論文の概要: Hybrid F' and ROS2 Architecture for Vision-Based Autonomous Flight: Design and Experimental Validation

• arxiv url: http://arxiv.org/abs/2602.15398v1
• Date: Tue, 17 Feb 2026 07:12:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.506121
• Title: Hybrid F' and ROS2 Architecture for Vision-Based Autonomous Flight: Design and Experimental Validation
• Title（参考訳）: ビジョンベース自律飛行のためのハイブリッドF'とROS2アーキテクチャ:設計と実験検証
• Authors: Abdelrahman Metwally, Monijesu James, Aleksey Fedoseev, Miguel Altamirano Cabrera, Dzmitry Tsetserukou, Andrey Somov,
• Abstract要約: 本稿では,NASAのF'フライトソフトウェアフレームワークとROS2のプロトコルバッファブリッジによる統合システムを提案する。 視覚に基づくナビゲーションを用いて,32.25分間の室内四極子飛行試験によりアーキテクチャを評価する。
• 参考スコア（独自算出の注目度）: 2.8845728740932794
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Autonomous aerospace systems require architectures that balance deterministic real-time control with advanced perception capabilities. This paper presents an integrated system combining NASA's F' flight software framework with ROS2 middleware via Protocol Buffers bridging. We evaluate the architecture through a 32.25-minute indoor quadrotor flight test using vision-based navigation. The vision system achieved 87.19 Hz position estimation with 99.90\% data continuity and 11.47 ms mean latency, validating real-time performance requirements. All 15 ground commands executed successfully with 100 % success rate, demonstrating robust F'--PX4 integration. System resource utilization remained low (15.19 % CPU, 1,244 MB RAM) with zero stale telemetry messages, confirming efficient operation on embedded platforms. Results validate the feasibility of hybrid flight-software architectures combining certification-grade determinism with flexible autonomy for autonomous aerial vehicles.
• Abstract（参考訳）: 自律型航空宇宙システムは、決定論的リアルタイム制御と高度な知覚能力のバランスをとるアーキテクチャを必要とする。 本稿では,NASAのF'フライトソフトウェアフレームワークと,Protocol BuffersのブリッジングによるROS2ミドルウェアを組み合わせた統合システムを提案する。 視覚に基づくナビゲーションを用いて,32.25分間の室内四極子飛行試験によりアーキテクチャを評価する。 ビジョンシステムは、99.90\%のデータ連続性と11.47msの平均遅延で87.19Hzの位置推定を達成し、リアルタイムのパフォーマンス要求を検証した。 15の接地コマンドはすべて100パーセントの成功率で実行され、堅牢なF'--PX4統合が実証された。 システムリソースの利用は低かった(15.19 % CPU、1,244 MB RAM)。 自動飛行車両における認証グレード決定とフレキシブルな自律性を組み合わせたハイブリッド飛行ソフトウェアアーキテクチャの実現可能性を検証する。

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)
• aerial-autonomy-stack -- a Faster-than-real-time, Autopilot-agnostic, ROS2 Framework to Simulate and Deploy Perception-based Drones [0.3262230127283452]
  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。
  論文  参考訳（メタデータ） (2026-02-06T23:29:33Z)
• Self-Supervised Learning to Fly using Efficient Semantic Segmentation and Metric Depth Estimation for Low-Cost Autonomous UAVs [5.602128292727329]
  本稿では,制御室内環境下での小型UAVのための視覚のみの自律飛行システムを提案する。 このシステムは、セマンティックセグメンテーションと単眼深度推定を組み合わせることで、障害物回避、シーン探索、自律型安全な着陸操作を可能にする。 鍵となる革新は適応スケールファクターアルゴリズムであり、非メトリックな単眼深度予測を正確な距離測定に変換する。
  論文  参考訳（メタデータ） (2025-10-18T19:35:17Z)
• ASTREA: Introducing Agentic Intelligence for Orbital Thermal Autonomy [51.56484100374058]
  ASTREAは、自律的な宇宙船運用のためのフライト・ヘリテージ・ハードウェア上で実行される最初のエージェント・システムである。 我々は,資源制約付き大規模言語モデル(LLM)エージェントと強化学習コントローラを,空間対応プラットフォームに適した非同期アーキテクチャに統合する。
  論文  参考訳（メタデータ） (2025-09-16T08:52:13Z)
• UAV Individual Identification via Distilled RF Fingerprints-Based LLM in ISAC Networks [60.16924915676577]
  無人航空機(UAV)個人識別は、低高度統合センシング通信(ISAC)ネットワークにおける重要なセキュリティ監視戦略である。 UAVID識別のための新しい動的知識蒸留(KD)対応無線周波数指紋大言語モデル(RFF-LLM)を提案する。 実験結果から,提案フレームワークは,0.15万のパラメータと2.74ミリ秒の応答時間で,98.38%のID識別精度を実現していることがわかった。
  論文  参考訳（メタデータ） (2025-08-18T03:14:44Z)
• Efficient Real-Time Aircraft ETA Prediction via Feature Tokenization Transformer [17.277512318874457]
  航空機の到着時刻(ETA)は航空機の到着管理に不可欠である。 本研究では,特徴トークン化に基づくトランスフォーマーモデルを用いて,航空機のETAを効率的に予測する。 データサンプリングレート1HZでは、ETA予測が毎秒更新される。
  論文  参考訳（メタデータ） (2025-07-31T03:56:30Z)
• Ultra-low Power Deep Learning-based Monocular Relative Localization Onboard Nano-quadrotors [64.68349896377629]
  この研究は、2つのピアナノドロンのディープニューラルネットワーク(DNN)を介して、単分子の相対的な局所化に対処する、新しい自律的なエンドツーエンドシステムを示す。 超制約ナノドローンプラットフォームに対処するため,データセットの増大,量子化,システム最適化などを含む垂直統合フレームワークを提案する。 実験の結果,DNNは低分解能モノクローム画像のみを用いて最大2mの距離で10cmのターゲットナノドローンを正確に局在させることができることがわかった。
  論文  参考訳（メタデータ） (2023-03-03T14:14:08Z)
• Towards a Fully Autonomous UAV Controller for Moving Platform Detection and Landing [2.7909470193274593]
  移動プラットフォームに着陸するための無人無人無人無人着陸システムを提案する。 提案システムはカメラセンサのみに依存し,可能な限り軽量に設計されている。 このシステムは目標の中心から平均15cmずれて40回の着陸試験を行った。
  論文  参考訳（メタデータ） (2022-09-30T09:16:04Z)
• Edge YOLO: Real-Time Intelligent Object Detection System Based on Edge-Cloud Cooperation in Autonomous Vehicles [5.295478084029605]
  本稿では,エッジクラウド協調と再構成畳み込みニューラルネットワークに基づくオブジェクト検出(OD)システムを提案する。 このシステムは、クラウドコンピューティングリソースの計算能力と不均一な分散への過度な依存を効果的に回避することができる。 我々は,COCO 2017 および KITTI データセットにおける Edge YOLO の信頼性と効率を実験的に実証した。
  論文  参考訳（メタデータ） (2022-05-30T09:16:35Z)
• Deep Learning for Real Time Satellite Pose Estimation on Low Power Edge TPU [58.720142291102135]
  本稿では,ニューラルネットワークアーキテクチャを利用したポーズ推定ソフトウェアを提案する。 我々は、低消費電力の機械学習アクセラレーターが宇宙での人工知能の活用を可能にしていることを示す。
  論文  参考訳（メタデータ） (2022-04-07T08:53:18Z)
• EAutoDet: Efficient Architecture Search for Object Detection [110.99532343155073]
  EAutoDetフレームワークは、1.4GPU日でオブジェクト検出のための実用的なバックボーンとFPNアーキテクチャを検出できる。 本稿では,一方のエッジ上での候補演算の重みを共有し,それらを一つの畳み込みに集約することでカーネル再利用手法を提案する。 特に、発見されたアーキテクチャは最先端のオブジェクト検出NAS法を超越し、120 FPSで40.1 mAP、49.2 mAP、41.3 FPSをCOCOテストデブセットで達成している。
  論文  参考訳（メタデータ） (2022-03-21T05:56:12Z)

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。