論文の概要: Design and Implementation of a High-Precision Wind-Estimation UAV with Onboard Sensors
- arxiv url: http://arxiv.org/abs/2512.10428v1
- Date: Thu, 11 Dec 2025 08:39:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:40.27872
- Title: Design and Implementation of a High-Precision Wind-Estimation UAV with Onboard Sensors
- Title（参考訳）: 搭載センサを用いた高精度風速推定UAVの設計と実装
- Authors: Haowen Yu, Na Fan, Xing Liu, Ximin Lyu,
- Abstract要約: 本稿では,オンボードセンサのみを用いたリアルタイム風速推定手法を提案する。
システムは、風洞、屋内および屋外飛行における総合的な実験を通じて検証される。
- 参考スコア（独自算出の注目度）: 4.9295028416281985
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate real-time wind vector estimation is essential for enhancing the safety, navigation accuracy, and energy efficiency of unmanned aerial vehicles (UAVs). Traditional approaches rely on external sensors or simplify vehicle dynamics, which limits their applicability during agile flight or in resource-constrained platforms. This paper proposes a real-time wind estimation method based solely on onboard sensors. The approach first estimates external aerodynamic forces using a disturbance observer (DOB), and then maps these forces to wind vectors using a thin-plate spline (TPS) model. A custom-designed wind barrel mounted on the UAV enhances aerodynamic sensitivity, further improving estimation accuracy. The system is validated through comprehensive experiments in wind tunnels, indoor and outdoor flights. Experimental results demonstrate that the proposed method achieves consistently high-accuracy wind estimation across controlled and real-world conditions, with speed RMSEs as low as \SI{0.06}{m/s} in wind tunnel tests, \SI{0.22}{m/s} during outdoor hover, and below \SI{0.38}{m/s} in indoor and outdoor dynamic flights, and direction RMSEs under \ang{7.3} across all scenarios, outperforming existing baselines. Moreover, the method provides vertical wind estimates -- unavailable in baselines -- with RMSEs below \SI{0.17}{m/s} even during fast indoor translations.
- Abstract（参考訳）: 無人航空機(UAV)の安全性、航法精度、エネルギー効率を高めるためには、正確なリアルタイム風速ベクトル推定が不可欠である。
従来のアプローチでは、外部センサーに依存したり、車両のダイナミクスを単純化することで、アジャイル飛行やリソース制約のあるプラットフォームでの適用性を制限していた。
本稿では,オンボードセンサのみを用いたリアルタイム風速推定手法を提案する。
この手法はまず外気力を外気力オブザーバ(DOB)を用いて推定し、次に薄板スプライン(TPS)モデルを用いて風力ベクトルにマッピングする。
UAVに搭載されたカスタムデザインの風車により、空気力学的感度が向上し、推定精度が向上する。
このシステムは、風洞、屋内および屋外の飛行における総合的な実験を通じて検証される。
実験により, 制御された実世界の条件間での風速推定は, 風洞実験では SI{0.06}{m/s} 以下, 屋外ホバー飛行では SI{0.22}{m/s} 以下, 屋内および屋外のダイナミックフライトでは SI{0.38}{m/s} 以下, 既存のベースラインを上回り RMSE の方向を上回り RMSE が一貫した精度で達成された。
さらに, 高速室内翻訳においても, RMSE は SI{0.17}{m/s} 以下である。
関連論文リスト
- ASCENT: Transformer-Based Aircraft Trajectory Prediction in Non-Towered Terminal Airspace [54.94692733670454]
ASCENTは、マルチモーダル3D航空機の軌道予測のための軽量トランスフォーマーベースのモデルである。
ドメイン対応の3D座標正規化とパラメータ化予測を統合している。
論文 参考訳（メタデータ） (2026-03-17T14:16:10Z) - WESPR: Wind-adaptive Energy-Efficient Safe Perception & Planning for Robust Flight with Quadrotors [9.15147164003286]
WESPRは環境形状が局地風環境にどのように影響するかを予測する高速なフレームワークである。
その結果,最大軌道偏差が12.5-58.7%減少し,風向非依存の適応制御器に比べて24.6%の安定性が向上した。
論文 参考訳（メタデータ） (2026-03-10T05:09:43Z) - Physics Informed Reconstruction of Four-Dimensional Atmospheric Wind Fields Using Multi-UAS Swarm Observations in a Synthetic Turbulent Environment [2.878288301715711]
無人航空機システム(UAS)は柔軟な位置測定を提供するが、個々のプラットフォームは飛行軌道に沿ってのみ風をサンプリングする。
本研究では, 協調UAS群集から得られた測定値を用いて, 4次元大気風況を再現するための枠組みを提案する。
その結果,UASの協調測定により,専用の風センサや固定インフラを使わずに,高精度でスケーラブルな4次元風場再構築が可能であった。
論文 参考訳（メタデータ） (2026-01-29T18:40:32Z) - Learning-based Airflow Inertial Odometry for MAVs using Thermal Anemometers in a GPS and vision denied environment [13.910943185843706]
本研究は, 熱量計, IMU, ESC, およびバロメーターを含む多センサデータ融合を用いた気流式オドメトリーシステムを示す。
我々は,GRUをベースとした深部ニューラルネットワークを用いて,ノイズおよび乱れ計測から相対的な空気速度を推定する。
離陸や地上への着陸を含む完全な飛行データから、プロペラと地上効果によって引き起こされる下水によって引き起こされる風速を分離することができることが示されている。
論文 参考訳（メタデータ） (2025-05-21T02:53:49Z) - 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) - Learning-based estimation of in-situ wind speed from underwater
acoustics [58.293528982012255]
水中音響から風速時系列を検索するための深層学習手法を提案する。
我々のアプローチは、事前の物理知識と計算効率の両面から恩恵を受けるために、データ同化と学習ベースのフレームワークをブリッジする。
論文 参考訳（メタデータ） (2022-08-18T15:27:40Z) - Neural-Fly Enables Rapid Learning for Agile Flight in Strong Winds [96.74836678572582]
本稿では,ディープラーニングを通じて事前学習した表現を組み込むことで,オンラインでの迅速な適応を可能にする学習ベースのアプローチを提案する。
Neural-Flyは、最先端の非線形かつ適応的なコントローラよりもかなり少ないトラッキングエラーで正確な飛行制御を実現する。
論文 参考訳（メタデータ） (2022-05-13T21:55:28Z) - Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of
Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。
降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文 参考訳（メタデータ） (2021-07-14T21:10:47Z)
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。