論文の概要: Autonomous Navigation of Cloud-Controlled Quadcopters in Confined Spaces Using Multi-Modal Perception and LLM-Driven High Semantic Reasoning

• arxiv url: http://arxiv.org/abs/2508.07885v1
• Date: Mon, 11 Aug 2025 12:00:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-12 21:23:29.076907
• Title: Autonomous Navigation of Cloud-Controlled Quadcopters in Confined Spaces Using Multi-Modal Perception and LLM-Driven High Semantic Reasoning
• Title（参考訳）: マルチモード知覚とLCM駆動高意味推論を用いた雲制御型クアッドコプターの集成空間における自律航法
• Authors: Shoaib Ahmmad, Zubayer Ahmed Aditto, Md Mehrab Hossain, Noushin Yeasmin, Shorower Hossain,
• Abstract要約: 本稿では,GPSを用いた屋内環境における自律ナビゲーションのための高度なAI駆動認識システムを提案する。 システムは、物体検出用YOLOv11、単眼深度推定用深度任意のV2、タイム・オブ・ライト(ToF)センサーと慣性測定ユニット(IMU)を備えたPCBを統合する。 室内テストベッドにおける実験結果は、平均平均精度(mAP50)が0.6、深さ推定平均絶対誤差(MAE)が7.2cm、エンドツーエンドのシステム遅延が1秒以下で達成された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper introduces an advanced AI-driven perception system for autonomous quadcopter navigation in GPS-denied indoor environments. The proposed framework leverages cloud computing to offload computationally intensive tasks and incorporates a custom-designed printed circuit board (PCB) for efficient sensor data acquisition, enabling robust navigation in confined spaces. The system integrates YOLOv11 for object detection, Depth Anything V2 for monocular depth estimation, a PCB equipped with Time-of-Flight (ToF) sensors and an Inertial Measurement Unit (IMU), and a cloud-based Large Language Model (LLM) for context-aware decision-making. A virtual safety envelope, enforced by calibrated sensor offsets, ensures collision avoidance, while a multithreaded architecture achieves low-latency processing. Enhanced spatial awareness is facilitated by 3D bounding box estimation with Kalman filtering. Experimental results in an indoor testbed demonstrate strong performance, with object detection achieving a mean Average Precision (mAP50) of 0.6, depth estimation Mean Absolute Error (MAE) of 7.2 cm, only 16 safety envelope breaches across 42 trials over approximately 11 minutes, and end-to-end system latency below 1 second. This cloud-supported, high-intelligence framework serves as an auxiliary perception and navigation system, complementing state-of-the-art drone autonomy for GPS-denied confined spaces.
• Abstract（参考訳）: 本稿では,GPSを用いた屋内環境における自律型クアッドコプターナビゲーションのための高度なAI駆動型認識システムを提案する。 提案フレームワークは,クラウドコンピューティングを活用して計算集約的なタスクをオフロードし,センサデータ取得のためにカスタム設計のプリント基板(PCB)を組み込むことにより,狭い空間での堅牢なナビゲーションを実現する。 このシステムは、オブジェクト検出用のYOLOv11、単眼深度推定用のDepth Anything V2、タイム・オブ・ライト(ToF)センサーと慣性測定ユニット(IMU)を備えたPCB、コンテキスト認識意思決定のためのクラウドベースのLarge Language Model(LLM)を統合する。 校正されたセンサオフセットによって強制される仮想安全封筒は衝突回避を保証し、マルチスレッドアーキテクチャは低レイテンシ処理を実現する。 空間認識の強化はカルマンフィルタを用いた3次元境界ボックス推定によって促進される。 室内テストベッドにおける実験結果は、平均平均精度(mAP50)が0.6、深度推定平均絶対誤差(MAE)が7.2cm、42回の試験で16件の安全侵入が約11分、システムの終端遅延が1秒未満で達成された。 このクラウドで支えられた高知能のフレームワークは、GPSで隔離された空間に対する最先端のドローンの自律性を補完する補助的な認識とナビゲーションシステムとして機能する。

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)
• Deep RL-based Autonomous Navigation of Micro Aerial Vehicles (MAVs) in a complex GPS-denied Indoor Environment [9.162792034193373]
  室内環境における無人航空機(UAV)の自律性は、倉庫、工場、屋内施設などの囲い込み空間における信頼性の高いGPS信号が欠如していることから、大きな課題となっている。 本稿では,強化学習に基づくDeep-Proximal Policy Optimization (D-PPO)アルゴリズムを提案する。 提案手法は,性能を著しく低下させることなく,トレーニング期間中に計算遅延を91%削減する。
  論文  参考訳（メタデータ） (2025-04-08T11:14:37Z)
• RoboSense: Large-scale Dataset and Benchmark for Egocentric Robot Perception and Navigation in Crowded and Unstructured Environments [62.5830455357187]
  我々は3種類のセンサー(Camera, LiDAR, Fisheye)をベースとした自我中心型マルチセンサデータ収集プラットフォームを構築した。 大規模なマルチモーダルデータセットであるRoboSenseは、エゴセントリックなロボット知覚を促進するために構築されている。
  論文  参考訳（メタデータ） (2024-08-28T03:17:40Z)
• Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
  スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。 本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
  論文  参考訳（メタデータ） (2023-08-14T16:48:57Z)
• Tightly-coupled Visual-DVL-Inertial Odometry for Robot-based Ice-water Boundary Exploration [8.555466536537292]
  ローカライズ精度を高めるために,マルチセンサ融合フレームワークを提案する。 画像、ドップラー速度ログ(DVL)、慣性測定ユニット(IMU)、圧力センサーが統合されている。 提案手法は,凍結氷下のフィールドで収集したデータセットを用いて検証した。
  論文  参考訳（メタデータ） (2023-03-29T20:16:39Z)
• Ultra-low Power Deep Learning-based Monocular Relative Localization Onboard Nano-quadrotors [64.68349896377629]
  この研究は、2つのピアナノドロンのディープニューラルネットワーク(DNN)を介して、単分子の相対的な局所化に対処する、新しい自律的なエンドツーエンドシステムを示す。 超制約ナノドローンプラットフォームに対処するため,データセットの増大,量子化,システム最適化などを含む垂直統合フレームワークを提案する。 実験の結果,DNNは低分解能モノクローム画像のみを用いて最大2mの距離で10cmのターゲットナノドローンを正確に局在させることができることがわかった。
  論文  参考訳（メタデータ） (2023-03-03T14:14:08Z)
• FAITH: Fast iterative half-plane focus of expansion estimation using event-based optic flow [3.326320568999945]
  本研究では, 小型航空機(MAV)の走行経路を決定するためのFAst ITerative Half-plane (FAITH)法を提案する。 その結果,提案手法の計算効率は高い精度を維持しながら最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2021-02-25T12:49:02Z)

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。