論文の概要: Active Informative Planning for UAV-based Weed Mapping using Discrete Gaussian Process Representations

• arxiv url: http://arxiv.org/abs/2601.13196v1
• Date: Mon, 19 Jan 2026 16:20:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.846619
• Title: Active Informative Planning for UAV-based Weed Mapping using Discrete Gaussian Process Representations
• Title（参考訳）: 離散ガウス過程表現を用いたUAV型雑草マッピングの能動型計画法
• Authors: Jacob Swindell, Marija Popović, Riccardo Polvara,
• Abstract要約: 情報経路計画(IPP)は、最も必要な場所でデータを適応的に収集する方法を提供する。 GPマッピングは、組込みの不確実性を伴う雑草分布の連続モデルを提供する。 多くの離散化技法が存在するが、離散化選択の影響はいまだに理解されていない。 本稿では,異なるGP表現がUAVを用いた雑草マッピングにおけるマップ品質とミッションレベル性能に与える影響について検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate agricultural weed mapping using unmanned aerial vehicles (UAVs) is crucial for precision farming. While traditional methods rely on rigid, pre-defined flight paths and intensive offline processing, informative path planning (IPP) offers a way to collect data adaptively where it is most needed. Gaussian process (GP) mapping provides a continuous model of weed distribution with built-in uncertainty. However, GPs must be discretised for practical use in autonomous planning. Many discretisation techniques exist, but the impact of discrete representation choice remains poorly understood. This paper investigates how different discrete GP representations influence both mapping quality and mission-level performance in UAV-based weed mapping. Considering a UAV equipped with a downward-facing camera, we implement a receding-horizon IPP strategy that selects sampling locations based on the map uncertainty, travel cost, and coverage penalties. We investigate multiple discretisation strategies for representing the GP posterior and use their induced map partitions to generate candidate viewpoints for planning. Experiments on real-world weed distributions show that representation choice significantly affects exploration behaviour and efficiency. Overall, our results demonstrate that discretisation is not only a representational detail but a key design choice that shapes planning dynamics, coverage efficiency, and computational load in online UAV weed mapping.
• Abstract（参考訳）: 無人航空機(UAV)を用いた精密農業雑草マッピングは,精密農業に不可欠である。 従来の手法は厳密で定義された飛行経路と集中的なオフライン処理に依存しているが、情報経路計画(IPP)は最も必要な場所でデータを適応的に収集する方法を提供する。 ガウス過程(GP)マッピングは、組込みの不確実性を伴う雑草分布の連続モデルを提供する。 しかし、GPは自律計画において実用的な用途のために識別されなければならない。 多くの離散化技法が存在するが、離散化選択の影響はいまだに理解されていない。 本稿では,異なるGP表現がUAVを用いた雑草マッピングにおけるマップ品質とミッションレベル性能に与える影響について検討する。 下向きカメラを備えたUAVを考慮し、地図の不確実性、旅行コスト、カバーペナルティに基づくサンプリング位置を選択するリリーディングホライゾンIPP戦略を実装した。 GP後部を表現するための複数の離散化戦略について検討し、その誘導マップ分割を用いて計画のための候補視点を生成する。 実世界の雑草分布の実験では、表現の選択が探索行動と効率に大きな影響を及ぼすことが示された。 総じて, 離散化は表現的詳細であるだけでなく, オンラインUAV雑草マッピングにおける計画力学, カバレッジ効率, 計算負荷を形作る重要な設計選択であることを示す。

関連論文リスト

• MapDiffusion: Generative Diffusion for Vectorized Online HD Map Construction and Uncertainty Estimation in Autonomous Driving [24.962900390344235]
  自律運転はセンサデータから静的環境を理解する必要がある。 伝統的な地図構築モデルは決定論的点推定を提供する。 本研究では,ベクトル化可能な地図の完全な分布を学習する新しい生成手法であるMapDiffusionを提案する。
  論文  参考訳（メタデータ） (2025-07-29T01:16:40Z)
• Unified Linear Parametric Map Modeling and Perception-aware Trajectory Planning for Mobile Robotics [1.7495208770207367]
  本稿では,高次元空間にデータをマッピングする軽量な線形パラメトリックマップを提案する。 UAVでは,Euclidean Signed Distance Field (ESDF) マップを用いた。 UGVでは、モデルは地形を特徴づけ、クローズドフォーム勾配を提供し、オンラインプランニングによって大きな穴を回避できる。
  論文  参考訳（メタデータ） (2025-07-12T16:39:19Z)
• Discrete Gaussian Process Representations for Optimising UAV-based Precision Weed Mapping [2.1374208474242815]
  本研究では,UAVを用いた雑草マッピングのための5つの離散化手法を比較した。 実世界の雑草分布の評価は、視覚的類似性、平均二乗誤差(MSE)、計算効率を測定する。 結果から、クワッドツリーは全体的なパフォーマンスが最も優れていますが、特定のシナリオでは代替手段が優れています。
  論文  参考訳（メタデータ） (2025-03-10T11:50:15Z)
• PPT: Pretraining with Pseudo-Labeled Trajectories for Motion Forecasting [90.47748423913369]
  最先端のモーション予測モデルは、手動で注釈を付けたり、非常に後処理されたトラジェクトリを備えた、大規模なキュレートされたデータセットに依存している。 PWTはシンプルでスケーラブルな代替手段で、市販の3D検出器とトラッキングから自動生成される、未処理で多様な軌道を使用する。 標準ベンチマーク、特に低データのレシエーション、クロスドメイン、エンドツーエンド、マルチクラスの設定において、強力なパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2024-12-09T13:48:15Z)
• Online Map Vectorization for Autonomous Driving: A Rasterization Perspective [58.71769343511168]
  より優れた感度を有し,現実の自律運転シナリオに適した,新化に基づく評価指標を提案する。 また、精度の高い出力に微分可能化を適用し、HDマップの幾何学的監視を行う新しいフレームワークであるMapVR(Map Vectorization via Rasterization)を提案する。
  論文  参考訳（メタデータ） (2023-06-18T08:51:14Z)
• DDP: Diffusion Model for Dense Visual Prediction [71.55770562024782]
  本研究では,条件付き拡散パイプラインに基づく高密度視覚予測のための,シンプルで効率的かつ強力なフレームワークを提案する。 DDPと呼ばれるこの手法は、デノナイジング拡散過程を現代の知覚パイプラインに効率的に拡張する。 DDPは、従来の単段階識別法とは対照的に、動的推論や不確実性認識などの魅力的な特性を示す。
  論文  参考訳（メタデータ） (2023-03-30T17:26:50Z)
• PANet: Perspective-Aware Network with Dynamic Receptive Fields and Self-Distilling Supervision for Crowd Counting [63.84828478688975]
  本稿では,視点問題に対処するため,PANetと呼ばれる新しい視点認識手法を提案する。 対象物のサイズが視点効果によって1つの画像で大きく変化するという観測に基づいて,動的受容場(DRF)フレームワークを提案する。 このフレームワークは、入力画像に応じて拡張畳み込みパラメータによって受容野を調整することができ、モデルが各局所領域についてより識別的な特徴を抽出するのに役立つ。
  論文  参考訳（メタデータ） (2021-10-31T04:43:05Z)
• UAV Path Planning using Global and Local Map Information with Deep Reinforcement Learning [16.720630804675213]
  本研究は, 深部強化学習(DRL)に基づく自律型UAV経路計画法を提案する。 我々は、UAVの目標は、データ収集(DH)への関心領域を調査することであり、UAVは分散IoT(Internet of Things)センサーデバイスからデータを収集することである。 環境の構造化マップ情報を活用することで、異なるミッションシナリオで同一のアーキテクチャを持つ二重深度Q-networks(DDQN)を訓練する。
  論文  参考訳（メタデータ） (2020-10-14T09:59:10Z)

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。