論文の概要: Risk Assessment for Autonomous Landing in Urban Environments using Semantic Segmentation

• arxiv url: http://arxiv.org/abs/2410.12988v1
• Date: Wed, 16 Oct 2024 19:34:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-18 13:18:33.444900
• Title: Risk Assessment for Autonomous Landing in Urban Environments using Semantic Segmentation
• Title（参考訳）: セマンティックセグメンテーションを用いた都市環境における自律着陸のリスク評価
• Authors: Jesús Alejandro Loera-Ponce, Diego A. Mercado-Ravell, Israel Becerra-Durán, Luis Manuel Valentin-Coronado,
• Abstract要約: 都市環境のセマンティックセグメンテーションのために,最先端のビジュアルトランスフォーマーネットワークであるSegFormerを提案する。 提案手法はいくつかのケーススタディを通じて検証されている。 都市部における公民権の応用において、UAVの潜在能力を最大限に活用するのに役立つと信じている。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: In this paper, we address the vision-based autonomous landing problem in complex urban environments using deep neural networks for semantic segmentation and risk assessment. We propose employing the SegFormer, a state-of-the-art visual transformer network, for the semantic segmentation of complex, unstructured urban environments. This approach yields valuable information that can be utilized in smart autonomous landing missions, particularly in emergency landing scenarios resulting from system failures or human errors. The assessment is done in real-time flight, when images of an RGB camera at the Unmanned Aerial Vehicle (UAV) are segmented with the SegFormer into the most common classes found in urban environments. These classes are then mapped into a level of risk, considering in general, potential material damage, damaging the drone itself and endanger people. The proposed strategy is validated through several case studies, demonstrating the huge potential of semantic segmentation-based strategies to determining the safest landing areas for autonomous emergency landing, which we believe will help unleash the full potential of UAVs on civil applications within urban areas.
• Abstract（参考訳）: 本稿では,複雑な都市環境における視覚に基づく自律着陸問題に対して,セマンティックセグメンテーションとリスクアセスメントのためのディープニューラルネットワークを用いて対処する。 複雑で非構造的な都市環境のセマンティックセグメンテーションに、最先端のビジュアルトランスフォーマーネットワークであるSegFormerを採用することを提案する。 このアプローチは、スマートな自律着陸ミッション、特にシステム障害やヒューマンエラーによる緊急着陸シナリオで使用できる貴重な情報を提供する。 この評価は、無人航空機(UAV)のRGBカメラの画像をSegFormerで都市部で見られる最も一般的なクラスに分割した場合、リアルタイムで行われる。 これらのクラスはリスクレベルにマッピングされ、一般的には、潜在的な物質的損傷、ドローン自体の損傷、そして危険に晒される人々について考慮される。 提案手法はいくつかのケーススタディを通じて検証され,都市部における民生利用における無人着陸の可能性を最大限に活用できると考えられる,自律緊急着陸の最も安全な着陸地点を決定するためのセマンティックセグメンテーションに基づく戦略の可能性を示す。

関連論文リスト

• StreetSurfGS: Scalable Urban Street Surface Reconstruction with Planar-based Gaussian Splatting [85.67616000086232]
  StreetSurfGSは、スケーラブルな街路景観の再構築に適したガウススプラッティングを利用するための最初の方法である。 StreetSurfGSは、平面ベースのオクツリー表現とセグメンテーショントレーニングを使用して、メモリコストを削減し、ユニークなカメラ特性に対応し、スケーラビリティを確保する。 スパースビューとマルチスケールの課題に対処するために、隣接する情報と長期情報を活用する2段階マッチング戦略を用いる。
  論文  参考訳（メタデータ） (2024-10-06T04:21:59Z)
• Cross-View Geolocalization and Disaster Mapping with Street-View and VHR Satellite Imagery: A Case Study of Hurricane IAN [9.128051274958356]
  本研究では,地すべりと損傷知覚推定を同時に行う新しい災害対応フレームワーク,CVDisasterを提案する。 CVDisasterは2つのクロスビューモデルから構成されており、CVDisaster-Geolocはクロスビューなジオローカライゼーションモデルを指す。 CVDisasterは, 微調整を限定して高い競争性能(局地化80%以上, 損傷知覚推定75%以上)を達成できることを示す。
  論文  参考訳（メタデータ） (2024-08-13T09:37:26Z)
• MetaUrban: An Embodied AI Simulation Platform for Urban Micromobility [52.0930915607703]
  最近のロボティクスとエンボディードAIの進歩により、公共の都市空間はもはや人間専用ではない。 公共の都市空間における短距離移動のためのAIによって実現されるマイクロモビリティは、将来の交通システムにおいて重要な要素である。 本稿では,AI駆動型都市マイクロモビリティ研究のための構成シミュレーションプラットフォームであるMetaUrbanを紹介する。
  論文  参考訳（メタデータ） (2024-07-11T17:56:49Z)
• Enhancing Safety for Autonomous Agents in Partly Concealed Urban Traffic Environments Through Representation-Based Shielding [2.9685635948300004]
  本稿では,自律型エージェントが知覚できる情報を中心に,強化学習エージェント(RL)のための新しい状態表現を提案する。 我々の発見は、より堅牢で信頼性の高い自律ナビゲーション戦略の道を開いた。
  論文  参考訳（メタデータ） (2024-07-05T08:34:49Z)
• Learning to Assess Danger from Movies for Cooperative Escape Planning in Hazardous Environments [4.042350304426974]
  このようなシナリオを実世界で再現することは困難であり、これはトレーニングとテストの目的で必要である。 現在のシステムは、このような危険な環境で利用可能なリッチなマルチモーダルデータを十分に活用することはできない。 本稿では,映画やテレビ番組の形式で利用可能な膨大な量の視覚コンテンツを活用し,現実世界で遭遇する危険環境を表現できるデータセットを開発することを提案する。
  論文  参考訳（メタデータ） (2022-07-27T21:07:15Z)
• Visual-based Safe Landing for UAVs in Populated Areas: Real-time Validation in Virtual Environments [0.0]
  本稿では,実環境における視覚に基づく自律着陸の安全性と徹底的な評価のためのフレームワークを提案する。 本研究では,UnrealグラフィックスエンジンとAirSimプラグインを併用したドローンシミュレーションを提案する。 ベスト」SLZを選択するための2つの異なる基準について検討し、異なるシナリオで仮想ドローンの自律着陸時に評価する。
  論文  参考訳（メタデータ） (2022-03-25T17:22:24Z)
• ADAPT: An Open-Source sUAS Payload for Real-Time Disaster Prediction and Response with AI [55.41644538483948]
  小型無人航空機システム(sUAS)は、多くの人道支援や災害対応作戦において顕著な構成要素となっている。 我々は,SUAS上にリアルタイムAIとコンピュータビジョンをデプロイするための,オープンソースのADAPTマルチミッションペイロードを開発した。 本研究では,河川氷の状態を監視し,破滅的な洪水現象をタイムリーに予測するための,リアルタイム・飛行中の氷分断の例を示す。
  論文  参考訳（メタデータ） (2022-01-25T14:51:19Z)
• Explainable, automated urban interventions to improve pedestrian and vehicle safety [0.8620335948752805]
  本稿では,歩行者や車両の安全性にアプローチするために,公共データソース,大規模街路画像,コンピュータビジョン技術を組み合わせる。 このパイプラインに関わるステップには、各都市シーンのハザード指標を決定するために、残留畳み込みニューラルネットワークの適応とトレーニングが含まれる。 この計算手法の結果は、都市全体の危険レベルの詳細なマップであり、歩行者と車両の安全性を同時に改善する可能性がある。
  論文  参考訳（メタデータ） (2021-10-22T09:17:39Z)
• 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)
• AdvSim: Generating Safety-Critical Scenarios for Self-Driving Vehicles [76.46575807165729]
  我々は,任意のLiDARベースの自律システムに対して,安全クリティカルなシナリオを生成するための,敵対的フレームワークであるAdvSimを提案する。 センサデータから直接シミュレートすることにより、完全な自律スタックに対して安全クリティカルな敵シナリオを得る。
  論文  参考訳（メタデータ） (2021-01-16T23:23:12Z)
• Learning to Move with Affordance Maps [57.198806691838364]
  物理的な空間を自律的に探索し、ナビゲートする能力は、事実上あらゆる移動型自律エージェントの基本的な要件である。 従来のSLAMベースの探索とナビゲーションのアプローチは、主にシーン幾何学の活用に重点を置いている。 学習可能な余剰マップは探索と航法の両方において従来のアプローチの強化に利用でき、性能が大幅に向上することを示します。
  論文  参考訳（メタデータ） (2020-01-08T04:05:11Z)

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。