論文の概要: Field evaluation and optimization of a lightweight autonomous lidar-based UAV system based on a rigorous experimental setup in boreal forest environments
- arxiv url: http://arxiv.org/abs/2512.14340v2
- Date: Sat, 31 Jan 2026 10:25:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:40.375487
- Title: Field evaluation and optimization of a lightweight autonomous lidar-based UAV system based on a rigorous experimental setup in boreal forest environments
- Title（参考訳）: 森林環境における厳密な実験装置に基づく軽量自律ライダー型UAVシステムのフィールド評価と最適化
- Authors: Aleksi Karhunen, Teemu Hakala, Väinö Karjalainen, Eija Honkavaara,
- Abstract要約: 本研究では,自律型アンダーキャノピーUAVシステム評価のための標準化された実験装置を提案する。
提案手法は,最先端のオープンソースアルゴリズムを用いた軽量ライダーベースクオータを用いて実証された。
- 参考スコア（独自算出の注目度）: 0.5249805590164902
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Interest in utilizing autonomous uncrewed aerial vehicles (UAVs) for under-canopy forest remote sensing has increased in recent years, resulting in the publication of numerous autonomous flight algorithms in the scientific literature. To support the selection and development of such algorithms, a reliable comparison of existing approaches based on published studies is essential. However, reliable comparisons are currently challenging due to widely varying experimental setups and incomplete reporting practices. This study proposes a standardized experimental setup for evaluating autonomous under-canopy UAV systems to fill this gap. The proposed setup emphasizes quantitative reporting of forest complexity, visual representation of test environments, execution of multiple repeated flights, and reporting of flight success rates alongside qualitative flight results. In addition, flights at multiple target speeds are encouraged, with reporting of realized flight speed, mission completion time, and point-to-point flight distance. The proposed setup is demonstrated using a lightweight lidar-based quadrotor employing state-of-the-art open-source algorithms, evaluated through extensive experiments in two natural boreal forest environments. Based on a systematic evaluation of the original system, several improvements were introduced. The same experimental protocol was then repeated with the optimized system, resulting in a total of 93 real-world flights. The optimized system achieved success rates of 12/15 and 15/15 at target flight speeds of 1 m/s and 2 m/s, respectively, in a medium-difficulty forest, and 12/15 and 5/15 in a difficult forest. Adoption of the proposed experimental setup would facilitate the literature-based comparison of autonomous under-canopy flight systems and support systematic performance improvement of future UAV-based forest robotics solutions.
- Abstract（参考訳）: 近年、無人無人航空機(UAV)の森林リモートセンシングへの関心が高まっており、科学文献に多数の自律飛行アルゴリズムが公表されている。
このようなアルゴリズムの選択と開発を支援するために,既存の研究手法の信頼性比較が不可欠である。
しかし、広く実験的なセットアップや不完全なレポートのプラクティスのために、信頼性の高い比較が現在困難である。
本研究では、このギャップを埋めるために自律型アンダーキャノピーUAVシステムを評価するための標準化された実験装置を提案する。
提案手法は、森林の複雑さの定量的報告、テスト環境の視覚的表現、繰り返し飛行の実施、定性的飛行結果と並行して飛行成功率の報告を強調する。
さらに、複数の目標速度での飛行が奨励され、実現された飛行速度、ミッション完了時間、ポイントツーポイント飛行距離が報告される。
提案手法は,2つの自然環境下での広範囲な実験により評価された,最先端のオープンソースアルゴリズムを用いた軽量ライダーベースクアロータを用いて実証された。
元々のシステムの体系的な評価に基づいて、いくつかの改良が加えられた。
同じ実験的なプロトコルが最適化されたシステムで繰り返され、93回の実際の飛行が行われた。
最適化されたシステムは目標飛行速度1m/s, 2m/sで12/15, 5/15を達成し, 難しい森林では12/15, 5/15を達成できた。
提案された実験装置の採用は、自律型アンダーキャノピー飛行システムの文献に基づく比較を促進し、将来のUAVベースの森林ロボティクスソリューションの体系的な性能向上を支援する。
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) - UAV-enabled Collaborative Beamforming via Multi-Agent Deep Reinforcement Learning [79.16150966434299]
本稿では,UAVを用いた協調ビームフォーミング多目的最適化問題 (UCBMOP) を定式化し,UAVの伝送速度を最大化し,全UAVのエネルギー消費を最小化する。
ヘテロジニアス・エージェント・信頼領域ポリシー最適化(HATRPO)を基本フレームワークとし,改良されたHATRPOアルゴリズム,すなわちHATRPO-UCBを提案する。
論文 参考訳（メタデータ） (2024-04-11T03:19:22Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z) - Q-Learning based system for path planning with unmanned aerial vehicles
swarms in obstacle environments [38.82157836789187]
Q-Learning を利用した強化学習システムを提案する。
これらのパスの目標は、フィールド探索のようなタスクのための固定された障害のある領域の完全なカバレッジを保証することである。
結果は十分であり、システムはより少ない動きの解を得ることができる。
論文 参考訳（メタデータ） (2023-03-30T18:37:34Z) - 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) - Planetary UAV localization based on Multi-modal Registration with
Pre-existing Digital Terrain Model [0.5156484100374058]
我々は,UAV上のナディルビューカメラを用いて,惑星UAVの位置を推定するマルチモーダル登録に基づくSLAMアルゴリズムを提案する。
オンボードUAV画像とプリインストールデジタル地形モデルとのスケールと外観の違いを克服するために,UAV画像とDEMの地形特性がクロスパワースペクトルを介して周波数領域で相関できることを示す理論的モデルを提案した。
提案するローカライゼーションアルゴリズムのロバスト性と有効性をテストするために,惑星探査のための新しいクロスソースドローンベースのローカライゼーションデータセットを提案する。
論文 参考訳（メタデータ） (2021-06-24T02:54:01Z) - An Autonomous Drone for Search and Rescue in Forests using Airborne
Optical Sectioning [0.0]
密閉された森林に完全自律的に人々を発見できる最初のプロトタイプを紹介します。
様々な森林タイプで実施された17のフィールド実験で、ドローンは42人の隠れた人のうち38人を見つけた。
深層学習に基づく人物分類は、1次元合成開口内でのスパースや誤差の少ないサンプリングでは影響を受けない。
論文 参考訳（メタデータ） (2021-05-10T13:05:22Z) - Efficient UAV Trajectory-Planning using Economic Reinforcement Learning [65.91405908268662]
UAV間でタスクを分散するための経済取引に触発された新しい強化学習アルゴリズムであるREPlannerを紹介します。
エージェントが協力し、リソースを競うことができるマルチエージェント経済ゲームとして、パス計画問題を策定します。
UAV協力によるタスク分布の計算を行うため、Swarmサイズの変化に対して非常に耐性が高い。
論文 参考訳（メタデータ） (2021-03-03T20:54:19Z) - 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) - Learning in the Sky: An Efficient 3D Placement of UAVs [0.8399688944263842]
本稿では,地上のセルネットワークをダウンリンクで支援するUAVの3次元展開のための学習機構を提案する。
この問題は、満足度のあるUAV間での非協調ゲームとしてモデル化されている。
この問題を解決するために,不満足なUAVが学習アルゴリズムに基づいて位置情報を更新する,低複雑性アルゴリズムを用いる。
論文 参考訳（メタデータ） (2020-03-02T15:16:00Z)
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。