論文の概要: aerial-autonomy-stack -- a Faster-than-real-time, Autopilot-agnostic, ROS2 Framework to Simulate and Deploy Perception-based Drones

• arxiv url: http://arxiv.org/abs/2602.07264v1
• Date: Fri, 06 Feb 2026 23:29:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-10 20:26:24.537824
• Title: aerial-autonomy-stack -- a Faster-than-real-time, Autopilot-agnostic, ROS2 Framework to Simulate and Deploy Perception-based Drones
• Title（参考訳）: Aero-autonomy-stack -- 知覚に基づくドローンをシミュレートし、デプロイするための、より高速で、オートパイロットに依存しないROS2フレームワーク
• Authors: Jacopo Panerati, Sina Sajjadi, Sina Soleymanpour, Varunkumar Mehta, Iraj Mantegh,
• Abstract要約: 我々は、パイプラインを(GPUアクセラレーションによる)知覚から(フライトコントローラベースの)アクションへ合理化するように設計された、オープンソースのエンドツーエンドフレームワークであるAero-autonomy-stackを紹介した。 完全な開発とデプロイメントスタックの,20倍以上の高速,エンドツーエンドのシミュレーションをサポートしています。
• 参考スコア（独自算出の注目度）: 0.3262230127283452
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Unmanned aerial vehicles are rapidly transforming multiple applications, from agricultural and infrastructure monitoring to logistics and defense. Introducing greater autonomy to these systems can simultaneously make them more effective as well as reliable. Thus, the ability to rapidly engineer and deploy autonomous aerial systems has become of strategic importance. In the 2010s, a combination of high-performance compute, data, and open-source software led to the current deep learning and AI boom, unlocking decades of prior theoretical work. Robotics is on the cusp of a similar transformation. However, physical AI faces unique hurdles, often combined under the umbrella term "simulation-to-reality gap". These span from modeling shortcomings to the complexity of vertically integrating the highly heterogeneous hardware and software systems typically found in field robots. To address the latter, we introduce aerial-autonomy-stack, an open-source, end-to-end framework designed to streamline the pipeline from (GPU-accelerated) perception to (flight controller-based) action. Our stack allows the development of aerial autonomy using ROS2 and provides a common interface for two of the most popular autopilots: PX4 and ArduPilot. We show that it supports over 20x faster-than-real-time, end-to-end simulation of a complete development and deployment stack -- including edge compute and networking -- significantly compressing the build-test-release cycle of perception-based autonomy.
• Abstract（参考訳）: 無人航空機は、農業やインフラの監視から物流や防衛まで、急速に複数の用途に転換している。 これらのシステムにより大きな自律性を導入することは、それらをより効果的かつ信頼性のあるものにする。 このように、自律飛行システムの迅速な設計と展開能力は、戦略的に重要なものとなっている。 2010年代には、高性能計算、データ、オープンソースソフトウェアの組み合わせにより、現在のディープラーニングとAIブームが生まれ、何十年も前からの理論的な作業が解き放たれた。 ロボティクスは、同様の変革の原動力だ。 しかし、物理AIはユニークなハードルに直面し、しばしば「シミュレーションと現実のギャップ」という傘で組み合わせられる。 これらはモデリングの欠点から、フィールドロボットで一般的に見られる高度に異質なハードウェアとソフトウェアシステムを垂直に統合する複雑さまで様々である。 後者に対処するため、我々は、パイプラインを(GPUアクセラレーションによる)知覚から(飛行制御に基づく)アクションへの合理化を目的とした、オープンソースのエンドツーエンドフレームワークであるAero-autonomy-stackを紹介した。 当社のスタックは、ROS2を使用した航空自律性の開発を可能にし、最も人気のある2つのオートパイロット(PX4とArduPilot)の共通インターフェースを提供する。 私たちは、エッジコンピューティングやネットワークを含む完全な開発とデプロイメントスタックの20倍高速でエンドツーエンドのシミュレーションをサポートし、認識ベースの自律性のビルド-テスト-リリースサイクルを著しく圧縮していることを示しています。

関連論文リスト

• A Unified AI, Embedded, Simulation, and Mechanical Design Approach to an Autonomous Delivery Robot [0.0]
  本稿では,機械工学,組込みシステム,人工知能を統合した完全自律配送ロボットの開発について述べる。 プラットフォームは異種コンピューティングアーキテクチャを採用し、RPi 5とROS 2はAIベースの認識と経路計画を扱う。 機械設計は、精密なモーター選択と材料工学を通じてペイロード容量と移動性に最適化された。
  論文  参考訳（メタデータ） (2025-12-26T23:39:54Z)
• Generative Diffusion-based Contract Design for Efficient AI Twins Migration in Vehicular Embodied AI Networks [55.15079732226397]
  Embodied AIは、サイバースペースと物理空間のギャップを埋める、急速に進歩する分野だ。 VEANETでは、組み込まれたAIツインが車載AIアシスタントとして機能し、自律運転をサポートするさまざまなタスクを実行する。
  論文  参考訳（メタデータ） (2024-10-02T02:20:42Z)
• Autonomous Vehicle Controllers From End-to-End Differentiable Simulation [57.278726604424556]
  そこで我々は,AVコントローラのトレーニングにAPG(analytic Policy gradients)アプローチを適用可能なシミュレータを提案し,その設計を行う。 提案するフレームワークは, エージェントがより根底的なポリシーを学ぶのを助けるために, 環境力学の勾配を役立てる, エンド・ツー・エンドの訓練ループに, 微分可能シミュレータを組み込む。 ダイナミクスにおけるパフォーマンスとノイズに対する堅牢性の大幅な改善と、全体としてより直感的なヒューマンライクな処理が見られます。
  論文  参考訳（メタデータ） (2024-09-12T11:50:06Z)
• RoboScript: Code Generation for Free-Form Manipulation Tasks across Real and Simulation [77.41969287400977]
  本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。 自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。 我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
  論文  参考訳（メタデータ） (2024-02-22T15:12:00Z)
• Autonomous Aerial Robot for High-Speed Search and Intercept Applications [86.72321289033562]
  高速物体把握のための完全自律飛行ロボットが提案されている。 追加のサブタスクとして、我々のシステムは、表面に近い極にある気球を自律的にピアスすることができる。 我々のアプローチは、挑戦的な国際競争で検証され、優れた結果が得られました。
  論文  参考訳（メタデータ） (2021-12-10T11:49:51Z)
• Exploration of AI-Oriented Power System Transient Stability Simulations [2.182997852215525]
  将来の電力系統の過渡安定シミュレーションがAIと深く統合されることは予測できる。 既存の電力システムの動的シミュレーションツールは、AIフレンドリーではない。 AI指向の電力系統過渡安定シミュレータの汎用設計を提案する。
  論文  参考訳（メタデータ） (2021-10-03T06:01:45Z)
• Tackling Variabilities in Autonomous Driving [15.374442918002813]
  可変性のある自動運転タスクのためのハードウェア基板を提供するために、新しい異種マルチコアAIアクセラレータ(HMAI)を提案します。 また,タスクマッピング問題を解決するために,深層強化学習(RL)に基づくタスクスケジューリング機構FlexAIを提案する。
  論文  参考訳（メタデータ） (2021-04-21T08:51:40Z)
• Machine Learning-Based Automated Design Space Exploration for Autonomous Aerial Robots [55.056709056795206]
  自律飛行ロボットのためのドメイン固有のアーキテクチャの構築は、オンボードコンピューティングを設計するための体系的な方法論が欠如しているため、難しい。 F-1ルーフラインと呼ばれる新しいパフォーマンスモデルを導入し、アーキテクトがバランスの取れたコンピューティングシステムを構築する方法を理解するのを助ける。 サイバー物理設計空間を自動でナビゲートするために、AutoPilotを導入します。
  論文  参考訳（メタデータ） (2021-02-05T03:50:54Z)
• Cloud2Edge Elastic AI Framework for Prototyping and Deployment of AI Inference Engines in Autonomous Vehicles [1.688204090869186]
  本稿では、ディープラーニングモジュールに基づく自律運転アプリケーションのためのAI推論エンジンを開発するための新しいフレームワークを提案する。 我々は,ソフトウェア・イン・ザ・ループ(SiL)パラダイムに従って,クラウド上でプロトタイピングを行うAIコンポーネント開発サイクルに対して,シンプルでエレガントなソリューションを導入する。 提案フレームワークの有効性は,自律走行車用AI推論エンジンの2つの実例を用いて実証した。
  論文  参考訳（メタデータ） (2020-09-23T09:23:29Z)

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。