論文の概要: Demonstrating ViSafe: Vision-enabled Safety for High-speed Detect and Avoid

• arxiv url: http://arxiv.org/abs/2505.03694v2
• Date: Thu, 08 May 2025 14:12:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-09 13:13:47.818729
• Title: Demonstrating ViSafe: Vision-enabled Safety for High-speed Detect and Avoid
• Title（参考訳）: ViSafeのデモ:高速検出と回避のための視覚対応型安全性
• Authors: Parv Kapoor, Ian Higgins, Nikhil Keetha, Jay Patrikar, Brady Moon, Zelin Ye, Yao He, Ivan Cisneros, Yaoyu Hu, Changliu Liu, Eunsuk Kang, Sebastian Scherer,
• Abstract要約: 視覚のみの空中衝突回避システムであるViSafeについて紹介する。 ViSafe は Detect and Avoid (DAA) 問題に対するフルスタックソリューションを提供する。 ViSafeは、さまざまなシナリオにまたがって、継続的に自己分離を保証します。
• 参考スコア（独自算出の注目度）: 11.567842043235746
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Assured safe-separation is essential for achieving seamless high-density operation of airborne vehicles in a shared airspace. To equip resource-constrained aerial systems with this safety-critical capability, we present ViSafe, a high-speed vision-only airborne collision avoidance system. ViSafe offers a full-stack solution to the Detect and Avoid (DAA) problem by tightly integrating a learning-based edge-AI framework with a custom multi-camera hardware prototype designed under SWaP-C constraints. By leveraging perceptual input-focused control barrier functions (CBF) to design, encode, and enforce safety thresholds, ViSafe can provide provably safe runtime guarantees for self-separation in high-speed aerial operations. We evaluate ViSafe's performance through an extensive test campaign involving both simulated digital twins and real-world flight scenarios. By independently varying agent types, closure rates, interaction geometries, and environmental conditions (e.g., weather and lighting), we demonstrate that ViSafe consistently ensures self-separation across diverse scenarios. In first-of-its-kind real-world high-speed collision avoidance tests with closure rates reaching 144 km/h, ViSafe sets a new benchmark for vision-only autonomous collision avoidance, establishing a new standard for safety in high-speed aerial navigation.
• Abstract（参考訳）: 共有空域における航空機のシームレスな高密度運転を実現するためには,安全確保が不可欠である。 資源制約された航空システムにこの安全クリティカルな能力を持たせるために,高速視界のみの空中衝突回避システムViSafeを提案する。 ViSafeは、学習ベースのエッジAIフレームワークとSWaP-C制約下で設計されたカスタムマルチカメラハードウェアプロトタイプを緊密に統合することにより、DAA(Deuter and Avoid)問題に対するフルスタックソリューションを提供する。 知覚的な入力中心制御バリア関数(CBF)を利用して安全閾値を設計、エンコード、強制することにより、ViSafeは高速空中操作における自己分離の確実な実行保証を提供する。 我々は、シミュレーションされたデジタル双生児と実世界の飛行シナリオの両方を含む広範囲なテストキャンペーンを通じて、ViSafeの性能を評価する。 エージェントタイプ,クロージャ率,インタラクションジオメトリ,環境条件(天気や照明など)を独立に変化させることで,ViSafeはさまざまなシナリオで常に自己分離を保証できることを示す。 クロージャ速度が144km/hに達する世界初級の高速衝突回避テストにおいて、ViSafeは視覚のみの自律衝突回避のための新しいベンチマークを設定し、高速航空航法における新しい安全基準を確立した。

関連論文リスト

• AISafetyLab: A Comprehensive Framework for AI Safety Evaluation and Improvement [73.0700818105842]
  我々は、AI安全のための代表的攻撃、防衛、評価方法論を統合する統合されたフレームワークとツールキットであるAISafetyLabを紹介する。 AISafetyLabには直感的なインターフェースがあり、開発者はシームレスにさまざまなテクニックを適用できる。 我々はヴィクナに関する実証的研究を行い、異なる攻撃戦略と防衛戦略を分析し、それらの比較効果に関する貴重な洞察を提供する。
  論文  参考訳（メタデータ） (2025-02-24T02:11:52Z)
• One Filter to Deploy Them All: Robust Safety for Quadrupedal Navigation in Unknown Environments [10.103090762559708]
  観測条件付き到達可能性に基づく安全フィルタ(OCR)フレームワークを提案する。 我々のキーとなるアイデアは、新しい障害領域に対する最適制御理論安全値関数を予測するOCR値ネットワーク(OCR-VN)を使用することです。 提案手法は,多種多様な階層型二次制御系を自動で保護できることを実証する。
  論文  参考訳（メタデータ） (2024-12-13T09:21:02Z)
• ASMA: An Adaptive Safety Margin Algorithm for Vision-Language Drone Navigation via Scene-Aware Control Barrier Functions [9.645098673995317]
  VLNを運用するドローンプラットフォームについて検討し、新しいシーン認識CBFを定式化することによって安全性を向上させる。 CBFのないベースラインシステムは、コマンドを順序づけられたランドマークのシーケンスに変換するために、モーダルな注意を持つビジョンランゲージを使用する。 ASMAは移動物体を追跡し、シーン認識CBF評価をオンザフライで実行し、追加の制約として機能する。
  論文  参考訳（メタデータ） (2024-09-16T13:44:50Z)
• Safe Inputs but Unsafe Output: Benchmarking Cross-modality Safety Alignment of Large Vision-Language Model [73.8765529028288]
  我々は、モダリティ間の安全アライメントを評価するために、セーフインプットとアンセーフアウトプット(SIUO)と呼ばれる新しい安全アライメントの課題を導入する。 この問題を実証的に調査するため,我々はSIUOを作成した。SIUOは,自己修復,違法行為,プライバシー侵害など,9つの重要な安全領域を含むクロスモダリティベンチマークである。 以上の結果から, クローズドおよびオープンソース両方のLVLMの安全性上の重大な脆弱性が明らかとなり, 複雑で現実的なシナリオを確実に解釈し, 応答する上で, 現行モデルが不十分であることが示唆された。
  論文  参考訳（メタデータ） (2024-06-21T16:14:15Z)
• Segmentation of Drone Collision Hazards in Airborne RADAR Point Clouds Using PointNet [0.7067443325368975]
  統合のための重要な前提条件は、安全な運用を確保するために、状況認識を増強したUAVを装備することである。 本研究は,複数の衝突リスクを同時に識別するために,レーダ技術を活用した航空点雲のエンドツーエンドセマンティックセマンティックセマンティックセグメンテーションを実現する。 我々の知る限り、これは空中における複数の衝突脅威の同時識別に対処する最初のアプローチであり、94%の精度を達成する。
  論文  参考訳（メタデータ） (2023-11-06T16:04:58Z)
• Safe Deep Policy Adaptation [7.2747306035142225]
  強化学習(RL)に基づく政策適応は、汎用性と汎用性を提供するが、安全性と堅牢性に挑戦する。 政策適応と安全強化学習の課題を同時に解決する新しいRLおよび制御フレームワークであるSafeDPAを提案する。 我々は、SafeDPAの理論的安全性を保証し、学習エラーや余分な摂動に対するSafeDPAの堅牢性を示す。
  論文  参考訳（メタデータ） (2023-10-08T00:32:59Z)
• Recursively Feasible Probabilistic Safe Online Learning with Control Barrier Functions [60.26921219698514]
  CBFをベースとした安全クリティカルコントローラのモデル不確実性を考慮した再構成を提案する。 次に、結果の安全制御器のポイントワイズ実現可能性条件を示す。 これらの条件を利用して、イベントトリガーによるオンラインデータ収集戦略を考案する。
  論文  参考訳（メタデータ） (2022-08-23T05:02:09Z)
• Differentiable Control Barrier Functions for Vision-based End-to-End Autonomous Driving [100.57791628642624]
  本稿では,視覚に基づくエンドツーエンド自動運転のための安全保証学習フレームワークを提案する。 我々は、勾配降下によりエンドツーエンドに訓練された微分制御バリア関数(dCBF)を備えた学習システムを設計する。
  論文  参考訳（メタデータ） (2022-03-04T16:14:33Z)
• BarrierNet: A Safety-Guaranteed Layer for Neural Networks [50.86816322277293]
  BarrierNetは、ニューラルコントローラの安全性の制約が環境の変化に適応できるようにする。 本研究では,2次元空間と3次元空間における交通統合やロボットナビゲーションといった一連の制御問題について評価する。
  論文  参考訳（メタデータ） (2021-11-22T15:38:11Z)

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。