論文の概要: Enhancing UAV Search under Occlusion using Next Best View Planning

• arxiv url: http://arxiv.org/abs/2511.18353v1
• Date: Sun, 23 Nov 2025 09:00:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:24.795456
• Title: Enhancing UAV Search under Occlusion using Next Best View Planning
• Title（参考訳）: 次回ベストビュープランニングによる排他的UAV探索の強化
• Authors: Sigrid Helene Strand, Thomas Wiedemann, Bram Burczek, Dmitriy Shutin,
• Abstract要約: 密林では、無人航空機の有効性は、地上の鮮明な景色を捉える能力に依存する。 本研究は、カメラの位置と視点を最適化する最適化された探索戦略を提案する。 最適なカメラ視点を選択することで探索性能を向上させるために,2つの新しい最適化,幾何と可視性を提案する。
• 参考スコア（独自算出の注目度）: 7.611870296994721
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Search and rescue missions are often critical following sudden natural disasters or in high-risk environmental situations. The most challenging search and rescue missions involve difficult-to-access terrains, such as dense forests with high occlusion. Deploying unmanned aerial vehicles for exploration can significantly enhance search effectiveness, facilitate access to challenging environments, and reduce search time. However, in dense forests, the effectiveness of unmanned aerial vehicles depends on their ability to capture clear views of the ground, necessitating a robust search strategy to optimize camera positioning and perspective. This work presents an optimized planning strategy and an efficient algorithm for the next best view problem in occluded environments. Two novel optimization heuristics, a geometry heuristic, and a visibility heuristic, are proposed to enhance search performance by selecting optimal camera viewpoints. Comparative evaluations in both simulated and real-world settings reveal that the visibility heuristic achieves greater performance, identifying over 90% of hidden objects in simulated forests and offering 10% better detection rates than the geometry heuristic. Additionally, real-world experiments demonstrate that the visibility heuristic provides better coverage under the canopy, highlighting its potential for improving search and rescue missions in occluded environments.
• Abstract（参考訳）: 急激な自然災害や高リスク環境下での捜索・救助活動は、しばしば重要となる。 探索と救助の最も困難な任務は、密集した森林など、アクセスが難しい地形である。 無人航空機を探索のために配備することは、探索効率を大幅に向上させ、挑戦的な環境へのアクセスを容易にし、探索時間を短縮することができる。 しかし、密林では、無人航空機の有効性は、地上の鮮明な視界を捉える能力に依存し、カメラの位置と視界を最適化するための堅牢な探索戦略を必要とする。 本研究は,隠蔽環境における次の最良の視点問題に対して,最適化された計画戦略と効率的なアルゴリズムを提案する。 2つの新しい最適化ヒューリスティック、幾何学ヒューリスティック、可視ヒューリスティックを提案し、最適なカメラ視点を選択して探索性能を向上させる。 シミュレーションと実世界の双方での比較評価により、視界ヒューリスティックは、シミュレーションされた森林に隠された対象の90%以上を識別し、幾何学的ヒューリスティックよりも10%優れた検出率を提供する、という結果が得られた。 さらに、実世界の実験では、視界ヒューリスティックが天蓋の下でより良いカバレッジを提供し、閉鎖された環境における探索と救助のミッションを改善する可能性を強調している。

関連論文リスト

• More Clear, More Flexible, More Precise: A Comprehensive Oriented Object Detection benchmark for UAV [58.89234732689013]
  CODroneは、現実の状況を正確に反映した、UAVのための包括的なオブジェクト指向オブジェクト検出データセットである。 また、下流のタスク要求に合わせて設計された新しいベンチマークとしても機能する。 我々は、CODroneを厳格に評価するために、22の古典的またはSOTA法に基づく一連の実験を行う。
  論文  参考訳（メタデータ） (2025-04-28T17:56:02Z)
• Shrinking POMCP: A Framework for Real-Time UAV Search and Rescue [10.399964979693996]
  本稿では,UAVによる周辺地域の捜索救助活動の最適化に包括的アプローチを提案する。 経路計画問題は部分的に観測可能なマルコフ決定過程(POMDP)として定式化される 本稿では,時間制約に対処する新しいShrinking POMCP'アプローチを提案する。
  論文  参考訳（メタデータ） (2024-11-20T01:41:29Z)
• Deep Reinforcement Learning for Time-Critical Wilderness Search And Rescue Using Drones [0.294944680995069]
  本稿では,自然環境におけるドローンの効率的な探索ミッション構築のための深層強化学習の活用について検討する。 実験の結果,従来のカバレッジ計画や探索計画アルゴリズムと比較して,検索時間の大幅な改善が得られた。
  論文  参考訳（メタデータ） (2024-05-21T13:51:47Z)
• OVD-Explorer: Optimism Should Not Be the Sole Pursuit of Exploration in Noisy Environments [54.81404699942899]
  環境性(ノイズ)の存在下では、純粋に楽観的な探索は高騒音領域の過剰な探査につながる可能性がある。 本研究では,連続制御のための雑音を考慮した楽観的な探索を実現するために,OVD-Explorer(Optimistic Value Distribution Explorer)を提案する。
  論文  参考訳（メタデータ） (2023-12-19T13:28:34Z)
• Synthetic Aperture Sensing for Occlusion Removal with Drone Swarms [4.640835690336653]
  我々は、密集した森林地帯において、密集した目標を検出し、追跡する上で、自律型ドローン群がいかに効率的かを実証する。 閉塞密度や目標視斜視といった局所的な観測条件の探索と最適化は、従来のブラインドサンプリング戦略よりもはるかに高速で信頼性の高い結果を提供する。
  論文  参考訳（メタデータ） (2022-12-30T13:19:15Z)
• Fighting the curse of dimensionality: A machine learning approach to finding global optima [77.34726150561087]
  本稿では,構造最適化問題におけるグローバル最適化の方法を示す。 特定のコスト関数を利用することで、最適化手順が確立された場合と比較して、グローバルをベストに得るか、最悪の場合、優れた結果を得るかのどちらかを得る。
  論文  参考訳（メタデータ） (2021-10-28T09:50:29Z)
• A Multi-UAV System for Exploration and Target Finding in Cluttered and GPS-Denied Environments [68.31522961125589]
  複雑なGPSを用いた複雑な環境において,UAVのチームが協調して目標を探索し,発見するための枠組みを提案する。 UAVのチームは自律的にナビゲートし、探索し、検出し、既知の地図で散らばった環境でターゲットを見つける。 その結果, 提案方式は, 時間的コスト, 調査対象地域の割合, 捜索・救助ミッションの成功率などの面で改善されていることがわかった。
  論文  参考訳（メタデータ） (2021-07-19T12:54:04Z)
• Sparse Reward Exploration via Novelty Search and Emitters [55.41644538483948]
  本稿では,SparsE Reward Exploration via Novelty and Emitters (SERENE)アルゴリズムを提案する。 SERENEは、探索空間の探索と報酬の搾取を2つの交互プロセスに分けている。 メタスケジューラは、2つのプロセス間の交互にグローバルな計算予算を割り当てる。
  論文  参考訳（メタデータ） (2021-02-05T12:34:54Z)
• Learning to Plan Optimistically: Uncertainty-Guided Deep Exploration via Latent Model Ensembles [73.15950858151594]
  本稿では,不確実な長期報酬に直面した最適化による深層探査を可能にするLOVE(Latent Optimistic Value Exploration)を提案する。 潜在世界モデルと値関数推定を組み合わせ、無限水平リターンを予測し、アンサンブルにより関連する不確実性を回復する。 連続行動空間における視覚ロボット制御タスクにLOVEを適用し、最先端や他の探査目標と比較して、平均20%以上のサンプル効率の改善を実証する。
  論文  参考訳（メタデータ） (2020-10-27T22:06:57Z)
• Dynamic Subgoal-based Exploration via Bayesian Optimization [7.297146495243708]
  スパース・リワードナビゲーション環境における強化学習は困難であり、効果的な探索の必要性を生じさせる。 本稿では,動的サブゴールに基づく探索手法のクラスを効率的に探索する,費用対効果を考慮したベイズ最適化手法を提案する。 実験により、新しいアプローチは、多くの問題領域で既存のベースラインを上回っていることが示された。
  論文  参考訳（メタデータ） (2019-10-21T04:24:29Z)

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。