論文の概要: Angle Robustness Unmanned Aerial Vehicle Navigation in GNSS-Denied Scenarios

• arxiv url: http://arxiv.org/abs/2402.02405v1
• Date: Sun, 4 Feb 2024 08:41:20 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-06 20:03:22.918698
• Title: Angle Robustness Unmanned Aerial Vehicle Navigation in GNSS-Denied Scenarios
• Title（参考訳）: GNSSシナリオにおける無人航空機ナビゲーションのアングルロバスト性
• Authors: Yuxin Wang, Zunlei Feng, Haofei Zhang, Yang Gao, Jie Lei, Li Sun, Mingli Song
• Abstract要約: 本稿では、ポイントツーポイントナビゲーションタスクにおける飛行偏差に対処する新しい角度ナビゲーションパラダイムを提案する。 また、Adaptive Feature Enhance Module、Cross-knowledge Attention-guided Module、Robust Task-oriented Head Moduleを含むモデルを提案する。
• 参考スコア（独自算出の注目度）: 66.05091704671503
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Due to the inability to receive signals from the Global Navigation Satellite System (GNSS) in extreme conditions, achieving accurate and robust navigation for Unmanned Aerial Vehicles (UAVs) is a challenging task. Recently emerged, vision-based navigation has been a promising and feasible alternative to GNSS-based navigation. However, existing vision-based techniques are inadequate in addressing flight deviation caused by environmental disturbances and inaccurate position predictions in practical settings. In this paper, we present a novel angle robustness navigation paradigm to deal with flight deviation in point-to-point navigation tasks. Additionally, we propose a model that includes the Adaptive Feature Enhance Module, Cross-knowledge Attention-guided Module and Robust Task-oriented Head Module to accurately predict direction angles for high-precision navigation. To evaluate the vision-based navigation methods, we collect a new dataset termed as UAV_AR368. Furthermore, we design the Simulation Flight Testing Instrument (SFTI) using Google Earth to simulate different flight environments, thereby reducing the expenses associated with real flight testing. Experiment results demonstrate that the proposed model outperforms the state-of-the-art by achieving improvements of 26.0% and 45.6% in the success rate of arrival under ideal and disturbed circumstances, respectively.
• Abstract（参考訳）: 地球航法衛星システム(GNSS)からの信号が極端に受信できないため、無人航空機(UAV)の正確で堅牢な航法は難しい課題である。 最近出現した視覚ベースのナビゲーションは、GNSSベースのナビゲーションに代わる有望で実現可能な代替手段である。 しかし、既存の視覚ベースの技術は、環境障害や不正確な位置予測による飛行偏差に対処するには不十分である。 本稿では,ポイント・ツー・ポイントのナビゲーションタスクにおける飛行偏差に対処するための新しい角度ロバスト性ナビゲーションパラダイムを提案する。 さらに,適応機能強化モジュール,クロスナレッジ注意誘導モジュール,ロバストなタスク指向ヘッドモジュール,高精度ナビゲーションのための方向角を正確に予測するモデルを提案する。 視覚に基づくナビゲーション手法を評価するため,UAV_AR368と呼ばれる新しいデータセットを収集した。 さらに,Google Earth を用いたシミュレーション飛行試験装置 (SFTI) を設計し,異なる飛行環境をシミュレートし,実際の飛行試験に伴うコストを削減する。 実験結果から, 理想的な状況下での到達率を26.0%, 45.6%向上させることにより, 提案モデルが技術水準を上回る結果を得た。

関連論文リスト

• MPVO: Motion-Prior based Visual Odometry for PointGoal Navigation [3.9974562667271507]
  視覚計測(VO)は,室内環境におけるエンボディエージェントの正確なポイントゴールナビゲーションを可能にするために不可欠である。 近年の深層学習VO法は, 頑健な性能を示すが, トレーニング中のサンプル不効率に悩まされている。 エージェントが環境をナビゲートしている間に利用可能な動作先に基づいて、ロバストでサンプル効率の良いVOパイプラインを提案する。
  論文  参考訳（メタデータ） (2024-11-07T15:36:49Z)
• Long-distance Geomagnetic Navigation in GNSS-denied Environments with Deep Reinforcement Learning [62.186340267690824]
  既存の地磁気航法の研究は、事前保存された地図や広範囲な探索に依存しており、探索されていない地域での適用性や航法効率の低下に繋がる。 本稿では,特に長距離地磁気航法における深部強化学習(DRL)に基づくメカニズムについて述べる。 設計されたメカニズムは、プリストアドマップや広範囲で高価な探索アプローチではなく、地磁気ナビゲーションのための磁気受容能力を学ぶようにエージェントを訓練する。
  論文  参考訳（メタデータ） (2024-10-21T09:57:42Z)
• A Bionic Data-driven Approach for Long-distance Underwater Navigation with Anomaly Resistance [59.21686775951903]
  様々な動物が環境の手がかりを使って正確なナビゲーションをしている。 動物航法にインスパイアされたこの研究は、長距離水中航法のためのバイオニックでデータ駆動のアプローチを提案する。 提案手法では,GPSシステムや地理地図を必要とせず,測地データを用いてナビゲーションを行う。
  論文  参考訳（メタデータ） (2024-02-06T13:20:56Z)
• Vision-Based Autonomous Navigation for Unmanned Surface Vessel in Extreme Marine Conditions [2.8983738640808645]
  本稿では,極端海洋環境下での目標物追跡のための自律的視覚に基づくナビゲーション・フレームワークを提案する。 提案手法は砂嵐や霧による可視性低下下でのシミュレーションで徹底的に検証されている。 結果は、ベンチマークしたMBZIRCシミュレーションデータセット全体にわたる最先端のデハージング手法と比較される。
  論文  参考訳（メタデータ） (2023-08-08T14:25:13Z)
• ETPNav: Evolving Topological Planning for Vision-Language Navigation in Continuous Environments [56.194988818341976]
  視覚言語ナビゲーションは、エージェントが環境中をナビゲートするための指示に従う必要があるタスクである。 本研究では,1)環境を抽象化し,長距離航法計画を生成する能力,2)連続環境における障害物回避制御能力の2つの重要なスキルに焦点を当てたETPNavを提案する。 ETPNavは、R2R-CEとRxR-CEデータセットの先行技術よりも10%以上、20%改善されている。
  論文  参考訳（メタデータ） (2023-04-06T13:07:17Z)
• Unsupervised Visual Odometry and Action Integration for PointGoal Navigation in Indoor Environment [14.363948775085534]
  屋内環境におけるポイントゴールナビゲーションは、個人ロボットが特定の地点に向かうための基本的なタスクである。 GPS信号を使わずにPointGoalナビゲーションの精度を向上させるために、ビジュアル・オドメトリー(VO)を用い、教師なしで訓練された新しいアクション統合モジュール(AIM)を提案する。 実験により,提案システムは良好な結果が得られ,Gibsonデータセット上で部分的に教師付き学習アルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2022-10-02T03:12:03Z)
• The Surprising Effectiveness of Visual Odometry Techniques for Embodied PointGoal Navigation [100.08270721713149]
  PointGoalナビゲーションは、シミュレーションされたEmbodied AI環境で導入された。 最近の進歩は、ほぼ完璧な精度でPointGoalナビゲーションタスクを解く(99.6%の成功) 本研究では,ナビゲーションポリシにビジュアルオドメトリ技術を統合することで,人気の高いHabitat PointNavベンチマークの最先端性を大きなマージンで向上することを示す。
  論文  参考訳（メタデータ） (2021-08-26T02:12:49Z)
• Occupancy Anticipation for Efficient Exploration and Navigation [97.17517060585875]
  そこで我々は,エージェントが自我中心のRGB-D観測を用いて,その占有状態を可視領域を超えて推定する,占有予測を提案する。 エゴセントリックなビューとトップダウンマップの両方でコンテキストを活用することで、私たちのモデルは環境のより広いマップを予測できます。 われわれのアプローチは、2020 Habitat PointNav Challengeの優勝だ。
  論文  参考訳（メタデータ） (2020-08-21T03:16:51Z)
• Virtual Testbed for Monocular Visual Navigation of Small Unmanned Aircraft Systems [0.0]
  この研究は、現実世界の地形上で模擬飛行試験を行うための仮想テストベッドを提供する。 視覚ナビゲーションアルゴリズムのリアルタイム性能を31Hzで解析する。 このツールは、固定翼航空機のGPSによる航法研究に適した視覚計測アルゴリズムを見つけるために作られた。
  論文  参考訳（メタデータ） (2020-07-01T20:35:26Z)

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。