論文の概要: Towards Cooperative Flight Control Using Visual-Attention

• arxiv url: http://arxiv.org/abs/2212.11084v2
• Date: Wed, 20 Sep 2023 20:50:46 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-22 20:04:36.087478
• Title: Towards Cooperative Flight Control Using Visual-Attention
• Title（参考訳）: ビジュアルアテンションを用いた協調飛行制御に向けて
• Authors: Lianhao Yin, Makram Chahine, Tsun-Hsuan Wang, Tim Seyde, Chao Liu, Mathias Lechner, Ramin Hasani, Daniela Rus
• Abstract要約: 本稿では,パイロットと制御システム間の並列自律性を実現するための,視覚に基づくエアガードシステムを提案する。 我々の注意に基づく航空防衛システムは、飛行への関与レベルとパイロットの専門知識と注意のトレードオフをバランスさせることができる。
• 参考スコア（独自算出の注目度）: 61.99121057062421
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The cooperation of a human pilot with an autonomous agent during flight control realizes parallel autonomy. We propose an air-guardian system that facilitates cooperation between a pilot with eye tracking and a parallel end-to-end neural control system. Our vision-based air-guardian system combines a causal continuous-depth neural network model with a cooperation layer to enable parallel autonomy between a pilot and a control system based on perceived differences in their attention profiles. The attention profiles for neural networks are obtained by computing the networks' saliency maps (feature importance) through the VisualBackProp algorithm, while the attention profiles for humans are either obtained by eye tracking of human pilots or saliency maps of networks trained to imitate human pilots. When the attention profile of the pilot and guardian agents align, the pilot makes control decisions. Otherwise, the air-guardian makes interventions and takes over the control of the aircraft. We show that our attention-based air-guardian system can balance the trade-off between its level of involvement in the flight and the pilot's expertise and attention. The guardian system is particularly effective in situations where the pilot was distracted due to information overload. We demonstrate the effectiveness of our method for navigating flight scenarios in simulation with a fixed-wing aircraft and on hardware with a quadrotor platform.
• Abstract（参考訳）: 飛行制御中の人間のパイロットと自律エージェントの協調は、並列自律を実現する。 本稿では,パイロットと視線追跡システム,および並列終端ニューラルコントロールシステムとの協調を支援するエアガードシステムを提案する。 本システムでは, パイロットと制御システムの並列自律性を実現するために, 注意プロファイルの違いに基づいて, 因果的連続深度ニューラルネットワークモデルと協調層を組み合わせる。 ニューラルネットワークの注意プロファイルは、視覚バックプロップアルゴリズムによってネットワークのサリエンシーマップ(特徴重要度)を計算し、人間の注意プロファイルは人間のパイロットの視線追跡または人間のパイロットを模倣するために訓練されたネットワークのサリエンシーマップによって得られる。 パイロットと保護エージェントの注意プロファイルが一致した場合、パイロットは制御決定を行う。 さもなくば、航空防衛隊は介入を行い、航空機の制御を引き継いだ。 注意に基づく防空システムは、その飛行への関与レベルとパイロットの専門知識と注意の間のトレードオフをバランスさせることができる。 保護システムは、情報過負荷によりパイロットが気を散らされた状況において特に効果的である。 本研究では,固定翼機によるシミュレーションや,四角形プラットフォームによるハードウェア上での飛行シナリオのナビゲーションの有効性を示す。

関連論文リスト

• Estimating See and Be Seen Performance with an Airborne Visual Acquisition Model [0.0]
  分離プロビジョニングと衝突回避は、階層化コンフリクト管理システムの基本コンポーネントである。 パイロットは、航空機間の分離を維持するための視界に基づく分離責任を持つ。 乗員機とのドローンの対話は、従来の航空機との対話ほど危険ではない。
  論文  参考訳（メタデータ） (2023-06-29T11:39:10Z)
• Learning Deep Sensorimotor Policies for Vision-based Autonomous Drone Racing [52.50284630866713]
  既存のシステムは、状態推定、計画、制御のために手作業によるコンポーネントを必要とすることが多い。 本稿では、深層感触者ポリシーを学習することで、視覚に基づく自律ドローンレース問題に取り組む。
  論文  参考訳（メタデータ） (2022-10-26T19:03:17Z)
• The eyes and hearts of UAV pilots: observations of physiological responses in real-life scenarios [64.0476282000118]
  民間機や軍用機では、パイロットはリアルなシミュレーターで自分の反応や反射を調整できる。 この作業は、現場でパイロットの行動を収集し、パフォーマンスを向上させるソリューションを提供することを目的としています。
  論文  参考訳（メタデータ） (2022-10-26T14:16:56Z)
• The State of Aerial Surveillance: A Survey [62.198765910573556]
  本稿では、コンピュータビジョンとパターン認識の観点から、人間中心の空中監視タスクの概要を概観する。 主な対象は、単体または複数の被験者が検出され、特定され、追跡され、再同定され、その振る舞いが分析される人間である。
  論文  参考訳（メタデータ） (2022-01-09T20:13:27Z)
• Visual Attention Prediction Improves Performance of Autonomous Drone Racing Agents [45.36060508554703]
  人間はエンドツーエンドの自律飛行のために訓練されたニューラルネットワークよりも速くドローンをレースする。 本研究では、人間の視線行動や注意を模倣できるニューラルネットワークが、ニューラルネットワークの性能を向上させるかどうかを検討する。
  論文  参考訳（メタデータ） (2022-01-07T18:07:51Z)
• Evolved neuromorphic radar-based altitude controller for an autonomous open-source blimp [4.350434044677268]
  本稿では,ロボット飛行船のためのSNNに基づく高度制御器を提案する。 また、SNNベースのコントローラアーキテクチャ、シミュレーション環境でネットワークをトレーニングするための進化的フレームワーク、現実とのギャップを改善するための制御戦略も提示する。
  論文  参考訳（メタデータ） (2021-10-01T20:48:43Z)
• Scalable Perception-Action-Communication Loops with Convolutional and Graph Neural Networks [208.15591625749272]
  視覚に基づくグラフアグリゲーション・アンド・推論(VGAI)を用いた知覚-行動-コミュニケーションループの設計を提案する。 我々のフレームワークは、畳み込みとグラフニューラルネットワーク(CNN/GNN)のカスケードによって実装され、エージェントレベルの視覚知覚と特徴学習に対処する。 我々は、VGAIが他の分散コントローラに匹敵する性能を得ることを示した。
  論文  参考訳（メタデータ） (2021-06-24T23:57:21Z)
• Deep4Air: A Novel Deep Learning Framework for Airport Airside Surveillance [0.9449650062296822]
  コンピュータビジョンに基づく新しいフレームワーク,すなわち"Deep4Air"を提案する。 滑走路やタクシー道で航空機の速度と距離をリアルタイムで分析する。 提案するフレームワークは、航空機を効率的に検出・追跡する適応型ディープニューラルネットワークを含む。
  論文  参考訳（メタデータ） (2020-10-02T06:33:21Z)

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。