論文の概要: From Bench to Flight: Translating Drone Impact Tests into Operational Safety Limits

• arxiv url: http://arxiv.org/abs/2602.05922v1
• Date: Thu, 05 Feb 2026 17:34:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.205493
• Title: From Bench to Flight: Translating Drone Impact Tests into Operational Safety Limits
• Title（参考訳）: ベンチからフライトまで:ドローンの衝突試験を運用上の安全限度に翻訳する
• Authors: Aziz Mohamed Mili, Louis Catar, Paul Gérard, Ilyass Tabiai, David St-Onge,
• Abstract要約: 私たちは、ベンチトップ衝突試験をドローンのデプロイ可能な安全管理者に変換する、エンドツーエンドでオープンなツールチェーンを提示します。 我々は,プリインパクト速度をインパルスと接触時間にマッピングし,目標力限界に対する速度境界の直接計算を可能にするデータ駆動モデルを提案する。 私たちの貢献は、測定された影響から実行時限界までの実践的なブリッジであり、共有可能なデータセット、コード、チームが人間の近くの屋内MAV操作を認証するために適用可能な反復可能なプロセスがあります。
• 参考スコア（独自算出の注目度）: 0.8808021343665319
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Indoor micro-aerial vehicles (MAVs) are increasingly used for tasks that require close proximity to people, yet practitioners lack practical methods to tune motion limits based on measured impact risk. We present an end-to-end, open toolchain that converts benchtop impact tests into deployable safety governors for drones. First, we describe a compact and replicable impact rig and protocol for capturing force-time profiles across drone classes and contact surfaces. Second, we provide data-driven models that map pre-impact speed to impulse and contact duration, enabling direct computation of speed bounds for a target force limit. Third, we release scripts and a ROS2 node that enforce these bounds online and log compliance, with support for facility-specific policies. We validate the workflow on multiple commercial off-the-shelf quadrotors and representative indoor assets, demonstrating that the derived governors preserve task throughput while meeting force constraints specified by safety stakeholders. Our contribution is a practical bridge from measured impacts to runtime limits, with shareable datasets, code, and a repeatable process that teams can adopt to certify indoor MAV operations near humans.
• Abstract（参考訳）: 室内マイクロ空力車(MAV)は、人間に近づきやすい作業にますます利用されているが、実践者は、測定された衝撃リスクに基づいて運動制限を調整するための実践的な方法が欠けている。 私たちは、ベンチトップ衝突試験をドローンのデプロイ可能な安全管理者に変換する、エンドツーエンドでオープンなツールチェーンを提示します。 まず,小型で再現可能な衝撃リグと,ドローンクラスと接触面をまたいだ力時間プロファイルの取得プロトコルについて述べる。 第2に、プリインパクト速度をインパルスと接触時間にマッピングするデータ駆動モデルを提供し、目標力限界に対する速度境界の直接計算を可能にする。 第3に,これらのバウンダリをオンラインおよびログコンプライアンスに強制するスクリプトとROS2ノードをリリースし,施設固有のポリシをサポートします。 本研究は,複数の市販の四角形部品および屋内資産のワークフローを検証し,安全ステークホルダーが規定する力の制約を満たしながら,由来の知事が作業のスループットを維持できることを実証する。 私たちの貢献は、測定された影響から実行時限界までの実践的なブリッジであり、共有可能なデータセット、コード、チームが人間の近くの屋内MAVオペレーションを認定するための繰り返し可能なプロセスがあります。

関連論文リスト

• Pro-HOI: Perceptive Root-guided Humanoid-Object Interaction [57.252599851031505]
  本稿では,知覚根誘導型ヒューマノイドオブジェクトインタラクション,Pro-HOIを紹介する。 Pro-HOIは、堅牢なヒューマノイドロコ操作のための一般化可能なフレームワークである。 ユニツリーG1ロボットの実証検証は、Pro-HOIが一般化と堅牢性においてベースラインを著しく上回っていることを示す。
  論文  参考訳（メタデータ） (2026-03-01T14:19:59Z)
• Constraining Streaming Flow Models for Adapting Learned Robot Trajectory Distributions [10.615762867055677]
  Streaming Flow Policies (SFPs) は,学習速度場をアクション空間に直接統合することにより,ロボット軌道を生成するための強力なパラダイムとして登場した。 本研究では,ストリーミングフローポリシーを制約に依存したメトリクスで拡張し,実行中に学習速度場を再構築するフレームワークであるConstraint-Aware Streaming Flow (CASF)を提案する。 シミュレーションおよび実世界の操作タスクにおいてCASFを実証し、スムーズで実現可能で、動的に一貫した制約を満たす軌道を生成することを示した。
  論文  参考訳（メタデータ） (2026-02-17T13:27:05Z)
• Attention in Motion: Secure Platooning via Transformer-based Misbehavior Detection [0.6999740786886536]
  車両小隊は、多車編成の調整を通じて、輸送効率と安全性の変革的な改善を約束する。 確率チェックや統計的手法に依存する従来の誤動作検出手法は、偽陽性(FP)率が高い。 Intention In Motion (AIMformer) は、車体プラトンにおけるリアルタイムな誤動作検出に適したトランスフォーマーベースのフレームワークである。
  論文  参考訳（メタデータ） (2025-12-17T14:45:33Z)
• Building a Foundational Guardrail for General Agentic Systems via Synthetic Data [76.18834864749606]
  LLMエージェントは、計画段階で介入するマルチステップタスクを計画できる。 既存のガードレールは主にポスト・エグゼクティブ(英語版)を運用しており、スケーリングが困難であり、計画レベルで制御可能な監督を行う余地がほとんどない。 我々は、良性軌道を合成し、カテゴリーラベル付きリスクを困難に注入し、自動報酬モデルを介して出力をフィルタリングする制御可能なエンジンであるAuraGenを紹介する。
  論文  参考訳（メタデータ） (2025-10-10T18:42:32Z)
• DRIVE Through the Unpredictability:From a Protocol Investigating Slip to a Metric Estimating Command Uncertainty [1.6777716159506137]
  本稿ではDRIVEプロトコルを用いて,スリップ状態空間のシステム識別とキャラクタリゼーションのためのデータの収集を標準化する。 速度指令空間を探索し、地形とロボットの相互作用の到達速度を推定するプロトコルの能力を評価する。 コマンドの不確実性を推定し、デプロイのリスク可能性と重症度を評価するために、予測不可能な指標が提案されている。
  論文  参考訳（メタデータ） (2025-06-19T20:33:33Z)
• Hydra-NeXt: Robust Closed-Loop Driving with Open-Loop Training [64.16445087751039]
  Hydra-NeXtは、軌道予測、制御予測、軌道修正ネットワークを一つのモデルに統合する、新しいマルチブランチ計画フレームワークである。 Hydra-NeXt は22.98 DS と 17.49 SR を上回り、自動運転の大幅な進歩を示している。
  論文  参考訳（メタデータ） (2025-03-15T07:42:27Z)
• Collision Avoidance and Navigation for a Quadrotor Swarm Using End-to-end Deep Reinforcement Learning [8.864432196281268]
  本研究では,障害物のある環境下での四元子群制御のためのエンドツーエンドDRL手法を提案する。 筆者らは, 障害物の多い環境下での性能向上を図るために, 衝突エピソードのカリキュラムと再生バッファを提供する。 我々の研究は、エンドツーエンドDRLで訓練された隣人回避および障害物回避制御ポリシーを学習する可能性を示す最初の研究である。
  論文  参考訳（メタデータ） (2023-09-23T06:56:28Z)
• Implicit Occupancy Flow Fields for Perception and Prediction in Self-Driving [68.95178518732965]
  自動運転車(SDV)は、周囲を認識でき、他の交通参加者の将来の行動を予測できなければならない。 既存の作業は、検出されたオブジェクトの軌跡が続くオブジェクト検出を実行するか、シーン全体の密度の高い占有とフローグリッドを予測するかのいずれかである。 これは、認識と将来の予測に対する統一されたアプローチを動機付け、単一のニューラルネットワークで時間とともに占有とフローを暗黙的に表現します。
  論文  参考訳（メタデータ） (2023-08-02T23:39:24Z)
• Driver Profiling and Bayesian Workload Estimation Using Naturalistic Peripheral Detection Study Data [40.43737902900321]
  性能データを駆動する作業負荷推定の問題に対処する。 心的負荷を誘発する主要な環境要因をビデオ解析により同定する。 教師付き学習フレームワークは、彼らが経験した平均的なワークロードに基づいて、プロファイルドライバに導入される。 ベイズフィルタリング手法は、ドライバーの即時作業負荷である(ほぼ)リアルタイムに逐次推定するために提案される。
  論文  参考訳（メタデータ） (2023-03-26T13:15:44Z)

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。