論文の概要: The Artificial Intelligence behind the winning entry to the 2019 AI Robotic Racing Competition

• arxiv url: http://arxiv.org/abs/2109.14985v1
• Date: Thu, 30 Sep 2021 10:32:23 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-01 23:23:22.634277
• Title: The Artificial Intelligence behind the winning entry to the 2019 AI Robotic Racing Competition
• Title（参考訳）: 2019年のAIロボットレーシングコンペティションで優勝した人工知能
• Authors: Christophe De Wagter and Federico Paredes-Vall\'es and Nilay Sheth and Guido de Croon
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 5.379463265037841
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Robotics is the next frontier in the progress of Artificial Intelligence (AI), as the real world in which robots operate represents an enormous, complex, continuous state space with inherent real-time requirements. One extreme challenge in robotics is currently formed by autonomous drone racing. Human drone racers can fly through complex tracks at speeds of up to 190 km/h. Achieving similar speeds with autonomous drones signifies tackling fundamental problems in AI under extreme restrictions in terms of resources. In this article, we present the winning solution of the first AI Robotic Racing (AIRR) Circuit, a competition consisting of four races in which all participating teams used the same drone, to which they had limited access. The core of our approach is inspired by how human pilots combine noisy observations of the race gates with their mental model of the drone's dynamics to achieve fast control. Our approach has a large focus on gate detection with an efficient deep neural segmentation network and active vision. Further, we make contributions to robust state estimation and risk-based control. This allowed us to reach speeds of ~9.2m/s in the last race, unrivaled by previous autonomous drone race competitions. Although our solution was the fastest and most robust, it still lost against one of the best human pilots, Gab707. The presented approach indicates a promising direction to close the gap with human drone pilots, forming an important step in bringing AI to the real world.
• Abstract（参考訳）: ロボティクスは人工知能(ai)の進歩における次のフロンティアであり、ロボットが操作する現実世界は、固有のリアルタイム要件を持つ巨大で複雑な連続した状態空間を表している。 ロボット工学における極端な課題の1つは、現在自律ドローンレースによって形成されている。 人間のドローンレーサーは、190km/hの速度で複雑な軌道を飛ぶことができる。 同様のスピードを自律ドローンで達成することは、リソースの極端な制限の下でAIの基本的問題に取り組むことを意味する。 本稿では,AI Robotic Racing(AIRR)サーキットの優勝ソリューションについて紹介する。このサーキットは,すべての参加チームが同じドローンを使用した4つのレースからなるコンペティションである。 このアプローチの核心は、人間のパイロットがレースゲートのノイズの多い観測と、高速制御を実現するためのドローンのダイナミクスのメンタルモデルを組み合わせた方法に着想を得ています。 このアプローチは、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。 さらに、ロバストな状態推定とリスクベースの制御に貢献する。 これにより、前回の自律型ドローンレースでは、前回のレースで約9.2m/sのスピードに到達できた。 私たちのソリューションは最速かつ最も堅牢でしたが、それでも最高の人間パイロットであるgab707に負けました。 提案されたアプローチは、人間のドローンパイロットとのギャップを埋めるための有望な方向を示し、AIを現実世界に持ち込むための重要なステップを形成する。

関連論文リスト

• Fast and Modular Autonomy Software for Autonomous Racing Vehicles [24.2222961043227]
  インディ・オートマチック・チャレンジ(英語: Indy Autonomous Challenge、IAC)は、自動運転車開発を推進する国際大会である。 本稿は、ITCにおける自動運転レースに対するMIT-Pitt-RWチームのアプローチについて詳述する。 自律的なスタックを構築するために,エージェント検出,動作計画,制御に対するモジュール型かつ高速なアプローチを提案する。
  論文  参考訳（メタデータ） (2024-08-27T21:57:16Z)
• Towards a Robust Soft Baby Robot With Rich Interaction Ability for Advanced Machine Learning Algorithms [25.85850890842541]
  我々は、大きなアクションスペースと、複数のカメラからのリッチな知覚データストリームを備えた、頑丈で部分的にソフトなロボットアームを構築します。 概念実証として、2つの現代の機械学習アルゴリズムを訓練し、単純な目標達成タスクを実行する。
  論文  参考訳（メタデータ） (2024-04-11T19:15:45Z)
• Multi-model fusion for Aerial Vision and Dialog Navigation based on human attention aids [69.98258892165767]
  本稿では,2023年ICCV会話史のための航空航法課題について述べる。 本稿では,人間注意支援型トランスフォーマモデル(HAA-Transformer)と人間注意支援型LSTMモデル(HAA-LSTM)の融合訓練方法を提案する。
  論文  参考訳（メタデータ） (2023-08-27T10:32:52Z)
• Exploring AI-enhanced Shared Control for an Assistive Robotic Arm [4.999814847776098]
  特に,アートインテリジェンス(AI)を共有制御パラダイムに統合する方法について検討する。 特に,人間とロボットのインターフェースの簡潔な要件に着目した。
  論文  参考訳（メタデータ） (2023-06-23T14:19:56Z)
• Fleet-DAgger: Interactive Robot Fleet Learning with Scalable Human Supervision [72.4735163268491]
  ロボットの商業的および産業的な展開は、実行中にリモートの人間のテレオペレーターにフォールバックすることが多い。 我々は対話型フリートラーニング(Interactive Fleet Learning, IFL)の設定を定式化し、複数のロボットが対話型クエリを行い、複数の人間スーパーバイザーから学習する。 IFLアルゴリズムのファミリーであるFleet-DAggerを提案し、新しいFleet-DAggerアルゴリズムをシミュレーションで4つのベースラインと比較する。
  論文  参考訳（メタデータ） (2022-06-29T01:23:57Z)
• Indy Autonomous Challenge -- Autonomous Race Cars at the Handling Limits [81.22616193933021]
  TUM Auton-omous Motorsportsは2021年10月、インディ・オートマチック・チャレンジに参加する。 インディアナポリス・モーター・スピードウェイのダララAV-21レースカー10台のうち1台を走らせることで、自動運転のソフトウェアスタックをベンチマークする。 これは、最も困難で稀な状況をマスターできる自律走行アルゴリズムを開発するための理想的な試験場である。
  論文  参考訳（メタデータ） (2022-02-08T11:55:05Z)
• Autonomous Aerial Robot for High-Speed Search and Intercept Applications [86.72321289033562]
  高速物体把握のための完全自律飛行ロボットが提案されている。 追加のサブタスクとして、我々のシステムは、表面に近い極にある気球を自律的にピアスすることができる。 我々のアプローチは、挑戦的な国際競争で検証され、優れた結果が得られました。
  論文  参考訳（メタデータ） (2021-12-10T11:49:51Z)
• AlphaPilot: Autonomous Drone Racing [47.205375478625776]
  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。
  論文  参考訳（メタデータ） (2020-05-26T15:45:05Z)
• 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。