論文の概要: Chasing Ghosts: A Simulation-to-Real Olfactory Navigation Stack with Optional Vision Augmentation

• arxiv url: http://arxiv.org/abs/2602.19577v1
• Date: Mon, 23 Feb 2026 07:51:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.641168
• Title: Chasing Ghosts: A Simulation-to-Real Olfactory Navigation Stack with Optional Vision Augmentation
• Title（参考訳）: Chasing Ghosts:Optional Vision Augmentationを備えたシミュレーション・トゥ・リアルな嗅覚ナビゲーションスタック
• Authors: Kordel K. France, Ovidiu Daescu, Latifur Khan, Rohith Peddi,
• Abstract要約: 我々は,最小限のセンサスイートを用いたオンライン臭気源位置推定のための,完全なオープンソースUAVシステムを提案する。 このシステムは、カスタムオアアクションハードウェア、オンボードセンシング、およびシミュレーションで訓練された学習ベースのナビゲーションポリシーを統合する。 本研究では,エタノール源を用いた大規模屋内環境における実世界の飛行実験を通じて,提案システムの有効性を検証した。
• 参考スコア（独自算出の注目度）: 6.6890386175384515
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autonomous odor source localization remains a challenging problem for aerial robots due to turbulent airflow, sparse and delayed sensory signals, and strict payload and compute constraints. While prior unmanned aerial vehicle (UAV)-based olfaction systems have demonstrated gas distribution mapping or reactive plume tracing, they rely on predefined coverage patterns, external infrastructure, or extensive sensing and coordination. In this work, we present a complete, open-source UAV system for online odor source localization using a minimal sensor suite. The system integrates custom olfaction hardware, onboard sensing, and a learning-based navigation policy trained in simulation and deployed on a real quadrotor. Through our minimal framework, the UAV is able to navigate directly toward an odor source without constructing an explicit gas distribution map or relying on external positioning systems. Vision is incorporated as an optional complementary modality to accelerate navigation under certain conditions. We validate the proposed system through real-world flight experiments in a large indoor environment using an ethanol source, demonstrating consistent source-finding behavior under realistic airflow conditions. The primary contribution of this work is a reproducible system and methodological framework for UAV-based olfactory navigation and source finding under minimal sensing assumptions. We elaborate on our hardware design and open source our UAV firmware, simulation code, olfaction-vision dataset, and circuit board to the community. Code, data, and designs will be made available at https://github.com/KordelFranceTech/ChasingGhosts.
• Abstract（参考訳）: 自律的な臭源位置決めは、乱気流、スパースと遅延した感覚信号、厳密なペイロードと計算の制約により、空中ロボットにとって難しい問題である。 従来無人航空機(UAV)をベースとしたアルファアクションシステムはガス分布マッピングや反応性プルームトレーシングを実証してきたが、それらは事前に定義されたカバレッジパターン、外部インフラ、広範囲なセンシングと調整に依存している。 本研究では,最小限のセンサスイートを用いたオンライン臭源位置推定のための,完全なオープンソースUAVシステムを提案する。 このシステムは、カスタムオアアクションハードウェア、オンボードセンシング、およびシミュレーションで訓練された学習ベースのナビゲーションポリシーを統合する。 我々の最小限の枠組みを通じて、UAVは、明示的なガス分布マップを構築したり、外部位置決めシステムに依存することなく、臭気源に向かって直接航行することができる。 視覚は、特定の条件下でのナビゲーションを加速するために、オプションの相補的なモダリティとして組み込まれている。 本研究では,エタノール源を用いた大規模屋内環境における実世界の飛行実験を通じて提案システムの有効性を検証し,現実的な気流条件下での一貫したソースフィリング挙動を実証した。 この研究の主な貢献は、UAVベースの嗅覚ナビゲーションとソース発見のための再現可能なシステムと方法論の枠組みである。 ハードウェアの設計と、UAVファームウェア、シミュレーションコード、ウルフアクションビジョンデータセット、および回路基板をオープンソースとしてコミュニティに公開しています。 コード、データ、デザインはhttps://github.com/KordelFranceTech/ChasingGhosts.comで公開される。

関連論文リスト

• Fly, Track, Land: Infrastructure-less Magnetic Localization for Heterogeneous UAV-UGV Teaming [5.61837936726601]
  我々は,軽量UAVの自律的なホバリング,追跡,着陸を可能にする,完全なインフラストラクチャレス磁気誘導型(MI)ローカライゼーションシステムを提案する。 この研究は、超軽量飛行ロボットが地上の無人地上車両の移動認識エージェントとして機能する異種ロボットコラボレーションのビジョンを前進させる。
  論文  参考訳（メタデータ） (2026-03-09T20:52:51Z)
• Beyond Ground: Map-Free LiDAR Relocalization for UAVs [33.32926994694318]
  地図のないLiDAR再ローカライゼーションは、弱い信号や不利用可能な信号を持つ環境で高精度な位置決めを実現するための有効なソリューションである。 我々は、UAVのための新しい地図のないLiDAR再ローカライズフレームワークであるMAILSを提案する。 提案手法は, 良好な位置決め精度を実現し, 既存の手法を著しく上回っている。
  論文  参考訳（メタデータ） (2026-02-04T05:36:14Z)
• TrajDiff: End-to-end Autonomous Driving without Perception Annotation [65.49718343700319]
  エンドツーエンドの自動運転システムは、生センサ入力から直接駆動ポリシーを生成する。 TrajDiffはTrajectory-oriented BEV Conditioned Diffusionフレームワークであり、エンドツーエンドの自動運転のための知覚アノテーションのない生成方法を確立する。 NAVSIMベンチマークで評価すると、TrajDiffは87.5 PDMSを達成した。
  論文  参考訳（メタデータ） (2025-11-30T04:34:20Z)
• Angle Robustness Unmanned Aerial Vehicle Navigation in GNSS-Denied Scenarios [66.05091704671503]
  本稿では、ポイントツーポイントナビゲーションタスクにおける飛行偏差に対処する新しい角度ナビゲーションパラダイムを提案する。 また、Adaptive Feature Enhance Module、Cross-knowledge Attention-guided Module、Robust Task-oriented Head Moduleを含むモデルを提案する。
  論文  参考訳（メタデータ） (2024-02-04T08:41:20Z)
• Perception-and-Energy-aware Motion Planning for UAV using Learning-based Model under Heteroscedastic Uncertainty [1.223779595809275]
  本研究では, 否定された環境下でのUAVに対する知覚とエネルギーを意識した動作計画を提案する。 高忠実度シミュレータは、飛行データセットを取得し、LiDAR測定に関連するUAVのエネルギー消費と異種不確かさを学習する。 学習したモデルにより、オンラインプランナーはエネルギー消費と知覚品質を推定し、UAV電池の使用量とローカライズエラーを低減できる。
  論文  参考訳（メタデータ） (2023-09-25T16:34:54Z)
• Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
  スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。 本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
  論文  参考訳（メタデータ） (2023-08-14T16:48:57Z)
• UnLoc: A Universal Localization Method for Autonomous Vehicles using LiDAR, Radar and/or Camera Input [51.150605800173366]
  UnLocは、全ての気象条件におけるマルチセンサー入力によるローカライズのための、新しい統一型ニューラルネットワークアプローチである。 本手法は,Oxford Radar RobotCar,Apollo SouthBay,Perth-WAの各データセットで広く評価されている。
  論文  参考訳（メタデータ） (2023-07-03T04:10:55Z)
• Integrated Sensing, Computation, and Communication for UAV-assisted Federated Edge Learning [52.7230652428711]
  フェデレーションエッジ学習(FEEL)は、エッジデバイスとサーバ間の定期的な通信を通じて、プライバシ保護モデルトレーニングを可能にする。 無人航空機(UAV)搭載エッジデバイスは、効率的なデータ収集における柔軟性と移動性のため、FEELにとって特に有利である。
  論文  参考訳（メタデータ） (2023-06-05T16:01:33Z)
• A Multi-UAV System for Exploration and Target Finding in Cluttered and GPS-Denied Environments [68.31522961125589]
  複雑なGPSを用いた複雑な環境において,UAVのチームが協調して目標を探索し,発見するための枠組みを提案する。 UAVのチームは自律的にナビゲートし、探索し、検出し、既知の地図で散らばった環境でターゲットを見つける。 その結果, 提案方式は, 時間的コスト, 調査対象地域の割合, 捜索・救助ミッションの成功率などの面で改善されていることがわかった。
  論文  参考訳（メタデータ） (2021-07-19T12:54:04Z)
• Towards bio-inspired unsupervised representation learning for indoor aerial navigation [4.26712082692017]
  本研究では,生物にインスパイアされた深層学習アルゴリズムによる同時位置決めとマッピング(SLAM)とそのドローンナビゲーションシステムへの応用について述べる。 本稿では,低次元潜在状態記述子を出力し,知覚的エイリアスに対する感度を軽減し,高効率な組込みハードウェアの開発を行う教師なし表現学習手法を提案する。 設計したアルゴリズムは,室内の倉庫環境において収集されたデータセットに基づいて評価され,最初の結果はロバストな屋内航法の実現可能性を示している。
  論文  参考訳（メタデータ） (2021-06-17T08:42:38Z)

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。