論文の概要: FalconWing: An Ultra-Light Indoor Fixed-Wing UAV Platform for Vision-Based Autonomy
- arxiv url: http://arxiv.org/abs/2505.01383v2
- Date: Thu, 02 Oct 2025 17:29:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-03 19:26:07.823891
- Title: FalconWing: An Ultra-Light Indoor Fixed-Wing UAV Platform for Vision-Based Autonomy
- Title（参考訳）: FalconWing:超軽量の室内固定翼UAVプラットフォーム
- Authors: Yan Miao, Will Shen, Hang Cui, Sayan Mitra,
- Abstract要約: FalconWingは、超軽量(150g)の屋内固定翼UAVプラットフォームで、視覚ベースの自律性を実現する。
FalconWingは軽量のハードウェアスタック(9gカメラを搭載した137gの機体)と、ビジョンベースのコントローラーの開発と評価のための3Dガウススプラット(GSplat)シミュレーターを備えたソフトウェアスタックを結合している。
ハードウェアデザイン、GSplatのシーン、ダイナミックスモデルを公開して、FalconWingをエンジニアリングの学生や研究室のためのオープンソースのフライトキットにする。
- 参考スコア（独自算出の注目度）: 3.7383337849330336
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce FalconWing, an ultra-light (150 g) indoor fixed-wing UAV platform for vision-based autonomy. Controlled indoor environment enables year-round repeatable UAV experiment but imposes strict weight and maneuverability limits on the UAV, motivating our ultra-light FalconWing design. FalconWing couples a lightweight hardware stack (137g airframe with a 9g camera) and offboard computation with a software stack featuring a photorealistic 3D Gaussian Splat (GSplat) simulator for developing and evaluating vision-based controllers. We validate FalconWing on two challenging vision-based aerial case studies. In the leader-follower case study, our best vision-based controller, trained via imitation learning on GSplat-rendered data augmented with domain randomization, achieves 100% tracking success across 3 types of leader maneuvers over 30 trials and shows robustness to leader's appearance shifts in simulation. In the autonomous landing case study, our vision-based controller trained purely in simulation transfers zero-shot to real hardware, achieving an 80% success rate over ten landing trials. We will release hardware designs, GSplat scenes, and dynamics models upon publication to make FalconWing an open-source flight kit for engineering students and research labs.
- Abstract（参考訳）: 本稿では,超軽量(150g)屋内固定翼UAVプラットフォームであるFalconWingを紹介した。
制御された屋内環境は、年中繰り返し可能なUAV実験を可能にするが、UAVに厳格な重量と操縦性制限を課し、超軽量のFalconWingの設計を動機付けている。
FalconWingは軽量なハードウェアスタック(9gカメラを搭載した137gの機体)と、ビジョンベースのコントローラの開発と評価のための3Dガウシアン・スプラット(GSplat)シミュレーターを備えたソフトウェアスタックとを結合している。
我々は、FalconWingを2つの挑戦的な視覚ベースの空中ケーススタディで検証する。
ドメインランダム化で強化されたGSplatレンダリングデータの模倣学習を通じてトレーニングされた、リーダ・フォロワーケーススタディでは、30のトライアルを越える3種類のリーダ操作に対して100%のトラッキング成功を実現し、シミュレーションにおけるリーダの出現シフトに対する堅牢性を示しています。
自律着陸ケーススタディにおいて、我々の視覚ベースのコントローラーは、ゼロショットを実際のハードウェアに転送するシミュレーションを純粋に訓練し、10回の着陸試験で80%の成功率を達成した。
ハードウェアデザイン、GSplatのシーン、ダイナミックスモデルを公開して、FalconWingをエンジニアリングの学生や研究室のためのオープンソースのフライトキットにする。
関連論文リスト
- AirSim360: A Panoramic Simulation Platform within Drone View [63.238263531772446]
AirSim360は、空中から見た全方位データのためのシミュレーションプラットフォームである。
AirSim360は、ピクセルレベルの幾何学的、セマンティック、エンティティレベルの理解のためのレンダリング整列データとラベリングパラダイムの3つの重要な側面に焦点を当てている。
既存のシミュレータとは異なり、我々の研究は、全方位で4Dの現実世界をシステマティックにモデル化した最初のものである。
論文 参考訳（メタデータ） (2025-12-01T18:59:30Z) - cVLA: Towards Efficient Camera-Space VLAs [26.781510474119845]
Vision-Language-Action(VLA)モデルは、複雑なロボット操作タスクに取り組むための魅力的なフレームワークを提供する。
2次元画像上での視覚言語モデルの競合性能を活用する新しいVLA手法を提案する。
我々のモデルは軌道方向の経路を予測し、トレーニングとロボットの実施の両方を効果的に行う。
論文 参考訳（メタデータ） (2025-07-02T22:56:41Z) - VizFlyt: Perception-centric Pedagogical Framework For Autonomous Aerial Robots [5.669075778114126]
本稿では,航空ロボティクスコースのための,オープンソースの知覚中心型ハードウェア・イン・ザ・ループ(HITL)フォトリアリスティックテストフレームワークであるVizFlytを紹介する。
我々は,3Dガウススプラッティングを用いたリアルタイム・光実写型視覚センサの幻覚化のために,外部位置決めシステムからのポーズを利用する。
これにより、障害物に衝突するリスクを伴わずに、自律的なアルゴリズムを空中ロボット上で無ストレスでテストすることができる。
論文 参考訳（メタデータ） (2025-03-28T21:03:30Z) - OpenFly: A Comprehensive Platform for Aerial Vision-Language Navigation [49.697035403548966]
Vision-Language Navigation (VLN)は、言語命令と視覚的手がかりを活用してエージェントを誘導することを目的としており、AIの具体化において重要な役割を果たす。
各種レンダリングエンジン,多用途ツールチェーン,航空VLNの大規模ベンチマークからなるプラットフォームであるOpenFlyを提案する。
我々は、100kの軌跡を持つ大規模な航空VLNデータセットを構築し、18のシーンにまたがる様々な高さと長さをカバーした。
論文 参考訳（メタデータ） (2025-02-25T09:57:18Z) - VR-Robo: A Real-to-Sim-to-Real Framework for Visual Robot Navigation and Locomotion [25.440573256776133]
本稿では,視覚ナビゲーションと移動学習のための物理的にインタラクティブな「デジタルツイン」シミュレーション環境を生成する,リアル・ツー・シム・トゥ・リアルのフレームワークを提案する。
論文 参考訳（メタデータ） (2025-02-03T17:15:05Z) - SOUS VIDE: Cooking Visual Drone Navigation Policies in a Gaussian Splatting Vacuum [8.410894757762346]
SOUS VIDEは、エンドツーエンドの視覚ドローンナビゲーションのためのシミュレータ、トレーニングアプローチ、およびポリシーアーキテクチャである。
本ポリシーでは,オンボード認識と計算のみを用いて,実世界のロバストな性能を持つゼロショット・シム・トゥ・リアルトランスファーを示す。
論文 参考訳（メタデータ） (2024-12-20T21:13:11Z) - Open-World Drone Active Tracking with Goal-Centered Rewards [62.21394499788672]
Drone Visual Active Trackingは、視覚的な観察に基づいてモーションシステムを制御することで、対象物を自律的に追跡することを目的としている。
DATは,世界初となるエア・ツー・グラウンド・トラッキング・ベンチマークである。
また,複雑なシナリオにおけるドローン追跡目標の性能向上を目的としたGC-VATを提案する。
論文 参考訳（メタデータ） (2024-12-01T09:37:46Z) - Learning autonomous driving from aerial imagery [67.06858775696453]
フォトグラムシミュレーターは、生成済みの資産を新しいビューに変換することによって、新しいビューを合成することができる。
我々は、ニューラルネットワーク場(NeRF)を中間表現として使用し、地上車両の視点から新しいビューを合成する。
論文 参考訳（メタデータ） (2024-10-18T05:09:07Z) - Gaussian Splatting to Real World Flight Navigation Transfer with Liquid Networks [93.38375271826202]
本研究では,シミュレート・トゥ・リアルな視覚四重項ナビゲーションタスクにおける分布シフトに対する一般化とロバスト性を改善する手法を提案する。
まず,擬似飛行力学とガウススプラッティングを統合してシミュレータを構築し,その後,液状ニューラルネットワークを用いてロバストなナビゲーションポリシーを訓練する。
このようにして、我々は3次元ガウススプラッティングラディアンス場レンダリング、専門家による実演訓練データのプログラミング、およびLiquid Networkのタスク理解能力の進歩を組み合わせたフルスタックの模倣学習プロトコルを得る。
論文 参考訳（メタデータ） (2024-06-21T13:48:37Z) - DigiRL: Training In-The-Wild Device-Control Agents with Autonomous Reinforcement Learning [61.10299147201369]
本稿では,Wild デバイス制御エージェントをトレーニングするための新しい自律型 RL 手法である DigiRL を提案する。
VLMベースの評価器を備えた,スケーラブルで並列化可能なAndroid学習環境を構築する。
我々はAndroid-in-the-Wildデータセットを使用してDigiRLの有効性を実証し、RLでトレーニングした1.3B VLMは49.5%の絶対改善を実現した。
論文 参考訳（メタデータ） (2024-06-14T17:49:55Z) - Drive Anywhere: Generalizable End-to-end Autonomous Driving with
Multi-modal Foundation Models [114.69732301904419]
本稿では、画像とテキストで検索可能な表現から、運転決定を提供することができる、エンドツーエンドのオープンセット(環境/シーン)自律運転を適用するアプローチを提案する。
当社のアプローチでは, 多様なテストにおいて非並列的な結果を示すと同時に, アウト・オブ・ディストリビューションの状況において, はるかに高いロバスト性を実現している。
論文 参考訳（メタデータ） (2023-10-26T17:56:35Z) - Learning Deep Sensorimotor Policies for Vision-based Autonomous Drone
Racing [52.50284630866713]
既存のシステムは、状態推定、計画、制御のために手作業によるコンポーネントを必要とすることが多い。
本稿では、深層感触者ポリシーを学習することで、視覚に基づく自律ドローンレース問題に取り組む。
論文 参考訳（メタデータ） (2022-10-26T19:03:17Z) - Sim-to-Real via Sim-to-Seg: End-to-end Off-road Autonomous Driving
Without Real Data [56.49494318285391]
我々は、オフロード自動運転の視覚的現実的ギャップを横断するRCANを再想像するSim2Segを紹介する。
これは、ランダム化されたシミュレーション画像をシミュレートされたセグメンテーションと深さマップに変換する学習によって行われる。
これにより、シミュレーションでエンドツーエンドのRLポリシーをトレーニングし、現実世界に直接デプロイできます。
論文 参考訳（メタデータ） (2022-10-25T17:50:36Z) - Harfang3D Dog-Fight Sandbox: A Reinforcement Learning Research Platform
for the Customized Control Tasks of Fighter Aircrafts [0.0]
本研究では,戦闘機用の半現実的な飛行シミュレーション環境であるHarfang3D Dog-Fight Sandboxを提案する。
強化学習を用いた航空研究における主な課題を調査するための柔軟なツールボックスである。
ソフトウェアはまた、ボット航空機の配備とマルチエージェントタスクの開発を可能にする。
論文 参考訳（メタデータ） (2022-10-13T18:18:09Z) - Towards a Fully Autonomous UAV Controller for Moving Platform Detection
and Landing [2.7909470193274593]
移動プラットフォームに着陸するための無人無人無人無人着陸システムを提案する。
提案システムはカメラセンサのみに依存し,可能な限り軽量に設計されている。
このシステムは目標の中心から平均15cmずれて40回の着陸試験を行った。
論文 参考訳（メタデータ） (2022-09-30T09:16:04Z) - VISTA 2.0: An Open, Data-driven Simulator for Multimodal Sensing and
Policy Learning for Autonomous Vehicles [131.2240621036954]
VISTAはオープンソースのデータ駆動シミュレータで、複数のタイプのセンサーを自律走行車に組み込む。
高忠実で実世界のデータセットを使用して、VISTAはRGBカメラ、3D LiDAR、イベントベースのカメラを表現し、シミュレートする。
センサタイプ毎に知覚制御ポリシーをトレーニングし,テストする能力を示し,フルスケールの自律走行車への展開を通じて,このアプローチのパワーを示す。
論文 参考訳（メタデータ） (2021-11-23T18:58:10Z) - AirSim Drone Racing Lab [56.68291351736057]
AirSim Drone Racing Labは、この領域で機械学習研究を可能にするシミュレーションフレームワークである。
本フレームワークは,複数の写真リアル環境下でのレーストラック生成を可能にする。
当社のフレームワークを使用して,NeurIPS 2019で,シミュレーションベースのドローンレースコンペティションを開催しました。
論文 参考訳（メタデータ） (2020-03-12T08:06:06Z)
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。