論文の概要: Vision-Based Risk Aware Emergency Landing for UAVs in Complex Urban Environments

• arxiv url: http://arxiv.org/abs/2505.20423v1
• Date: Mon, 26 May 2025 18:16:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-28 17:05:58.2375
• Title: Vision-Based Risk Aware Emergency Landing for UAVs in Complex Urban Environments
• Title（参考訳）: 複雑な都市環境におけるUAVの緊急着陸を意識した視覚的リスク
• Authors: Julio de la Torre-Vanegas, Miguel Soriano-Garcia, Israel Becerra, Diego Mercado-Ravell,
• Abstract要約: 本稿では,セマンティックセグメンテーションを利用したリスク認識手法を提案する。 本手法は,臨界障害物を移動しながら安定な安全着陸ゾーン(SLZ)を適応的に同定する。 制御システムはUAVをこの低リスク領域に向けて誘導し、高度依存性の安全しきい値と時間的着地点安定化を利用する。
• 参考スコア（独自算出の注目度）: 0.46873264197900916
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Landing safely in crowded urban environments remains an essential yet challenging endeavor for Unmanned Aerial Vehicles (UAVs), especially in emergency situations. In this work, we propose a risk-aware approach that harnesses semantic segmentation to continuously evaluate potential hazards in the drone's field of view. By using a specialized deep neural network to assign pixel-level risk values and applying an algorithm based on risk maps, our method adaptively identifies a stable Safe Landing Zone (SLZ) despite moving critical obstacles such as vehicles, people, etc., and other visual challenges like shifting illumination. A control system then guides the UAV toward this low-risk region, employing altitude-dependent safety thresholds and temporal landing point stabilization to ensure robust descent trajectories. Experimental validation in diverse urban environments demonstrates the effectiveness of our approach, achieving over 90% landing success rates in very challenging real scenarios, showing significant improvements in various risk metrics. Our findings suggest that risk-oriented vision methods can effectively help reduce the risk of accidents in emergency landing situations, particularly in complex, unstructured, urban scenarios, densely populated with moving risky obstacles, while potentiating the true capabilities of UAVs in complex urban operations.
• Abstract（参考訳）: 密集した都市環境に安全に着陸することは、特に緊急時において、無人航空機(UAV)にとって必須かつ困難な取り組みである。 本研究では,セマンティックセグメンテーションを利用したリスク認識手法を提案する。 特殊なディープニューラルネットワークを用いて画素レベルのリスク値を割り当て,リスクマップに基づくアルゴリズムを適用することにより,車両や人などの重要な障害物を移動させたり,照明のシフトなどの視覚的課題に対処しながら,安定した安全着陸ゾーン(SLZ)を適応的に同定する。 制御システムはUAVをこの低リスク領域に向けて誘導し、高度依存性の安全しきい値と時間的着地点安定化を利用して、堅牢な降下軌道を確保する。 多様な都市環境における実験的な検証は、我々のアプローチの有効性を示し、非常に困難な現実のシナリオにおいて90%以上の着陸成功率を達成し、様々なリスク指標の大幅な改善を示す。 以上の結果から,リスク指向型視覚法は,特に複雑で非構造的な都市シナリオにおいて,複雑な都市活動におけるUAVの真の能力を高めつつ,危険度の高い障害物が密集している場合に,事故のリスクを効果的に低減できる可能性が示唆された。

関連論文リスト

• An Approach to Technical AGI Safety and Security [72.83728459135101]
  我々は、人類を著しく傷つけるのに十分な害のリスクに対処するアプローチを開発する。 私たちは、誤用や悪用に対する技術的なアプローチに重点を置いています。 これらの成分を組み合わせてAGIシステムの安全性を実現する方法について概説する。
  論文  参考訳（メタデータ） (2025-04-02T15:59:31Z)
• From Shadows to Safety: Occlusion Tracking and Risk Mitigation for Urban Autonomous Driving [1.8434042562191815]
  本研究は、リスク認識型モーションプランニングと閉塞追跡における既存のアプローチを構築し、拡張する。 我々は,隠蔽領域の追跡と潜在的な危険の予測にシーケンシャル推論を組み込むことにより,幻エージェント中心モデルを強化する。 シミュレーションにより,提案手法は状況認識を改善し,能動的安全と効率的な交通流とのバランスを図っている。
  論文  参考訳（メタデータ） (2025-04-02T06:48:50Z)
• Risk Assessment for Autonomous Landing in Urban Environments using Semantic Segmentation [0.0]
  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。
  論文  参考訳（メタデータ） (2024-10-16T19:34:03Z)
• RACER: Epistemic Risk-Sensitive RL Enables Fast Driving with Fewer Crashes [57.319845580050924]
  本稿では,リスク感応制御と適応行動空間のカリキュラムを組み合わせた強化学習フレームワークを提案する。 提案アルゴリズムは,現実世界のオフロード運転タスクに対して,高速なポリシーを学習可能であることを示す。
  論文  参考訳（メタデータ） (2024-05-07T23:32:36Z)
• A Counterfactual Safety Margin Perspective on the Scoring of Autonomous Vehicles' Riskiness [52.27309191283943]
  本稿では,異なるAVの行動のリスクを評価するためのデータ駆動型フレームワークを提案する。 本稿では,衝突を引き起こす可能性のある名目行動から最小限の偏差を示す,対実的安全マージンの概念を提案する。
  論文  参考訳（メタデータ） (2023-08-02T09:48:08Z)
• HALO: Hazard-Aware Landing Optimization for Autonomous Systems [1.5414037351414311]
  本稿では,ハザード検出,最適着陸軌道生成,緊急計画課題に対処する認識計画手法を提案する。 本研究では,HALSS(Hazard-Aware Landing Site Selection)とAdaptive Deferred-Decision Trajectory Optimization(Adaptive Deferred-Decision Trajectory Optimization,-DDTO)という2つの新しいアルゴリズムを開発し,統合し,認識と計画の課題に対処する。 シミュレーションした火星環境を用いたアプローチの有効性を実証し, 組み合わせた認識計画法が着地成功率を高めることを示す。
  論文  参考訳（メタデータ） (2023-04-04T07:20:06Z)
• 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)
• Certifying Emergency Landing for Safe Urban UAV [0.0]
  無人航空機(UAV)は、都市環境における多くの用途に使用される可能性がある。 主な安全上の問題の一つは、ナビゲーション能力の喪失を引き起こす失敗の可能性です。 2019年に発表されたSORAのような現在の標準は、この種の危険な状況に対処するための適用可能な緩和技術を考慮していません。
  論文  参考訳（メタデータ） (2021-04-30T11:47:46Z)

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。