論文の概要: Development and Testing for Perception Based Autonomous Landing of a Long-Range QuadPlane

• arxiv url: http://arxiv.org/abs/2512.09343v2
• Date: Thu, 11 Dec 2025 04:44:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-12 14:11:15.278462
• Title: Development and Testing for Perception Based Autonomous Landing of a Long-Range QuadPlane
• Title（参考訳）: 長距離クアッドプレーンの知覚に基づく自律着陸システムの開発と試験
• Authors: Ashik E Rasul, Humaira Tasnim, Ji Yu Kim, Young Hyun Lim, Scott Schmitz, Bruce W. Jo, Hyung-Jin Yoon,
• Abstract要約: 本研究は,視覚に基づく自律着陸と視覚慣性オドメトリーのための軽量なQuadPlaneシステムを提案する。 ハードウェアプラットフォーム、センサー構成、組み込みコンピューティングアーキテクチャは、要求されるリアルタイム、物理的制約を満たすように設計されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: QuadPlanes combine the range efficiency of fixed-wing aircraft with the maneuverability of multi-rotor platforms for long-range autonomous missions. In GPS-denied or cluttered urban environments, perception-based landing is vital for reliable operation. Unlike structured landing zones, real-world sites are unstructured and highly variable, requiring strong generalization capabilities from the perception system. Deep neural networks (DNNs) provide a scalable solution for learning landing site features across diverse visual and environmental conditions. While perception-driven landing has been shown in simulation, real-world deployment introduces significant challenges. Payload and volume constraints limit high-performance edge AI devices like the NVIDIA Jetson Orin Nano, which are crucial for real-time detection and control. Accurate pose estimation during descent is necessary, especially in the absence of GPS, and relies on dependable visual-inertial odometry. Achieving this with limited edge AI resources requires careful optimization of the entire deployment framework. The flight characteristics of large QuadPlanes further complicate the problem. These aircraft exhibit high inertia, reduced thrust vectoring, and slow response times further complicate stable landing maneuvers. This work presents a lightweight QuadPlane system for efficient vision-based autonomous landing and visual-inertial odometry, specifically developed for long-range QuadPlane operations such as aerial monitoring. It describes the hardware platform, sensor configuration, and embedded computing architecture designed to meet demanding real-time, physical constraints. This establishes a foundation for deploying autonomous landing in dynamic, unstructured, GPS-denied environments.
• Abstract（参考訳）: クアドプランは固定翼機の射程効率と長距離自律飛行のための多回転プラットフォームの操縦性を組み合わせた。 GPSや乱雑な都市環境では、認識に基づく着陸は信頼性の高い運用には不可欠である。 構造的な着陸ゾーンとは異なり、現実世界の場所は非構造的で高度に変動しており、知覚システムから強力な一般化能力を必要とする。 ディープニューラルネットワーク(DNN)は、さまざまな視覚的および環境条件にまたがるランディングサイトの特徴を学習するためのスケーラブルなソリューションを提供する。 知覚駆動着陸はシミュレーションで示されているが、現実の展開には大きな課題が伴う。 ペイロードとボリュームの制約により、NVIDIA Jetson Orin Nanoのような高性能なAIデバイスが制限される。 降下時の正確なポーズ推定は、特にGPSがない場合に必要であり、信頼性の高い視覚慣性計測に依存している。 限られたエッジAIリソースでこれを達成するには、デプロイメントフレームワーク全体の注意深く最適化する必要がある。 大きなクアドプランの飛行特性は問題をさらに複雑にしている。 これらの航空機は高い慣性を持ち、推力ベクターを減らし、応答時間が遅くなり、安定した着陸操作が複雑になる。 本研究は,空中監視などの長距離QuadPlane操作に特化して開発された,効率的な視覚ベースの自律着陸と視覚慣性オドメトリーのための軽量なQuadPlaneシステムを提案する。 ハードウェアプラットフォーム、センサー構成、組み込みコンピューティングアーキテクチャは、要求されるリアルタイム、物理的制約を満たすように設計されている。 これにより、動的で非構造化されたGPSで自律着陸を展開するための基盤が確立される。

関連論文リスト

• Optimizing Earth-Moon Transfer and Cislunar Navigation: Integrating Low-Energy Trajectories, AI Techniques and GNSS-R Technologies [0.0]
  月面着陸を含むシスルナー活動は、コスト効率の良い軌道設計とナビゲーションとリモートセンシングの信頼性の高い統合を必要とする。 従来の地球-月移動は厳格な打ち上げ窓と高い推進剤の要求に悩まされ、地球ベースのシステムは静止軌道を超える範囲をほとんど、あるいは全く提供しない。 このレビューでは、速度要件、飛行時間、燃料効率を評価し、乗組員とロボットの両方のミッションに適合するかどうかを識別することで、4つの主要な転送戦略を比較した。
  論文  参考訳（メタデータ） (2025-11-05T04:41:43Z)
• Trajectory Design for UAV-Based Low-Altitude Wireless Networks in Unknown Environments: A Digital Twin-Assisted TD3 Approach [62.11847362756054]
  低高度無線ネットワーク(LAWN)のキーイネーブラーとして無人航空機(UAV)が登場している 我々は、デジタルツイン(DT)支援トレーニングおよびデプロイメントフレームワークを提案する。 このフレームワークでは、UAVは統合されたセンシングと通信信号を送信し、地上ユーザーに通信サービスを提供し、同時にDTサーバにアップロードされたエコーを収集して、仮想環境(VE)を段階的に構築する。 これらのVEはモデルトレーニングを加速し、展開中のリアルタイムUAVセンシングデータを継続的に更新し、意思決定をサポートし、飛行安全性を向上する。
  論文  参考訳（メタデータ） (2025-10-28T10:05:53Z)
• 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)
• SLAM-Based Navigation and Fault Resilience in a Surveillance Quadcopter with Embedded Vision Systems [0.6138671548064356]
  我々は、フォールトトレラントなクアッドコプターシステムとして設計された自律型空中監視プラットフォームであるVegを紹介する。 GPSに依存しないナビゲーションのためのビジュアルSLAM、動的安定性のための高度な制御アーキテクチャ、リアルタイムオブジェクトと顔認識のための組み込み視覚モジュールを統合する。
  論文  参考訳（メタデータ） (2025-04-18T17:10:26Z)
• Angle Robustness Unmanned Aerial Vehicle Navigation in GNSS-Denied Scenarios [66.05091704671503]
  本稿では、ポイントツーポイントナビゲーションタスクにおける飛行偏差に対処する新しい角度ナビゲーションパラダイムを提案する。 また、Adaptive Feature Enhance Module、Cross-knowledge Attention-guided Module、Robust Task-oriented Head Moduleを含むモデルを提案する。
  論文  参考訳（メタデータ） (2024-02-04T08:41:20Z)
• Characterizing Satellite Geometry via Accelerated 3D Gaussian Splatting [0.0]
  本稿では,3次元ガウス散乱に基づく軌道上の衛星のマッピング手法を提案する。 ループ型衛星モックアップにおけるモデルトレーニングと3次元レンダリング性能を実演する。 我々のモデルでは、未知の衛星の高品質な新しいビューを、従来のNeRFベースのアルゴリズムよりも2桁近く高速にトレーニングし、レンダリングすることが可能であることが示されている。
  論文  参考訳（メタデータ） (2024-01-05T00:49:56Z)
• Deep Learning for Real Time Satellite Pose Estimation on Low Power Edge TPU [58.720142291102135]
  本稿では,ニューラルネットワークアーキテクチャを利用したポーズ推定ソフトウェアを提案する。 我々は、低消費電力の機械学習アクセラレーターが宇宙での人工知能の活用を可能にしていることを示す。
  論文  参考訳（メタデータ） (2022-04-07T08:53:18Z)
• Large-scale Autonomous Flight with Real-time Semantic SLAM under Dense Forest Canopy [48.51396198176273]
  本研究では,大規模自律飛行とリアルタイムセマンティックマッピングを,挑戦的なアンダーキャノピー環境下で実現可能な統合システムを提案する。 我々は、スキャン全体で関連付けられ、木のトランクモデルと同様にロボットのポーズを制約するために使用されるLiDARデータから、木の幹と地面の平面を検出し、モデル化する。 ドリフト補償機構は、プランナー最適性とコントローラ安定性を維持しつつ、セマンティックSLAM出力を用いたドリフトをリアルタイムで最小化するように設計されている。
  論文  参考訳（メタデータ） (2021-09-14T07:24:53Z)

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。