論文の概要: Deep Monocular Hazard Detection for Safe Small Body Landing
- arxiv url: http://arxiv.org/abs/2301.13254v1
- Date: Mon, 30 Jan 2023 19:40:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-01 18:46:28.916935
- Title: Deep Monocular Hazard Detection for Safe Small Body Landing
- Title(参考訳): 安全小体着陸のための深部単眼ハザード検出
- Authors: Travis Driver, Kento Tomita, Koki Ho, Panagiotis Tsiotras
- Abstract要約: 危険検出と回避は、将来ロボットによる小型ボディサンプルの回収と着陸ミッションの鍵となる技術である。
本研究では,単一の単眼画像から直接着地安全性を予測するために,深いセマンティックセグメンテーション技術を活用する新しい安全マッピングパラダイムを提案する。
本研究は,OSIRIS-RExミッションから得られたサンプルの実際のその場画像に対して,高精度かつ正確な安全マッピング性能を示す。
- 参考スコア(独自算出の注目度): 12.922946578413578
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Hazard detection and avoidance is a key technology for future robotic small
body sample return and lander missions. Current state-of-the-practice methods
rely on high-fidelity, a priori terrain maps, which require extensive
human-in-the-loop verification and expensive reconnaissance campaigns to
resolve mapping uncertainties. We propose a novel safety mapping paradigm that
leverages deep semantic segmentation techniques to predict landing safety
directly from a single monocular image, thus reducing reliance on
high-fidelity, a priori data products. We demonstrate precise and accurate
safety mapping performance on real in-situ imagery of prospective sample sites
from the OSIRIS-REx mission.
- Abstract(参考訳): 危険検出と回避は、将来のロボット小天体のサンプル回収と着陸ミッションの鍵となる技術である。
現在の実践的手法は、地図の不確実性を解決するために、広範囲にわたる人道的検証と高価な偵察活動を必要とする先駆的な地形地図である高忠実さに依存している。
本稿では,1つの単眼画像から直接着陸安全性を予測するために,深い意味的セグメンテーション技術を活用した新しい安全性マッピングパラダイムを提案する。
我々は,osiris-rexミッションの有望なサンプルサイトの実地画像上で,正確かつ正確な安全マッピング性能を示す。
関連論文リスト
- Towards General Visual-Linguistic Face Forgery Detection [95.73987327101143]
ディープフェイクは現実的な顔操作であり、セキュリティ、プライバシー、信頼に深刻な脅威をもたらす可能性がある。
既存の方法は、このタスクを、デジタルラベルまたはマスク信号を使用して検出モデルをトレーニングするバイナリ分類として扱う。
本稿では, 微粒な文レベルのプロンプトをアノテーションとして用いた, VLFFD (Visual-Linguistic Face Forgery Detection) という新しいパラダイムを提案する。
論文 参考訳(メタデータ) (2023-07-31T10:22:33Z) - Probabilistic Counterexample Guidance for Safer Reinforcement Learning
(Extended Version) [1.279257604152629]
セーフサーベイは、安全クリティカルなシナリオにおける強化学習(RL)の限界に対処することを目的としている。
外部知識を取り入れたり、センサデータを使って安全でない状態の探索を制限する方法はいくつか存在する。
本稿では,安全要件の反例によるトレーニングを指導することで,安全な探査の課題をターゲットにする。
論文 参考訳(メタデータ) (2023-07-10T22:28:33Z) - Approximate Shielding of Atari Agents for Safe Exploration [83.55437924143615]
遮蔽の概念に基づく安全な探索のための原理的アルゴリズムを提案する。
本稿では,我々の近似遮蔽アルゴリズムが安全違反率を効果的に低減することを示す予備的な結果を示す。
論文 参考訳(メタデータ) (2023-04-21T16:19:54Z) - You Only Crash Once: Improved Object Detection for Real-Time,
Sim-to-Real Hazardous Terrain Detection and Classification for Autonomous
Planetary Landings [7.201292864036088]
危険地を検出するための安価で効果的な方法は、視覚カメラを使用することである。
視覚的危険地形検出の伝統的な技術は、テンプレートマッチングと事前構築されたハザードマップへの登録に焦点を当てている。
深層学習に基づく視覚的危険地形検出と分類技術であるYou Only Crash Once (YOCO)を紹介した。
論文 参考訳(メタデータ) (2023-03-08T21:11:51Z) - Incremental 3D Scene Completion for Safe and Efficient Exploration
Mapping and Planning [60.599223456298915]
本研究では,情報,安全,解釈可能な地図作成と計画に3次元シーン補完を活用することによって,深層学習を探索に統合する新しい手法を提案する。
本手法は,地図の精度を最小限に抑えることで,ベースラインに比べて環境のカバレッジを73%高速化できることを示す。
最終地図にシーン完了が含まれていなくても、ロボットがより情報的な経路を選択するように誘導し、ロボットのセンサーでシーンの測定を35%高速化できることが示される。
論文 参考訳(メタデータ) (2022-08-17T14:19:33Z) - Detection and Initial Assessment of Lunar Landing Sites Using Neural
Networks [0.0]
本稿では、誘導システムにおける着陸可能地域の初期評価を生成するために、受動的自律型ハザード検出と回避サブシステムに焦点を当てる。
このシステムは単一のカメラとMobileNetV2ニューラルネットワークアーキテクチャを使って、安全な着陸地点と岩や影、クレーターなどの危険を検知し、識別する。
論文 参考訳(メタデータ) (2022-07-23T04:29:18Z) - Robust and Precise Facial Landmark Detection by Self-Calibrated Pose
Attention Network [73.56802915291917]
より堅牢で正確な顔のランドマーク検出を実現するための半教師付きフレームワークを提案する。
より効果的な顔形状制約をモデル化するために,境界対応ランドマーク強度(BALI)フィールドを提案する。
自己キャリブレーション・ポース・アテンション(SCPA)モデルは、中間的監督を強制する自己学習型目標関数を提供するように設計されている。
論文 参考訳(メタデータ) (2021-12-23T02:51:08Z) - Towards Robust Monocular Visual Odometry for Flying Robots on Planetary
Missions [49.79068659889639]
火星に着陸したばかりのIngenuityは、トラバーサビリティの影響を受けない新時代の探検の始まりとなるでしょう。
高速な光フロートラッキングを用いた高能率単分子オードメトリーアルゴリズムを提案する。
また、相対翻訳情報行列の主成分分析に基づいて、スケールドリフトの現在のリスクを推定する新しい手法を提案する。
論文 参考訳(メタデータ) (2021-09-12T12:52:20Z) - Detect and Locate: A Face Anti-Manipulation Approach with Semantic and
Noise-level Supervision [67.73180660609844]
本稿では,画像中の偽造顔を効率的に検出する,概念的にシンプルだが効果的な方法を提案する。
提案手法は,画像に関する意味の高い意味情報を提供するセグメンテーションマップに依存する。
提案モデルでは,最先端検出精度と顕著なローカライゼーション性能を実現する。
論文 参考訳(メタデータ) (2021-07-13T02:59:31Z) - MODS -- A USV-oriented object detection and obstacle segmentation
benchmark [12.356257470551348]
海上物体検出とより一般的な海上障害物セグメンテーションの2つの主要な知覚タスクを考慮する新しい障害物検出ベンチマークMODSを紹介します。
船載IMUと同期する約81kのステレオ画像と60k以上の物体を注釈付けした新たな海洋評価データセットを提案する。
実用的なUSVナビゲーションに有用な方法で検出精度を反映した新しい障害物分割性能評価プロトコルを提案する。
論文 参考訳(メタデータ) (2021-05-05T22:40:27Z) - Uncertainty-Aware Deep Learning for Autonomous Safe Landing Site
Selection [3.996275177789895]
本論文では,危険検出と着陸地点選択のための不確実性認識学習手法を提案する。
ベイジアンディープラーニングとセマンティックセグメンテーションを通じて、安全予測マップとその不確実性マップを生成する。
生成された不確実性マップを使用して予測マップ内の不確かさ画素をフィルタリングし、特定の画素のみに基づいて安全なランディングサイト選択を行う。
論文 参考訳(メタデータ) (2021-02-21T08:13:49Z)
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。