論文の概要: NEUSIS: A Compositional Neuro-Symbolic Framework for Autonomous Perception, Reasoning, and Planning in Complex UAV Search Missions
- arxiv url: http://arxiv.org/abs/2409.10196v1
- Date: Mon, 16 Sep 2024 11:42:15 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-17 15:40:35.113589
- Title: NEUSIS: A Compositional Neuro-Symbolic Framework for Autonomous Perception, Reasoning, and Planning in Complex UAV Search Missions
- Title（参考訳）: NEUSIS: 複雑なUAV探索ミッションにおける自律的知覚、推論、計画のための合成ニューロシンボリックフレームワーク
- Authors: Zhixi Cai, Cristian Rojas Cardenas, Kevin Leo, Chenyuan Zhang, Kal Backman, Hanbing Li, Boying Li, Mahsa Ghorbanali, Stavya Datta, Lizhen Qu, Julian Gutierrez Santiago, Alexey Ignatiev, Yuan-Fang Li, Mor Vered, Peter J Stuckey, Maria Garcia de la Banda, Hamid Rezatofighi,
- Abstract要約: 現実的なシナリオにおけるUAV探索とナビゲーションの解釈を目的とした合成ニューロシンボリックシステムであるNEUSISを提案する。
NEUSISは、ニューロシンボリックな視覚知覚、推論、接地(GRiD)を統合して生の感覚入力を処理し、環境表現のための確率論的世界モデルを維持し、効率的な経路計画のために階層的計画コンポーネント(SNaC)を使用する。
AirSimとUnreal Engineを用いた都市探索のシミュレーション実験の結果、NEUSISは成功率、検索効率において最先端(SOTA)ビジョン言語モデルとSOTA検索計画モデルより優れていることが示された。
- 参考スコア（独自算出の注目度）: 41.87952703626145
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper addresses the problem of autonomous UAV search missions, where a UAV must locate specific Entities of Interest (EOIs) within a time limit, based on brief descriptions in large, hazard-prone environments with keep-out zones. The UAV must perceive, reason, and make decisions with limited and uncertain information. We propose NEUSIS, a compositional neuro-symbolic system designed for interpretable UAV search and navigation in realistic scenarios. NEUSIS integrates neuro-symbolic visual perception, reasoning, and grounding (GRiD) to process raw sensory inputs, maintains a probabilistic world model for environment representation, and uses a hierarchical planning component (SNaC) for efficient path planning. Experimental results from simulated urban search missions using AirSim and Unreal Engine show that NEUSIS outperforms a state-of-the-art (SOTA) vision-language model and a SOTA search planning model in success rate, search efficiency, and 3D localization. These results demonstrate the effectiveness of our compositional neuro-symbolic approach in handling complex, real-world scenarios, making it a promising solution for autonomous UAV systems in search missions.
- Abstract（参考訳）: 本稿では,自律型無人機探索ミッションの課題に対処する。このミッションでは,無人機が時間制限内に特定の利害関係者(EOIs)を特定する必要がある。
UAVは限定的で不確実な情報で判断し、推論し、決定をしなければならない。
現実的なシナリオにおけるUAV探索とナビゲーションの解釈を目的とした合成ニューロシンボリックシステムであるNEUSISを提案する。
NEUSISは、ニューロシンボリックな視覚知覚、推論、接地(GRiD)を統合して生の感覚入力を処理し、環境表現のための確率論的世界モデルを維持し、効率的な経路計画のために階層的計画コンポーネント(SNaC)を使用する。
AirSimとUnreal Engineを用いた都市検索のシミュレーション実験の結果、NEUSISは成功率、探索効率、および3Dローカライゼーションにおいて、最先端(SOTA)ビジョン言語モデルとSOTA検索計画モデルより優れていることが示された。
これらの結果は,複雑な実世界のシナリオを扱う上で,我々の構成的ニューロシンボリックアプローチの有効性を示し,探索ミッションにおける自律型UAVシステムにとって有望な解決策となった。
関連論文リスト
- Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z) - Aerial View Goal Localization with Reinforcement Learning [6.165163123577484]
本稿では,実際のUAVへのアクセスを必要とせずに,SAR(Search-and-Rescue)のようなセットアップをエミュレートするフレームワークを提案する。
この枠組みでは、エージェントが空中画像(探索領域のプロキシ)上で動作し、視覚的手がかりとして記述されたゴールのローカライズを行う。
AiRLocは、探索(遠方目標探索)と搾取(近方目標の局所化)を分離する強化学習(RL)に基づくモデルである。
論文 参考訳（メタデータ） (2022-09-08T10:27:53Z) - UAVs Beneath the Surface: Cooperative Autonomy for Subterranean Search
and Rescue in DARPA SubT [5.145696432159643]
本稿では, 複雑なトポロジを持つ地下ドメインの探索・救助作業において, 自律的協調型UAVの新たなアプローチを提案する。
提案されたシステムは、DARPA SubTファイナルのVirtual TrackでCTU-CRAS-NORLABチームの一員として第2位にランクされた。
提案手法はまた、現実世界の競争の極端に厳しく制限された環境で飛行する物理的UAVに展開するための堅牢なシステムであることを証明した。
論文 参考訳（メタデータ） (2022-06-16T13:54:33Z) - Autonomous Aerial Robot for High-Speed Search and Intercept Applications [86.72321289033562]
高速物体把握のための完全自律飛行ロボットが提案されている。
追加のサブタスクとして、我々のシステムは、表面に近い極にある気球を自律的にピアスすることができる。
我々のアプローチは、挑戦的な国際競争で検証され、優れた結果が得られました。
論文 参考訳（メタデータ） (2021-12-10T11:49:51Z) - Large-scale Autonomous Flight with Real-time Semantic SLAM under Dense
Forest Canopy [48.51396198176273]
本研究では,大規模自律飛行とリアルタイムセマンティックマッピングを,挑戦的なアンダーキャノピー環境下で実現可能な統合システムを提案する。
我々は、スキャン全体で関連付けられ、木のトランクモデルと同様にロボットのポーズを制約するために使用されるLiDARデータから、木の幹と地面の平面を検出し、モデル化する。
ドリフト補償機構は、プランナー最適性とコントローラ安定性を維持しつつ、セマンティックSLAM出力を用いたドリフトをリアルタイムで最小化するように設計されている。
論文 参考訳（メタデータ） (2021-09-14T07:24:53Z) - Trajectory Design for UAV-Based Internet-of-Things Data Collection: A
Deep Reinforcement Learning Approach [93.67588414950656]
本稿では,無人航空機(UAV)による3D環境におけるIoT(Internet-of-Things)システムについて検討する。
本稿では,TD3-TDCTMアルゴリズムの完成時間最小化のためのトラジェクトリ設計を提案する。
シミュレーションの結果,従来の3つの非学習ベースライン法よりもTD3-TDCTMアルゴリズムの方が優れていることが示された。
論文 参考訳（メタデータ） (2021-07-23T03:33:29Z) - 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) - Reinforcement Learning for UAV Autonomous Navigation, Mapping and Target
Detection [36.79380276028116]
本研究では,無人航空機(UAV)に低高度レーダーを装備し,未知の環境下での飛行における共同検出・マッピング・ナビゲーション問題について検討する。
目的は、マッピング精度を最大化する目的で軌道を最適化することであり、目標検出の観点からは、測定が不十分な領域を避けることである。
論文 参考訳（メタデータ） (2020-05-05T20:39:18Z)
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。