論文の概要: Expert Switching for Robust AAV Landing: A Dual-Detector Framework in Simulation
- arxiv url: http://arxiv.org/abs/2512.14054v1
- Date: Tue, 16 Dec 2025 03:41:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-17 16:49:26.574648
- Title: Expert Switching for Robust AAV Landing: A Dual-Detector Framework in Simulation
- Title（参考訳）: ロバストAAVランディングのためのエキスパートスイッチング:シミュレーションのデュアル・ディテクタ・フレームワーク
- Authors: Humaira Tasnim, Ashik E Rasul, Bruce Jo, Hyung-Jin Yoon,
- Abstract要約: 2人のYOLOv8専門家が、HelipadCatデータセットのスケール特化バージョンでトレーニングされている。
推論の間、どちらの専門家も並列に操作し、幾何学的なゲーティング機構は、AAVの視点と最も一致した予測を持つ専門家を選択する。
その結果, 単検出器ベースラインに比べてアライメント, 着陸精度, 全体的なロバスト性は著しく向上した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Reliable helipad detection is essential for Autonomous Aerial Vehicle (AAV) landing, especially under GPS-denied or visually degraded conditions. While modern detectors such as YOLOv8 offer strong baseline performance, single-model pipelines struggle to remain robust across the extreme scale transitions that occur during descent, where helipads appear small at high altitude and large near touchdown. To address this limitation, we propose a scale-adaptive dual-expert perception framework that decomposes the detection task into far-range and close-range regimes. Two YOLOv8 experts are trained on scale-specialized versions of the HelipadCat dataset, enabling one model to excel at detecting small, low-resolution helipads and the other to provide high-precision localization when the target dominates the field of view. During inference, both experts operate in parallel, and a geometric gating mechanism selects the expert whose prediction is most consistent with the AAV's viewpoint. This adaptive routing prevents the degradation commonly observed in single-detector systems when operating across wide altitude ranges. The dual-expert perception module is evaluated in a closed-loop landing environment that integrates CARLA's photorealistic rendering with NASA's GUAM flight-dynamics engine. Results show substantial improvements in alignment stability, landing accuracy, and overall robustness compared to single-detector baselines. By introducing a scale-aware expert routing strategy tailored to the landing problem, this work advances resilient vision-based perception for autonomous descent and provides a foundation for future multi-expert AAV frameworks.
- Abstract（参考訳）: 信頼性の高いヘリパッド検出は、特にGPSや視覚的に劣化した条件下での自律飛行車(AAV)の着陸に不可欠である。
YOLOv8のような現代の検出器は、強力なベースライン性能を提供するが、単一モデルパイプラインは、高度が高く、タッチダウンに近い大きなヘリパッドが現れる降下中に発生する極端なスケールの遷移の中で、頑丈な状態を維持するのに苦労している。
この制限に対処するために,検出タスクを遠距離および近距離に分割するスケール適応型デュアルエキスパート認識フレームワークを提案する。
2人のYOLOv8専門家がHelipadCatデータセットの大規模特殊化バージョンをトレーニングし、1つのモデルが小さくて解像度の低いHelipadを検出し、もう1つのモデルがターゲットが視野を支配している場合の高精度なローカライゼーションを提供する。
推論の間、どちらの専門家も並列に操作し、幾何学的なゲーティング機構は、AAVの視点と最も一致した予測を持つ専門家を選択する。
この適応ルーティングは、広い高度範囲で動作している場合、単一検出器系でよく見られる劣化を防止する。
デュアルエキスパート認識モジュールは、CARLAのフォトリアリスティックレンダリングとNASAのGUAM飛行力学エンジンを統合したクローズドループ着陸環境で評価される。
その結果, 単検出器ベースラインに比べてアライメント安定性, 着陸精度, 全体的なロバスト性は著しく向上した。
着陸問題に合わせたスケールアウェアの専門家によるルーティング戦略を導入することで、自律的な降下に対するレジリエントな視覚ベースの認識を促進し、将来のマルチエキスパートAAVフレームワークの基礎を提供する。
関連論文リスト
- AerialMind: Towards Referring Multi-Object Tracking in UAV Scenarios [64.51320327698231]
UAVシナリオにおける最初の大規模RMOTベンチマークであるAerialMindを紹介する。
我々は、革新的な半自動協調型エージェントベースラベリングアシスタントフレームワークを開発した。
また,視覚言語表現学習を協調的に強化する新しい手法であるHawkEyeTrackを提案する。
論文 参考訳（メタデータ） (2025-11-26T04:44:27Z) - Tracking the Unstable: Appearance-Guided Motion Modeling for Robust Multi-Object Tracking in UAV-Captured Videos [58.156141601478794]
マルチオブジェクトトラッキング(UAVT)は、ビデオのフレーム間で一貫したアイデンティティを維持しながら、複数のオブジェクトを追跡することを目的としている。
既存の手法は、通常、動作キューと外観を別々にモデル化し、それらの相互作用を見渡して、最適下追跡性能をもたらす。
本稿では、AMC行列とMTCモジュールの2つの主要コンポーネントを通して、外観と動きの手がかりを利用するAMOTを提案する。
論文 参考訳（メタデータ） (2025-08-03T12:06:47Z) - AeroLite-MDNet: Lightweight Multi-task Deviation Detection Network for UAV Landing [9.858832286469765]
本稿では,AeroLite-MDNetと呼ばれる新しい視覚モデルを用いたUAV着陸の偏差警報システムを提案する。
AWD(Average Warning Delay)と呼ばれる新しい評価指標を導入し,着陸偏差に対するシステムの感度を定量化する。
実験の結果, 偏差検出精度98.6%で0.7秒のAWDを実現した。
論文 参考訳（メタデータ） (2025-06-25T13:48:30Z) - 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) - Griffin: Aerial-Ground Cooperative Detection and Tracking Dataset and Benchmark [15.405137983083875]
航空と地上の協力は、UAVの空中視界と地上の車両の局部的な観測を統合することで、有望な解決策を提供する。
本稿では,3つの重要な貢献を通じて,地上3次元協調認識のための包括的ソリューションを提案する。
論文 参考訳（メタデータ） (2025-03-10T07:00:07Z) - Monocular Obstacle Avoidance Based on Inverse PPO for Fixed-wing UAVs [29.207513994002202]
固定翼無人航空機(英語: Fixed-wing Unmanned Aerial Vehicles、UAV)は、低高度経済(LAE)と都市空運(UAM)のための最も一般的なプラットフォームの一つである。
従来の地図や高度なセンサーに依存する古典的な障害物回避システムは、未知の低高度環境や小型UAVプラットフォームにおいて制限に直面している。
本稿では,DRLに基づくUAV衝突回避システムを提案する。
論文 参考訳（メタデータ） (2024-11-27T03:03:37Z) - Fully Convolutional One-Stage 3D Object Detection on LiDAR Range Images [96.66271207089096]
FCOS-LiDARは、自律走行シーンのLiDAR点雲のための完全な1段式3Dオブジェクト検出器である。
標準的な2Dコンボリューションを持つRVベースの3D検出器は、最先端のBEVベースの検出器と同等の性能を発揮することを示す。
論文 参考訳（メタデータ） (2022-05-27T05:42:16Z) - Robust Autonomous Landing of UAV in Non-Cooperative Environments based
on Dynamic Time Camera-LiDAR Fusion [11.407952542799526]
低コストLiDARと双眼カメラを備えたUAVシステムを構築し,非協調環境における自律着陸を実現する。
我々は,LiDARの非繰り返し走査と高いFOVカバレッジ特性を利用して,動的時間深度補完アルゴリズムを考案した。
深度マップに基づいて, 傾斜, 粗度, 安全領域の大きさなどの高層地形情報を導出する。
論文 参考訳（メタデータ） (2020-11-27T14:47:02Z) - Distributed Variable-Baseline Stereo SLAM from two UAVs [17.513645771137178]
本稿では,単眼カメラを1台,IMUを1台搭載した2台のUAVを用いて,視界の重なりと相対距離の測定を行った。
本稿では,glsuavエージェントを自律的に制御するために,分散協調推定方式を提案する。
我々は,高度160mまでの飛行におけるアプローチの有効性を実証し,最先端のVIO手法の能力を大きく超えている。
論文 参考訳（メタデータ） (2020-09-10T12:16:10Z)
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。