論文の概要: New Era in Cultural Heritage Preservation: Cooperative Aerial Autonomy

• arxiv url: http://arxiv.org/abs/2303.02962v1
• Date: Mon, 6 Mar 2023 08:33:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-07 16:41:20.242843
• Title: New Era in Cultural Heritage Preservation: Cooperative Aerial Autonomy
• Title（参考訳）: 文化財保存の新時代:協同航空自治
• Authors: Pavel Petracek, Vit Kratky, Tomas Baca, Matej Petrlik, Martin Saska
• Abstract要約: ドキュメンテーションプロセスの高速化のため,多回転無人航空機(UAV)の自律型チームの利用を提唱する。 提案したマルチロボットアプローチは、大規模な実世界のシナリオで動的シーン照明を必要とするタスクを実行することができる。 システムの堅牢性は、15の歴史的記念碑で200以上の自律飛行で実証されている。
• 参考スコア（独自算出の注目度）: 4.03485058215531
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Digital documentation of large interiors of historical buildings is an exhausting task since most of the areas of interest are beyond typical human reach. We advocate the use of autonomous teams of multi-rotor Unmanned Aerial Vehicles (UAVs) to speed up the documentation process by several orders of magnitude while allowing for a repeatable, accurate, and condition-independent solution capable of precise collision-free operation at great heights. The proposed multi-robot approach allows for performing tasks requiring dynamic scene illumination in large-scale real-world scenarios, a process previously applicable only in small-scale laboratory-like conditions. Extensive experimental analyses range from single-UAV imaging to specialized lighting techniques requiring accurate coordination of multiple UAVs. The system's robustness is demonstrated in more than two hundred autonomous flights in fifteen historical monuments requiring superior safety while lacking access to external localization. This unique experimental campaign, cooperated with restorers and conservators, brought numerous lessons transferable to other safety-critical robotic missions in documentation and inspection tasks.
• Abstract（参考訳）: 歴史的建造物の大規模な内部のデジタル文書化は、ほとんどの関心領域が典型的な人間の範囲を超えているため、枯渇する作業である。 我々は,多回転無人航空機(UAV)の自律型チームを用いて,複数桁のドキュメンテーションプロセスの高速化を図りながら,高高度での衝突のない正確な操作が可能な,反復可能で正確で条件に依存しないソリューションを提案する。 提案するマルチロボットアプローチでは,大規模な実世界シナリオにおいて動的シーン照明を必要とするタスクを実行できる。 大規模な実験分析は、単一UAVイメージングから複数のUAVの正確な調整を必要とする特殊な照明技術まで様々である。 システムの堅牢性は、15の歴史的記念物において200以上の自律飛行で実証されており、外部のローカライゼーションへのアクセスが欠如している。 このユニークな実験的なキャンペーンは、修復者や保守者と協力し、文書化や検査作業で他の安全クリティカルなロボットミッションに多くの教訓をもたらした。

関連論文リスト

• Autonomous Decision Making for UAV Cooperative Pursuit-Evasion Game with Reinforcement Learning [50.33447711072726]
  本稿では,マルチロールUAV協調追従ゲームにおける意思決定のための深層強化学習モデルを提案する。 提案手法は,追従回避ゲームシナリオにおけるUAVの自律的意思決定を可能にする。
  論文  参考訳（メタデータ） (2024-11-05T10:45:30Z)
• MTAC: Hierarchical Reinforcement Learning-based Multi-gait Terrain-adaptive Quadruped Controller [12.300578189051963]
  動的・荒地環境における四足歩行ロボットの制御は、これらのロボットの自由度が高いため、難しい問題である。 現在の四足歩行制御装置は、複数の適応歩行を生産し、時間と資源効率のよい方法でタスクを解く能力に制限があり、面倒なトレーニングと手動のチューニング手順を必要とする。 時間とメモリ効率を両立させながら階層的強化学習(HRL)アプローチを利用するマルチゲット地形適応型コントローラMTACを提案する。
  論文  参考訳（メタデータ） (2023-11-01T18:17:47Z)
• Multi-UAV Planning for Cooperative Wildfire Coverage and Tracking with Quality-of-Service Guarantees [7.936688444492405]
  本研究では,複数UAVチームにおける協調的なフィールドカバレッジと火災追跡を実現するための予測フレームワークを提案する。 我々は、UAVチームが限られた資源を分配し、消防エリア全体をカバーできるように、新しい、分析的時間的、および追跡エラー境界を導出する。 本研究の結果は, 空域火災監視のケーススタディに限らず, 捜索・救助, 目標追跡, 国境パトロールなどの問題に適用可能である。
  論文  参考訳（メタデータ） (2022-06-21T17:20:54Z)
• Collaborative Target Search with a Visual Drone Swarm: An Adaptive Curriculum Embedded Multistage Reinforcement Learning Approach [0.0]
  適応型カリキュラム組込み多段階学習(ACEMSL)という,データ効率の高い深層強化学習(DRL)手法を提案する。 我々は、協調対象探索タスクを、個別の障害物回避、対象探索、エージェント間協調を含むいくつかのサブタスクに分解し、多段階学習でエージェントを段階的に訓練する。 我々は、訓練されたモデルを実際の視覚ドローン群に展開し、微調整なしでCTS操作を行う。
  論文  参考訳（メタデータ） (2022-04-26T09:32:22Z)
• Real-Time Hybrid Mapping of Populated Indoor Scenes using a Low-Cost Monocular UAV [42.850288938936075]
  単一UAVに搭載された単眼カメラから同時マッピングと複数人によるポーズ推定を行う最初のシステムを提案する。 特に,身近な室内シーンのハイブリッドマップをリアルタイムに再構築するために,最先端のモノキュラー深度推定とモノキュラー人間のポーズ推定を緩やかに組み合わせる方法について述べる。
  論文  参考訳（メタデータ） (2022-03-04T17:31:26Z)
• Hierarchical Few-Shot Imitation with Skill Transition Models [66.81252581083199]
  FIST(Few-shot Imitation with Skill Transition Models)は、オフラインデータからスキルを抽出し、それらを利用して見えないタスクに一般化するアルゴリズムである。 本稿では,FISTが新たなタスクに一般化し,ナビゲーション実験において従来のベースラインを大幅に上回っていることを示す。
  論文  参考訳（メタデータ） (2021-07-19T15:56:01Z)
• 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)
• Learning Multi-Arm Manipulation Through Collaborative Teleoperation [63.35924708783826]
  模倣学習(il)はロボットに操作タスクを実行するための強力なパラダイムである。 多くの現実世界のタスクは、重い物体を持ち上げる、デスクを組み立てるなど、複数のアームを必要とする。 複数のリモートユーザが同時にロボットアームを遠隔操作できるマルチユーザデータ収集プラットフォームであるMulti-Arm RoboTurk(MART)を紹介した。
  論文  参考訳（メタデータ） (2020-12-12T05:43:43Z)
• Batch Exploration with Examples for Scalable Robotic Reinforcement Learning [63.552788688544254]
  BEE(Batch Exploration with Examples)は、重要状態の画像の少ない数の人間がガイドする状態空間の関連領域を探索する。 BEEは、シミュレーションと本物のフランカロボットの両方で、視覚ベースの操作に挑戦することができる。
  論文  参考訳（メタデータ） (2020-10-22T17:49:25Z)
• ReLMoGen: Leveraging Motion Generation in Reinforcement Learning for Mobile Manipulation [99.2543521972137]
  ReLMoGenは、サブゴールを予測するための学習されたポリシーと、これらのサブゴールに到達するために必要な動作を計画し実行するためのモーションジェネレータを組み合わせたフレームワークである。 本手法は,フォトリアリスティック・シミュレーション環境における7つのロボットタスクの多種多様なセットをベンチマークする。 ReLMoGenは、テスト時に異なるモーションジェネレータ間で顕著な転送可能性を示し、実際のロボットに転送する大きな可能性を示している。
  論文  参考訳（メタデータ） (2020-08-18T08:05:15Z)

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。