論文の概要: Drift-Corrected Monocular VIO and Perception-Aware Planning for Autonomous Drone Racing

• arxiv url: http://arxiv.org/abs/2512.20475v1
• Date: Tue, 23 Dec 2025 16:12:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.484838
• Title: Drift-Corrected Monocular VIO and Perception-Aware Planning for Autonomous Drone Racing
• Title（参考訳）: 自律型ドローンレースにおけるドリフト補正モノクロVIOと知覚認識計画
• Authors: Maulana Bisyir Azhari, Donghun Han, Je In You, Sungjun Park, David Hyunchul Shim,
• Abstract要約: アブダビ・オートマチック・レーシング・リーグ (A2RL) x ドローン・チャンピオンズ・リーグ (Drone Champions League) の大会では、1台のカメラと低品質の慣性測定ユニットのみを使用して高速自律型ドローンレースを行う必要がある。 本稿では,選手権のために開発されたシステムについて述べる。 知覚を意識したプランナーは、認識システムのためにゲートを視認するために必要な速度とバランスをとる軌道を生成する。
• 参考スコア（独自算出の注目度）: 4.932181263869029
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Abu Dhabi Autonomous Racing League(A2RL) x Drone Champions League competition(DCL) requires teams to perform high-speed autonomous drone racing using only a single camera and a low-quality inertial measurement unit -- a minimal sensor set that mirrors expert human drone racing pilots. This sensor limitation makes the system susceptible to drift from Visual-Inertial Odometry (VIO), particularly during long and fast flights with aggressive maneuvers. This paper presents the system developed for the championship, which achieved a competitive performance. Our approach corrected VIO drift by fusing its output with global position measurements derived from a YOLO-based gate detector using a Kalman filter. A perception-aware planner generated trajectories that balance speed with the need to keep gates visible for the perception system. The system demonstrated high performance, securing podium finishes across multiple categories: third place in the AI Grand Challenge with top speed of 43.2 km/h, second place in the AI Drag Race with over 59 km/h, and second place in the AI Multi-Drone Race. We detail the complete architecture and present a performance analysis based on experimental data from the competition, contributing our insights on building a successful system for monocular vision-based autonomous drone flight.
• Abstract（参考訳）: アブダビ・オートマチック・レーシング・リーグ(A2RL)xドローンチャンピオンズリーグ(DCL)は、1台のカメラと低品質の慣性測定ユニットだけで高速の自律ドローンレースを行う必要がある。 このセンサーの制限により、システムは視覚慣性オドメトリー (VIO) からのドリフトを受けにくくなり、特にアグレッシブな操縦で長時間の高速飛行を行う。 本稿では,選手権のために開発されたシステムについて述べる。 提案手法は, カルマンフィルタを用いたYOLOを用いたゲート検出器から得られた大域的位置測定により, VIOドリフトを補正した。 知覚を意識したプランナーは、認識システムのためにゲートを視認するために必要な速度とバランスをとる軌道を生成する。 AIグランドチャレンジでは43.2km/hで3位、AIドラッグレースでは59km/hで2位、AIマルチドロンレースでは2位だった。 完全なアーキテクチャを詳述し、コンペからの実験データに基づいてパフォーマンス分析を行い、モノクルビジョンによる自律ドローン飛行のためのシステムを構築する上での私たちの洞察に貢献する。

関連論文リスト

• Vision-only UAV State Estimation for Fast Flights Without External Localization Systems: A2RL Drone Racing Finalist Approach [3.1619810082430977]
  本稿では,単眼RGBカメラとIMUを用いた高速UAVのオンボード状態推定手法を提案する。 提案手法は1600のシミュレーションと多数の実世界の実験を通じて徹底的に検証された。
  論文  参考訳（メタデータ） (2026-02-02T09:32:19Z)
• MonoRace: Winning Champion-Level Drone Racing with Robust Monocular AI [13.099050406993323]
  モノクラー式ローリングシャッターカメラとIMUを用いたドローンレース方式であるMonoRaceを紹介した。 このアプローチでは、ニューラルネットワークベースのゲートセグメンテーションとドローンモデルを組み合わせた堅牢な状態推定が特徴である。 同社は自律ドローンレースの新たなマイルストーンを樹立し、競技コースで最高100km/hに到達した。
  論文  参考訳（メタデータ） (2026-01-21T17:53:29Z)
• Fast and Modular Autonomy Software for Autonomous Racing Vehicles [24.2222961043227]
  インディ・オートマチック・チャレンジ(英語: Indy Autonomous Challenge、IAC)は、自動運転車開発を推進する国際大会である。 本稿は、ITCにおける自動運転レースに対するMIT-Pitt-RWチームのアプローチについて詳述する。 自律的なスタックを構築するために,エージェント検出,動作計画,制御に対するモジュール型かつ高速なアプローチを提案する。
  論文  参考訳（メタデータ） (2024-08-27T21:57:16Z)
• er.autopilot 1.0: The Full Autonomous Stack for Oval Racing at High Speeds [61.91756903900903]
  インディ・オートノラティカル・チャレンジ (IAC) は、オープンホイールのレースカー上で独立して開発されたソフトウェアを使用して、前例のないスピードとヘッド・ツー・ヘッドのシナリオで競う9つの自律レースチームを集めた。 本稿では,チームTII EuroRacing (TII-ER) が使用するソフトウェアアーキテクチャについて述べる。静的障害物を避け,アクティブオーバーテイクを行い,75m/s (270 km/h) 以上の速度に達するために必要なモジュールをすべて網羅する。 総合的な結果と各モジュールのパフォーマンス、および、チームがそれぞれ2番目と3番目を置く楕円軌道上の競技の最初の2つのイベントで学んだ教訓について説明する。
  論文  参考訳（メタデータ） (2023-10-27T12:52:34Z)
• The 7th AI City Challenge [87.23137854688389]
  AIシティチャレンジの第7版では、コンピュータビジョンと人工知能の交差点にある2つのドメインを強調している。 2023年大会には5つのトラックがあり、46カ国508チームからの参加要請が過去最高となった。 参加チームのトップパフォーマンスは強いベースラインを確立し、提案されたチャレンジトラックで最先端の成績を上げました。
  論文  参考訳（メタデータ） (2023-04-15T08:02:16Z)
• Motion Planning and Control for Multi Vehicle Autonomous Racing at High Speeds [100.61456258283245]
  本稿では,自律走行のための多層移動計画と制御アーキテクチャを提案する。 提案手法はダララのAV-21レースカーに適用され、楕円形のレーストラックで25$m/s2$まで加速試験された。
  論文  参考訳（メタデータ） (2022-07-22T15:16:54Z)
• The 6th AI City Challenge [91.65782140270152]
  2022年のAIシティチャレンジの4つのチャレンジトラックは、27カ国254チームからの参加要請を受けた。 参加チームのトップパフォーマンスは強いベースラインを確立し、提案されたチャレンジトラックで最先端の成績を上げました。
  論文  参考訳（メタデータ） (2022-04-21T19:24:17Z)
• The Artificial Intelligence behind the winning entry to the 2019 AI Robotic Racing Competition [5.379463265037841]
  本稿では,第1回AIロボットレーシング(AIRR)サーキットの勝利解を示す。 当社のアプローチは,効率的なディープ・ニューラル・セグメンテーション・ネットワークとアクティブ・ビジョンによるゲート検出に重点を置いている。 私たちのソリューションは最も速く、最も堅牢なものでしたが、優れた人間のパイロットの1人であるGab707に負けました。
  論文  参考訳（メタデータ） (2021-09-30T10:32:23Z)
• AlphaPilot: Autonomous Drone Racing [47.205375478625776]
  このシステムは、2019年のAlphaPilot Challengeという、初の無人ドローンレース世界選手権で成功している。 提案システムは,最大8m/sの速度に達するタイトなレースコースを通じて,ドローンを誘導することに成功した。
  論文  参考訳（メタデータ） (2020-05-26T15:45:05Z)
• AirSim Drone Racing Lab [56.68291351736057]
  AirSim Drone Racing Labは、この領域で機械学習研究を可能にするシミュレーションフレームワークである。 本フレームワークは,複数の写真リアル環境下でのレーストラック生成を可能にする。 当社のフレームワークを使用して,NeurIPS 2019で,シミュレーションベースのドローンレースコンペティションを開催しました。
  論文  参考訳（メタデータ） (2020-03-12T08:06:06Z)

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。