論文の概要: Autonomous Navigation at the Nano-Scale: Algorithms, Architectures, and Constraints
- arxiv url: http://arxiv.org/abs/2601.13252v2
- Date: Wed, 04 Feb 2026 12:08:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:40.850059
- Title: Autonomous Navigation at the Nano-Scale: Algorithms, Architectures, and Constraints
- Title（参考訳）: ナノスケールでの自律ナビゲーション:アルゴリズム、アーキテクチャ、制約
- Authors: Mahmud S. Zango, Jianglin Lan,
- Abstract要約: 本稿では,ナノUAVのセンサ,コンピューティング,制御アーキテクチャの最先端を概説する。
我々は、古典幾何学に基づく手法から新しい「エッジAI」パラダイムへの移行を批判的に分析する。
- 参考スコア（独自算出の注目度）: 3.8673630752805437
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autonomous navigation for nano-scale unmanned aerial vehicles (nano-UAVs) is governed by extreme Size, Weight, and Power (SWaP) constraints (with the weight < 50 g and sub-100 mW onboard processor), distinguishing it fundamentally from standard robotic paradigms. This review synthesizes the state-of-the-art in sensing, computing, and control architectures designed specifically for these sub- 100mW computational envelopes. We critically analyse the transition from classical geometry-based methods to emerging "Edge AI" paradigms, including quantized deep neural networks deployed on ultra-low-power System-on-Chips (SoCs) and neuromorphic event-based control. Beyond algorithms, we evaluate the hardware-software co-design requisite for autonomy, covering advancements in dense optical flow, optimized Simultaneous Localization and Mapping (SLAM), and learning-based flight control. While significant progress has been observed in visual navigation and relative pose estimation, our analysis reveals persistent gaps in long-term endurance, robust obstacle avoidance in dynamic environments, and the "Sim-to-Real" transfer of reinforcement learning policies. This survey provides a roadmap for bridging these gaps, advocating for hybrid architectures that fuse lightweight classical control with data-driven perception to enable fully autonomous, agile nano-UAVs in GPS-denied environments.
- Abstract（参考訳）: ナノスケール無人航空機(ナノUAV)の自律航法は、(50g以下の重量と100mW以下の搭載プロセッサを備えた)極端なサイズ、重量、パワー(SWaP)の制約によって制御され、標準的なロボットのパラダイムと根本的に区別される。
本稿では,100mW以下の計算エンベロープに特化して設計されたセンサ,コンピューティング,制御アーキテクチャの現状を概説する。
我々は、超低消費電力のSystem-on-Chips(SoC)上に展開される量子化されたディープニューラルネットワークや、ニューロモルフィックなイベントベース制御など、古典的な幾何学的手法から新しい「エッジAI」パラダイムへの移行を批判的に分析する。
アルゴリズム以外にも、ハードウェアとソフトウェアの共同設計の自律性、高密度光フローの進歩、同時局所化とマッピング(SLAM)の最適化、学習ベースの飛行制御などを評価する。
視覚ナビゲーションや相対的なポーズ推定では大きな進歩が見られたが、我々の分析では、長期的持続性、動的環境における頑健な障害物回避、強化学習ポリシーの「即時移行」など、永続的なギャップが明らかになっている。
この調査は、これらのギャップを埋めるためのロードマップを提供し、GPSで特定された環境で完全に自律的でアジャイルなナノUAVを可能にするために、データ駆動の知覚で軽量な古典的なコントロールを融合するハイブリッドアーキテクチャを提唱する。
関連論文リスト
- A Unified Experimental Architecture for Informative Path Planning: from Simulation to Deployment with GuadalPlanner [69.43049144653882]
本稿では,車種別制御から高レベルの意思決定を分離する統一アーキテクチャを提案する。
提案アーキテクチャは、計画、センシング、車両実行の標準化されたインターフェースを定義するGuaralPlannerを通じて実現されている。
論文 参考訳（メタデータ） (2026-02-11T10:02:31Z) - 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) - Neuromorphic Digital-Twin-based Controller for Indoor Multi-UAV Systems Deployment [0.0]
提案アーキテクチャは,クラウドベースコントローラが生成する最適制御信号を学習する個別スパイキングニューラルネットワーク(SNN)を,各UAVに装備する。
システムは複雑な都市環境における高度な形成制御と障害物回避を実現する。
論文 参考訳（メタデータ） (2025-02-12T04:36:53Z) - Task-Oriented Real-time Visual Inference for IoVT Systems: A Co-design Framework of Neural Networks and Edge Deployment [61.20689382879937]
タスク指向エッジコンピューティングは、データ分析をエッジにシフトすることで、この問題に対処する。
既存の手法は、高いモデル性能と低いリソース消費のバランスをとるのに苦労している。
ニューラルネットワークアーキテクチャを最適化する新しい協調設計フレームワークを提案する。
論文 参考訳（メタデータ） (2024-10-29T19:02:54Z) - NaviSlim: Adaptive Context-Aware Navigation and Sensing via Dynamic Slimmable Networks [2.145904182587639]
NaviSlimは、コンピューティングとセンサーに費やされるリソース量に適応可能な、ニューラルナビゲーションモデルの新たなクラスである。
NaviSlimは、既存のスリムブルネットワークとは異なり、モデル複雑性を自律的にスケールするためにスリム化要因を動的に選択できるゲートスリムブルニューラルネットワークアーキテクチャとして設計されている。
難易度が異なるシナリオでNaviSlimモデルを評価し, 平均57～92%, 61～80%のセンサ利用率でモデル複雑性を動的に減少させるテストセットを作成した。
論文 参考訳（メタデータ） (2024-05-16T01:18:52Z) - Auto-Train-Once: Controller Network Guided Automatic Network Pruning from Scratch [72.26822499434446]
オートトレインオース (Auto-Train-Once, ATO) は、DNNの計算コストと記憶コストを自動的に削減するために設計された、革新的なネットワークプルーニングアルゴリズムである。
総合的な収束解析と広範な実験を行い,本手法が様々なモデルアーキテクチャにおける最先端性能を実現することを示す。
論文 参考訳（メタデータ） (2024-03-21T02:33:37Z) - Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate
Model Predictive Trajectory Tracking [76.27433308688592]
クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。
本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。
提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
論文 参考訳（メタデータ） (2022-06-07T13:51:35Z) - Evolved neuromorphic radar-based altitude controller for an autonomous
open-source blimp [4.350434044677268]
本稿では,ロボット飛行船のためのSNNに基づく高度制御器を提案する。
また、SNNベースのコントローラアーキテクチャ、シミュレーション環境でネットワークをトレーニングするための進化的フレームワーク、現実とのギャップを改善するための制御戦略も提示する。
論文 参考訳（メタデータ） (2021-10-01T20:48:43Z) - Vision-Based Autonomous Drone Control using Supervised Learning in
Simulation [0.0]
室内環境におけるMAVの自律的ナビゲーションと着陸にSupervised Learningを用いた視覚に基づく制御手法を提案する。
我々は、低解像度画像とセンサー入力を高レベル制御コマンドにマッピングする畳み込みニューラルネットワーク(CNN)を訓練した。
我々のアプローチは、類似の強化学習アプローチよりも短いトレーニング時間を必要としており、匹敵するSupervised Learningアプローチが直面する手動データ収集の限界を克服する可能性がある。
論文 参考訳（メタデータ） (2020-09-09T13:45:41Z) - Control Design of Autonomous Drone Using Deep Learning Based Image
Understanding Techniques [1.0953917735844645]
本稿では,室内の騒音や不確実性を考慮して,自律飛行を行うための制御器の入力として画像を使用する新しい枠組みを提案する。
ノイズの多い環境下でドローン/クワッドコプターの飛行安定性を向上させるために, 微分フィルタを用いた新しいPIDA制御を提案する。
論文 参考訳（メタデータ） (2020-04-27T15:50:04Z)
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。