） (2024-04-11T03:19:22Z) - A$^2$-UAV: Application-Aware Content and Network Optimization of
Edge-Assisted UAV Systems [12.847650904294033]
エッジで正しく実行されるタスク数を最適化する新しいA$2$-UAVフレームワークを提案する。
A$2$-TPPは、ディープニューラルネットワーク(DNN)の精度と画像圧縮の関係を考慮している。
4機のDJI Mavic Air 2 UAVによるテストベッドを用いた実世界の実験により,A$2$-TPPを広く評価した。
論文 参考訳（メタデータ） (2023-01-16T11:17:32Z) - Deep Learning Computer Vision Algorithms for Real-time UAVs On-board
Camera Image Processing [77.34726150561087]
本稿では,ディープラーニングに基づくコンピュータビジョンアルゴリズムを用いて,小型UAVのリアルタイムセンサ処理を実現する方法について述べる。
すべてのアルゴリズムは、ディープニューラルネットワークに基づく最先端の画像処理手法を用いて開発されている。
論文 参考訳（メタデータ） (2022-11-02T11:10:42Z) - Deep Reinforcement Learning for Task Offloading in UAV-Aided Smart Farm
Networks [3.6118662460334527]
我々は、この多目的問題を解決するために、Deep Q-Learning(DQL)アプローチを導入する。
提案手法は,UAVの残量と期限違反率に関して,同等の結果が得られることを示す。
論文 参考訳（メタデータ） (2022-09-15T15:29:57Z) - Advanced Algorithms of Collision Free Navigation and Flocking for
Autonomous UAVs [0.0]
本報告は,マルチUAVシステムの自律走行及び運動調整のためのUAV制御の最先端化に寄与する。
本報告の前半は単UAVシステムを扱うもので, 未知・動的環境における3次元(3次元)衝突フリーナビゲーションの複雑な問題に対処する。
本報告では, マルチUAVシステムの安全ナビゲーションについて述べるとともに, フラッキングと3次元領域カバレッジのための多UAVシステムの分散動作調整手法を開発した。
論文 参考訳（メタデータ） (2021-10-30T03:51:40Z) - Trajectory Design for UAV-Based Internet-of-Things Data Collection: A
Deep Reinforcement Learning Approach [93.67588414950656]
本稿では,無人航空機(UAV)による3D環境におけるIoT(Internet-of-Things)システムについて検討する。
本稿では,TD3-TDCTMアルゴリズムの完成時間最小化のためのトラジェクトリ設計を提案する。
シミュレーションの結果,従来の3つの非学習ベースライン法よりもTD3-TDCTMアルゴリズムの方が優れていることが示された。
論文 参考訳（メタデータ） (2021-07-23T03:33:29Z) - A Multi-UAV System for Exploration and Target Finding in Cluttered and
GPS-Denied Environments [68.31522961125589]
複雑なGPSを用いた複雑な環境において,UAVのチームが協調して目標を探索し,発見するための枠組みを提案する。
UAVのチームは自律的にナビゲートし、探索し、検出し、既知の地図で散らばった環境でターゲットを見つける。
その結果, 提案方式は, 時間的コスト, 調査対象地域の割合, 捜索・救助ミッションの成功率などの面で改善されていることがわかった。
論文 参考訳（メタデータ） (2021-07-19T12:54:04Z) - 3D UAV Trajectory and Data Collection Optimisation via Deep
Reinforcement Learning [75.78929539923749]
無人航空機(UAV)は現在、無線通信におけるネットワーク性能とカバレッジを高めるために配備され始めている。
UAV支援モノのインターネット(IoT)のための最適な資源配分方式を得ることは困難である
本稿では,UAVの最も短い飛行経路に依存しつつ,IoTデバイスから収集したデータ量を最大化しながら,新しいUAV支援IoTシステムを設計する。
論文 参考訳（メタデータ） (2021-06-06T14:08:41Z) - Multi-Agent Deep Reinforcement Learning Based Trajectory Planning for
Multi-UAV Assisted Mobile Edge Computing [99.27205900403578]
無人航空機(UAV)支援移動エッジコンピューティング(MEC)フレームワークを提案する。
我々は,全ユーザ機器(UE)の地理的公正性と,各UAVのUE負荷の公平性を共同で最適化することを目的としている。
提案手法は他の従来のアルゴリズムよりもかなり性能が高いことを示す。
論文 参考訳（メタデータ） (2020-09-23T17:44:07Z) - UAV Autonomous Localization using Macro-Features Matching with a CAD
Model [0.0]
本稿では,マクロな特徴の検出とマッチングに依存する,オフライン,ポータブル,リアルタイムな室内UAVローカライゼーション手法を提案する。
この研究の主な貢献は、UAVキャプチャー画像からマクロ特徴記述ベクトルをリアルタイムに作成することであり、同時にコンピュータ支援設計(CAD)モデルからオフラインの既存ベクトルと一致する。
提案システムの有効性と精度をシミュレーションおよび試作実験により評価した。
論文 参考訳（メタデータ） (2020-01-30T23:49:15Z)
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。