論文の概要: NeoARCADE: Robust Calibration for Distance Estimation to Support Assistive Drones for the Visually Impaired

• arxiv url: http://arxiv.org/abs/2504.01988v2
• Date: Thu, 02 Oct 2025 13:35:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 14:32:17.06413
• Title: NeoARCADE: Robust Calibration for Distance Estimation to Support Assistive Drones for the Visually Impaired
• Title（参考訳）: NeoARCADE:視覚障害者のための補助ドローン支援のための距離推定のためのロバストな校正
• Authors: Suman Raj, Bhavani A Madhabhavi, Madhav Kumar, Prabhav Gupta, Yogesh Simmhan,
• Abstract要約: コンシューマー向けドローンに共通する単眼ビデオフィードの奥行きマップを用いて、VIPと障害物との絶対距離を推定するNeoARCADEを提案する。 多様な動的条件下でのVIPや他の障害物に対する距離推定の頑健さと一般化性を評価するための評価を行う。
• 参考スコア（独自算出の注目度）: 3.2948524285562866
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Autonomous navigation by drones using onboard sensors, combined with deep learning and computer vision algorithms, is impacting a number of domains. We examine the use of drones to autonomously follow and assist Visually Impaired People (VIPs) in navigating urban environments. Estimating the absolute distance between the drone and the VIP, and to nearby objects, is essential to design obstacle avoidance algorithms. Here, we present NeoARCADE (Neo), which uses depth maps over monocular video feeds, common in consumer drones, to estimate absolute distances to the VIP and obstacles. Neo proposes robust calibration technique based on depth score normalization and coefficient estimations to translate relative distances from depth map to absolute ones. It further develops a dynamic recalibration method that can adapt to changing scenarios. We also develop two baseline models, Regression and Geometric, and compare Neo with SOTA depth map approaches and the baselines. We provide detailed evaluations to validate their robustness and generalizability for distance estimation to VIPs and other obstacles in diverse and dynamic conditions, using datasets collected in a campus environment. Neo predicts distances to VIP with an error <30cm, and to different obstacles like cars and bicycles within a maximum error of 60cm, which are better than the baselines. Neo also clearly out-performs SOTA depth map methods, reporting errors up to 5.3-14.6x lower.
• Abstract（参考訳）: センサーを搭載したドローンによる自律ナビゲーションと、ディープラーニングとコンピュータビジョンのアルゴリズムが組み合わさって、多くのドメインに影響を与えている。 都市環境のナビゲーションにおいて,視覚障害者(VIP)を自律的に追従し,支援するためのドローンの利用について検討する。 障害物回避アルゴリズムの設計には、ドローンとVIPの絶対距離と、近くの物体との絶対距離を推定することが不可欠である。 ここでは、消費者ドローンに共通する単眼ビデオフィードの奥行きマップを用いて、VIPと障害物との絶対距離を推定するNeoARCADE(Neo)を提案する。 Neoは、深さスコア正規化と係数推定に基づくロバストキャリブレーション手法を提案し、深度マップから絶対値への相対距離を変換する。 さらに、変化するシナリオに適応可能な動的リカバリ手法も開発している。 また、回帰と幾何学という2つのベースラインモデルを開発し、NeoとSOTA深度マップのアプローチとベースラインを比較した。 本稿では,キャンパス環境下で収集したデータセットを用いて,VIPと他の障害物との距離推定の堅牢性と一般化性を評価するための詳細な評価を行った。 Neoは誤差<30cm>でVIPまでの距離を予測し、最大誤差は60cmで、ベースラインよりも優れている。 Neoはまた、SOTA深度マップ法よりも明らかに優れており、エラーを5.3-14.6倍以下に報告している。

関連論文リスト

• NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
  我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。 グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。 我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
  論文  参考訳（メタデータ） (2025-06-23T14:28:30Z)
• Towards Perception-based Collision Avoidance for UAVs when Guiding the Visually Impaired [5.242869847419834]
  視覚障害者の周辺部における地域計画のための知覚に基づく経路計画システムを提案する。 本稿では,UAVとVIPの障害回避のためのマルチDNNベースのフレームワークを提案する。 大学キャンパス環境におけるドローン人間システムによる評価により,アルゴリズムの有効性が検証された。
  論文  参考訳（メタデータ） (2025-06-17T09:08:30Z)
• Reinforcement Learning-Based Monocular Vision Approach for Autonomous UAV Landing [0.0]
  本稿では,前方単眼カメラのみを用いた無人航空機(UAV)の自律着陸のための革新的なアプローチを提案する。 提案手法は,人間固有の推定プロセスに基づいて,着陸タスクを最適化問題として再設計する。
  論文  参考訳（メタデータ） (2025-05-11T12:23:37Z)
• Long-Range Vision-Based UAV-assisted Localization for Unmanned Surface Vehicles [7.384309568198598]
  地球測位システム (GPS) は海洋環境下での無人表面車両 (USV) によるフィールド操作に必須のナビゲーション手法となっている。 GPSは、自然の干渉や悪意のある妨害攻撃に弱いため、必ずしも屋外で利用できるとは限らない。 本研究では,無人航空機(UAV)を用いて,制限された海洋環境下でのUSVのローカライズを支援する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-08-21T08:37:37Z)
• RoadBEV: Road Surface Reconstruction in Bird's Eye View [55.0558717607946]
  道路表面の状態、特に幾何学的プロファイルは、自動運転車の走行性能に大きな影響を与え、視覚に基づくオンライン道路再建は、事前に道路情報を確実に捉えている。 Bird's-Eye-View (BEV) の認識は、より信頼性が高く正確な再構築の可能性を秘めている。 本稿では,BEVにおける道路高架化モデルとして,RoadBEV-monoとRoadBEV-stereoの2つのモデルを提案する。
  論文  参考訳（メタデータ） (2024-04-09T20:24:29Z)
• Angle Robustness Unmanned Aerial Vehicle Navigation in GNSS-Denied Scenarios [66.05091704671503]
  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。
  論文  参考訳（メタデータ） (2024-02-04T08:41:20Z)
• VAPOR: Legged Robot Navigation in Outdoor Vegetation Using Offline Reinforcement Learning [53.13393315664145]
  本研究では,非構造で密集した屋外環境における自律脚ロボットナビゲーションのための新しい手法であるVAPORを提案する。 本手法は,アクター・クリティカル・ネットワークと実際の屋外植生で収集された任意のデータを用いて,新しいRLポリシーを訓練する。 VAPORの動作は成功率を最大40%向上させ、平均電流消費量を最大2.9%削減し、正規化軌道長を最大11.2%削減する。
  論文  参考訳（メタデータ） (2023-09-14T16:21:27Z)
• CoverNav: Cover Following Navigation Planning in Unstructured Outdoor Environment with Deep Reinforcement Learning [1.0499611180329804]
  オフロード地形やジャングル環境における隠蔽およびナビゲート可能な軌道を識別するための,Deep Reinforcement Learning に基づく新しいアルゴリズム CoverNav を提案する。 CoverNavは、ロボットエージェントが報酬関数を使って低い標高の地形を学習するのを助ける。 また,カバーナブの最大目標距離12mと,カバーオブジェクトの有無による異なる標高シナリオにおける成功率について検討した。
  論文  参考訳（メタデータ） (2023-08-12T15:19:49Z)
• 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)
• AZTR: Aerial Video Action Recognition with Auto Zoom and Temporal Reasoning [63.628195002143734]
  本稿では,空中映像の行動認識のための新しい手法を提案する。 提案手法は,UAVを用いて撮影したビデオに対して設計されており,エッジやモバイルデバイス上でも動作可能である。 我々は、カスタマイズされたオートズームを使用して、人間のターゲットを自動的に識別し、適切にスケールする学習ベースのアプローチを提案する。
  論文  参考訳（メタデータ） (2023-03-02T21:24:19Z)
• TransVisDrone: Spatio-Temporal Transformer for Vision-based Drone-to-Drone Detection in Aerial Videos [57.92385818430939]
  視覚的フィードを用いたドローンからドローンへの検知は、ドローンの衝突の検出、ドローンの攻撃の検出、他のドローンとの飛行の調整など、重要な応用がある。 既存の手法は計算コストがかかり、非エンドツーエンドの最適化に追随し、複雑なマルチステージパイプラインを持つため、エッジデバイス上でのリアルタイムデプロイメントには適さない。 計算効率を向上したエンドツーエンドのソリューションを提供する,シンプルで効果的なフレームワークであるitTransVisDroneを提案する。
  論文  参考訳（メタデータ） (2022-10-16T03:05:13Z)
• R4Dyn: Exploring Radar for Self-Supervised Monocular Depth Estimation of Dynamic Scenes [69.6715406227469]
  駆動シナリオにおける自己教師付き単眼深度推定は、教師付きアプローチに匹敵する性能を達成した。 本稿では,自己監督型深度推定フレームワーク上に費用効率の高いレーダデータを利用する新しい手法であるR4Dynを提案する。
  論文  参考訳（メタデータ） (2021-08-10T17:57:03Z)
• Robust Autonomous Landing of UAV in Non-Cooperative Environments based on Dynamic Time Camera-LiDAR Fusion [11.407952542799526]
  低コストLiDARと双眼カメラを備えたUAVシステムを構築し,非協調環境における自律着陸を実現する。 我々は,LiDARの非繰り返し走査と高いFOVカバレッジ特性を利用して,動的時間深度補完アルゴリズムを考案した。 深度マップに基づいて, 傾斜, 粗度, 安全領域の大きさなどの高層地形情報を導出する。
  論文  参考訳（メタデータ） (2020-11-27T14:47:02Z)
• Dynamic Radar Network of UAVs: A Joint Navigation and Tracking Approach [36.587096293618366]
  新たな問題は、建物の後ろに隠れている無人小型無人航空機(UAV)を追跡することである。 本稿では,悪意のある標的のリアルタイムかつ高精度な追跡のためのUAVの動的レーダネットワークを提案する。
  論文  参考訳（メタデータ） (2020-01-13T23:23:09Z)

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。