論文の概要: AsterNav: Autonomous Aerial Robot Navigation In Darkness Using Passive Computation

• arxiv url: http://arxiv.org/abs/2601.17550v2
• Date: Thu, 29 Jan 2026 18:09:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.939909
• Title: AsterNav: Autonomous Aerial Robot Navigation In Darkness Using Passive Computation
• Title（参考訳）: AsterNav:パッシブ計算による暗黒空間での自律飛行ロボットナビゲーション
• Authors: Deepak Singh, Shreyas Khobragade, Nitin J. Sanket,
• Abstract要約: Infra-Red(IR)単眼カメラと大口径の符号化レンズと、GPSやモーションキャプチャなどの外部インフラを使わずに構造光を組み合わせることで、暗闇の中でのナビゲーションを可能にする自律飛行ロボットを提案する。 AsterNetはNVIDIA Jetson Orin$textTM$ Nanoで20Hzで動作する。
• 参考スコア（独自算出の注目度）: 7.194266824918107
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autonomous aerial navigation in absolute darkness is crucial for post-disaster search and rescue operations, which often occur from disaster-zone power outages. Yet, due to resource constraints, tiny aerial robots, perfectly suited for these operations, are unable to navigate in the darkness to find survivors safely. In this paper, we present an autonomous aerial robot for navigation in the dark by combining an Infra-Red (IR) monocular camera with a large-aperture coded lens and structured light without external infrastructure like GPS or motion-capture. Our approach obtains depth-dependent defocus cues (each structured light point appears as a pattern that is depth dependent), which acts as a strong prior for our AsterNet deep depth estimation model. The model is trained in simulation by generating data using a simple optical model and transfers directly to the real world without any fine-tuning or retraining. AsterNet runs onboard the robot at 20 Hz on an NVIDIA Jetson Orin$^\text{TM}$ Nano. Furthermore, our network is robust to changes in the structured light pattern and relative placement of the pattern emitter and IR camera, leading to simplified and cost-effective construction. We successfully evaluate and demonstrate our proposed depth navigation approach AsterNav using depth from AsterNet in many real-world experiments using only onboard sensing and computation, including dark matte obstacles and thin ropes (diameter 6.25mm), achieving an overall success rate of 95.5% with unknown object shapes, locations and materials. To the best of our knowledge, this is the first work on monocular, structured-light-based quadrotor navigation in absolute darkness.
• Abstract（参考訳）: 絶対暗黒における自律的な航空航法は、災害時停電によってしばしば起こる災害後の捜索・救助活動に不可欠である。 しかし、資源の制約により、これらの操作に完全に適した小型の空中ロボットは、暗闇の中を移動して生存者を安全に見つけることができない。 本稿では、赤外線単眼カメラと大口径符号化レンズと、GPSやモーションキャプチャーなどの外部インフラを使わずに構造光を組み合わせ、暗闇の中でのナビゲーションを可能にする自律飛行ロボットを提案する。 提案手法は,アスターネット深度推定モデルにおいて強い先行となる深度依存性デフォーカス手がかり(各構造光点が深度依存性のパターンとして現れる)を得る。 このモデルは、単純な光学モデルを用いてデータを生成し、微調整や再訓練をせずに直接現実世界に転送することで、シミュレーションで訓練される。 AsterNetはNVIDIA Jetson Orin$^\text{TM}$ Nanoで20Hzで動作する。 さらに,本ネットワークは,パターンエミッタと赤外線カメラの相対配置と構造パターンの変化に頑健であり,簡易で費用対効果の高い構成となっている。 提案した深度航法アプローチであるAsterNavを,ダークマット障害物や細いロープ(直径6.25mm)を含む実世界の多くの実験において,AsterNetの深度を用いて評価し,実験を行った。 私たちの知る限りでは、これは絶対暗黒における単分子構造に基づく四角形航法に関する最初の研究である。

関連論文リスト

• Real-Time Glass Detection and Reprojection using Sensor Fusion Onboard Aerial Robots [9.34137124377529]
  透明な障害物は、信頼性の高いナビゲーションとマッピングに重大な課題をもたらします。 本稿では,300g以下の4乗子上での透明な障害物の検出とマッピングのための,新しい計算効率の高いフレームワークを提案する。 提案手法は,カスタム2次元畳み込みモデルを用いて,Time-of-Flight(ToF)カメラと超音波センサのデータを融合する。 パイプライン全体がリアルタイムで動作し、組み込みプロセッサ上のCPUコアのごく一部しか利用できない。
  論文  参考訳（メタデータ） (2025-10-07T23:31:45Z)
• 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)
• Enhancing Autonomous Navigation by Imaging Hidden Objects using Single-Photon LiDAR [12.183773707869069]
  単一光子LiDARを用いたNon-Line-of-Sight(NLOS)センシングによる視認性の向上と自律ナビゲーションの向上を目的とした新しいアプローチを提案する。 本手法は,マルチバウンス光情報を利用することで,移動ロボットを「隅々まで見る」ことを可能にする。
  論文  参考訳（メタデータ） (2024-10-04T16:03:13Z)
• Radar Fields: Frequency-Space Neural Scene Representations for FMCW Radar [62.51065633674272]
  本稿では,アクティブレーダイメージア用に設計されたニューラルシーン再構成手法であるRadar Fieldsを紹介する。 提案手法では,暗黙的ニューラルジオメトリとリフレクタンスモデルを用いて,暗黙的な物理インフォームドセンサモデルを構築し,生のレーダ測定を直接合成する。 本研究では,密集した車両やインフラを備えた都市景観を含む,多様な屋外シナリオにおける手法の有効性を検証する。
  論文  参考訳（メタデータ） (2024-05-07T20:44:48Z)
• xView3-SAR: Detecting Dark Fishing Activity Using Synthetic Aperture Radar Imagery [52.67592123500567]
  世界の漁業は海洋資源や生態系に大きな脅威をもたらす。 夜間または夜間、全天候下で暗黒船の自動検出が可能となった。 xView3-SARは、Sentinel-1ミッションから得られた1000近い分析可能なSAR画像で構成されている。
  論文  参考訳（メタデータ） (2022-06-02T06:53:45Z)
• Event Guided Depth Sensing [50.997474285910734]
  バイオインスパイアされたイベントカメラ駆動深度推定アルゴリズムを提案する。 提案手法では,イベントカメラが検出したシーン活動に応じて,関心領域を高密度に照明する。 シミュレーションされた自律運転シーケンスと実際の屋内環境におけるアプローチの実現可能性を示す。
  論文  参考訳（メタデータ） (2021-10-20T11:41:11Z)

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。