論文の概要: UAVs and Birds: Enhancing Short-Range Navigation through Budgerigar Flight Studies

• arxiv url: http://arxiv.org/abs/2312.00597v2
• Date: Tue, 9 Jul 2024 04:19:53 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-11 00:11:18.122090
• Title: UAVs and Birds: Enhancing Short-Range Navigation through Budgerigar Flight Studies
• Title（参考訳）: UAV と Birds:Budgerigar Flight Study による短距離航法の強化
• Authors: Md. Mahmudur Rahman, Sajid Islam, Showren Chowdhury, Sadia Jahan Zeba, Debajyoti Karmaker,
• Abstract要約: 本研究は,Budgerigars (Melopsittacus undulatus) の飛行行動について検討し,飛行軌跡や運動の知見を得た。 ステレオビデオカメラ記録からの3次元再構成を用いて, 3回の離陸, 飛行, 着陸時の速度, 加速度パターンを綿密に検討した。 この研究は、鳥類で観察される生物学的原理と、より効率的で自律的なUAVの開発におけるこれらの洞察の応用のギャップを埋めることを目的としている。
• 参考スコア（独自算出の注目度）: 2.3884184860468136
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study delves into the flight behaviors of Budgerigars (Melopsittacus undulatus) to gain insights into their flight trajectories and movements. Using 3D reconstruction from stereo video camera recordings, we closely examine the velocity and acceleration patterns during three flight motion takeoff, flying and landing. The findings not only contribute to our understanding of bird behaviors but also hold significant implications for the advancement of algorithms in Unmanned Aerial Vehicles (UAVs). The research aims to bridge the gap between biological principles observed in birds and the application of these insights in developing more efficient and autonomous UAVs. In the context of the increasing use of drones, this study focuses on the biologically inspired principles drawn from bird behaviors, particularly during takeoff, flying and landing flight, to enhance UAV capabilities. The dataset created for this research sheds light on Budgerigars' takeoff, flying, and landing techniques, emphasizing their ability to control speed across different situations and surfaces. The study underscores the potential of incorporating these principles into UAV algorithms, addressing challenges related to short-range navigation, takeoff, flying, and landing.
• Abstract（参考訳）: 本研究は,Budgerigars (Melopsittacus undulatus) の飛行行動について検討し,飛行軌跡や運動の知見を得た。 ステレオビデオカメラ記録からの3次元再構成を用いて, 3回の離陸, 飛行, 着陸時の速度, 加速度パターンを綿密に検討した。 この知見は鳥の行動の理解に寄与するだけでなく、無人航空機(UAV)におけるアルゴリズムの進歩にも重要な意味を持つ。 この研究は、鳥類で観察される生物学的原理と、より効率的で自律的なUAVの開発におけるこれらの洞察の応用のギャップを埋めることを目的としている。 ドローンの利用が増加する中で、この研究は、鳥の行動、特に離陸、飛行、着陸の際に引き起こされた生物学的にインスパイアされた原則に焦点を当て、UAV能力を向上する。 この研究のために作られたデータセットは、Budgerigarsの離陸、飛行、着陸技術に光を当て、さまざまな状況や表面の速度を制御できることを強調している。 この研究は、これらの原則をUAVアルゴリズムに組み込むことの可能性を強調し、短距離航法、離陸、飛行、着陸に関わる課題に対処する。

関連論文リスト

• Detection of Animal Movement from Weather Radar using Self-Supervised Learning [0.14999444543328289]
  動物の動きを検出するための自己教師型学習法を提案する。 提案手法では,しきい値を用いた雑音ラベル付き大規模データセット上でモデルを事前学習する。 オーストラリアの気象レーダデータを用いた水鳥セグメンテーション実験により, 提案手法は, ダイス共効率統計学において, 現在の最先端技術よりも43.53%優れていることが判明した。
  論文  参考訳（メタデータ） (2024-08-08T12:48:54Z)
• Airship Formations for Animal Motion Capture and Behavior Analysis [4.939986309170004]
  複数の角度から野生の馬を追跡し、追跡し、視覚的に記録するために、飛行船の形成を使用するように設計されたシステムを紹介します。 本研究では,複数の角度から野生の馬を追跡し,追跡し,視覚的に記録するための飛行船形成システムを紹介する。
  論文  参考訳（メタデータ） (2024-04-13T12:18:19Z)
• Bird Movement Prediction Using Long Short-Term Memory Networks to Prevent Bird Strikes with Low Altitude Aircraft [0.0]
  空域内での航空機と鳥の衝突数は過去10年間で急増している。 アドバンスト・エアモビリティ(Advanced Air Mobility)が低高度空域で運用を開始すると、航空機による鳥の攻撃は劇的に増加すると予想されている。 我々は,鳥の動きの緯度と経度を予測するために,LSTM(Long Short-Term Memory)モデルを4種類実装した。
  論文  参考訳（メタデータ） (2023-12-17T20:12:39Z)
• UAV Obstacle Avoidance by Human-in-the-Loop Reinforcement in Arbitrary 3D Environment [17.531224704021273]
  本稿では, 深部強化学習に基づく無人航空機(UAV)の連続制御に着目した。 本稿では,UAVが飛行中の障害物を自動的に回避できる深層強化学習(DRL)法を提案する。
  論文  参考訳（メタデータ） (2023-04-07T01:44:05Z)
• Flying Bird Object Detection Algorithm in Surveillance Video Based on Motion Information [0.0]
  監視ビデオでは、オブジェクトのサイズは小さい(低信号対雑音比(SNR))。 物体追跡アルゴリズムは、不審な飛行する鳥の物体を追跡し、その運動距離(MR)を計算するために使用される 同時に、不審飛行鳥物体のMRの大きさを移動速度に応じて適応的に調整する。 ASt-CubesをベースとしたLightWeight U-Shape Net (LW-USN)は、飛ぶ鳥の物体を検出するように設計されている。
  論文  参考訳（メタデータ） (2023-01-05T05:32:22Z)
• 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)
• Deep object detection for waterbird monitoring using aerial imagery [56.1262568293658]
  本研究では,商用ドローンで収集した空中画像を用いて,水鳥の正確な検出,数え,監視に使用できる深層学習パイプラインを提案する。 畳み込み型ニューラルネットワークを用いた物体検出装置を用いて,テキサス沿岸の植民地性営巣島でよく見られる16種類の水鳥を検出できることを示す。
  論文  参考訳（メタデータ） (2022-10-10T17:37:56Z)
• Neural-Fly Enables Rapid Learning for Agile Flight in Strong Winds [96.74836678572582]
  本稿では,ディープラーニングを通じて事前学習した表現を組み込むことで,オンラインでの迅速な適応を可能にする学習ベースのアプローチを提案する。 Neural-Flyは、最先端の非線形かつ適応的なコントローラよりもかなり少ないトラッキングエラーで正確な飛行制御を実現する。
  論文  参考訳（メタデータ） (2022-05-13T21:55:28Z)
• 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)
• A dataset for multi-sensor drone detection [67.75999072448555]
  近年,小型・遠隔操作無人航空機(UAV)の使用が増加している。 ドローン検出に関するほとんどの研究は、取得デバイスの種類、ドローンの種類、検出範囲、データセットを特定することに失敗している。 我々は、赤外線および可視ビデオとオーディオファイルを含むドローン検出のための注釈付きマルチセンサーデータベースにコントリビュートする。
  論文  参考訳（メタデータ） (2021-11-02T20:52:03Z)
• 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)

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。