論文の概要: Drones that Think on their Feet: Sudden Landing Decisions with Embodied AI

• arxiv url: http://arxiv.org/abs/2510.00167v1
• Date: Tue, 30 Sep 2025 18:39:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 16:59:20.204433
• Title: Drones that Think on their Feet: Sudden Landing Decisions with Embodied AI
• Title（参考訳）: 身近なAIで身近な判断を下すドローン
• Authors: Diego Ortiz Barbosa, Mohit Agrawal, Yash Malegaonkar, Luis Burbano, Axel Andersson, György Dán, Henrik Sandberg, Alvaro A. Cardenas,
• Abstract要約: 具体的AIは、コンテキストを評価し、適切なアクションをリアルタイムで生成するコモンセンス推論をいかに提供できるかを示す。 この能力を,Unreal Engineの都市ベンチマークで実演する。 以上の結果から,具体化されたAIは適応的回復と意思決定パイプラインの新たなクラスを可能にすることが示唆された。
• 参考スコア（独自算出の注目度）: 14.561963049138326
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autonomous drones must often respond to sudden events, such as alarms, faults, or unexpected changes in their environment, that require immediate and adaptive decision-making. Traditional approaches rely on safety engineers hand-coding large sets of recovery rules, but this strategy cannot anticipate the vast range of real-world contingencies and quickly becomes incomplete. Recent advances in embodied AI, powered by large visual language models, provide commonsense reasoning to assess context and generate appropriate actions in real time. We demonstrate this capability in a simulated urban benchmark in the Unreal Engine, where drones dynamically interpret their surroundings and decide on sudden maneuvers for safe landings. Our results show that embodied AI makes possible a new class of adaptive recovery and decision-making pipelines that were previously infeasible to design by hand, advancing resilience and safety in autonomous aerial systems.
• Abstract（参考訳）: 自律ドローンはしばしば、緊急かつ適応的な意思決定を必要とするアラーム、障害、環境の予期せぬ変化といった突然の出来事に応答する必要がある。 従来のアプローチでは、安全エンジニアが大量のリカバリルールを手作業でコーディングする必要があったが、この戦略は現実世界の広範囲な事態を予測できないため、すぐに不完全になる。 近年のインボディードAIの進歩は、大きな視覚言語モデルを用いて、コンテキストを評価し、リアルタイムで適切なアクションを生成するコモンセンス推論を提供する。 この能力はUnreal Engineの都市ベンチマークで実証され、ドローンは周囲を動的に解釈し、安全に着陸するための急激な操作を決定する。 以上の結果から,組込みAIは,従来手作業による設計が不可能であった適応リカバリと意思決定パイプラインの新たなクラスを実現し,自律飛行システムにおけるレジリエンスと安全性を向上することを示す。

関連論文リスト

• Socially-Aware Autonomous Driving: Inferring Yielding Intentions for Safer Interactions [7.735477839355801]
  本稿では,DAG(Deep Reinforcement Learning, 深層強化学習)アルゴリズムを用いた意思決定フレームワークを提案する。 提案手法の性能を評価するため, 模擬環境下での車線変更シナリオにおいて, 提案手法を検証, 適用することができる。
  論文  参考訳（メタデータ） (2025-04-28T17:24:04Z)
• Lander.AI: Adaptive Landing Behavior Agent for Expertise in 3D Dynamic Platform Landings [2.5022287664959446]
  本研究では,風環境下でのプラットフォーム上での移動と着陸を目的とした,高度な深層強化学習(DRL)エージェントであるLander:AIを紹介する。 Lander:AIは、風の乱流を含む現実世界の複雑さを反映するジム・ピブルレット・ドーンシミュレーションで厳格に訓練されています。 実験の結果、ランダー:AIの高精度着陸と移動プラットフォームへの適応能力は、風による乱れでも示されました。
  論文  参考訳（メタデータ） (2024-03-11T10:20:44Z)
• A GP-based Robust Motion Planning Framework for Agile Autonomous Robot Navigation and Recovery in Unknown Environments [6.859965454961918]
  本稿では,将来の動作計画失敗のリスクを積極的に検出するモデルを提案する。 リスクが一定の閾値を超えると、回復動作がトリガーされる。 我々のフレームワークは、計画立案者の失敗を予測し、計画立案者の成功の可能性を示すためにロボットを回復できる。
  論文  参考訳（メタデータ） (2024-02-02T18:27:21Z)
• HAZARD Challenge: Embodied Decision Making in Dynamically Changing Environments [93.94020724735199]
  HAZARDは、火災、洪水、風などの3つの予期せぬ災害シナリオで構成されている。 このベンチマークにより、さまざまなパイプラインで自律エージェントの意思決定能力を評価することができる。
  論文  参考訳（メタデータ） (2024-01-23T18:59:43Z)
• SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Diffusion-Controllable Adversaries [94.84458417662407]
  制御可能なクローズドループ安全クリティカルシミュレーションフレームワークであるSAFE-SIMを紹介する。 提案手法は,1)現実の環境を深く反映した現実的な長距離安全クリティカルシナリオの生成,2)より包括的でインタラクティブな評価のための制御可能な敵行動の提供,の2つの利点をもたらす。 複数のプランナにまたがるnuScenesとnuPlanデータセットを使用して、我々のフレームワークを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
  論文  参考訳（メタデータ） (2023-12-31T04:14:43Z)
• Managing extreme AI risks amid rapid progress [171.05448842016125]
  我々は、大規模社会被害、悪意のある使用、自律型AIシステムに対する人間の制御の不可逆的な喪失を含むリスクについて説明する。 このようなリスクがどのように発生し、どのように管理するかについては、合意の欠如があります。 現在のガバナンスイニシアチブには、誤用や無謀を防ぎ、自律システムにほとんど対処するメカニズムや制度が欠けている。
  論文  参考訳（メタデータ） (2023-10-26T17:59:06Z)
• 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)
• 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)
• Deep Structured Reactive Planning [94.92994828905984]
  自動運転のための新しいデータ駆動型リアクティブ計画目標を提案する。 本モデルは,非常に複雑な操作を成功させる上で,非反応性変種よりも優れることを示す。
  論文  参考訳（メタデータ） (2021-01-18T01:43:36Z)

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。