論文の概要: Distributed State Estimation for Vision-Based Cooperative Slung Load Transportation in GPS-Denied Environments

• arxiv url: http://arxiv.org/abs/2603.04571v1
• Date: Wed, 04 Mar 2026 19:59:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.912832
• Title: Distributed State Estimation for Vision-Based Cooperative Slung Load Transportation in GPS-Denied Environments
• Title（参考訳）: GPS統合環境における視覚的協調スラグ負荷輸送の分散状態推定
• Authors: Jack R. Pence, Jackson Fezell, Jack W. Langelaan, Junyi Geng,
• Abstract要約: 本稿では,ビジョンベースマルチリフト運用のための分散分散分散ペイロード状態推定フレームワークを提案する。 搭載されている単眼カメラを用いて、各UAVはペイロードのフィデューシャルマーカーを検出し、相対的なポーズを推定する。 このペイロード状態推定は、クローズドループ軌道追跡制御に使用される。
• 参考スコア（独自算出の注目度）: 2.3747069320845067
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Transporting heavy or oversized slung loads using rotorcraft has traditionally relied on single-aircraft systems, which limits both payload capacity and control authority. Cooperative multilift using teams of rotorcraft offers a scalable and efficient alternative, especially for infrequent but challenging "long-tail" payloads without the need of building larger and larger rotorcraft. Most prior multilift research assumes GPS availability, uses centralized estimation architectures, or relies on controlled laboratory motion-capture setups. As a result, these methods lack robustness to sensor loss and are not viable in GPS-denied or operationally constrained environments. This paper addresses this limitation by presenting a distributed and decentralized payload state estimation framework for vision-based multilift operations. Using onboard monocular cameras, each UAV detects a fiducial marker on the payload and estimates its relative pose. These measurements are fused via a Distributed and Decentralized Extended Information Filter (DDEIF), enabling robust and scalable estimation that is resilient to individual sensor dropouts. This payload state estimate is then used for closed-loop trajectory tracking control. Monte Carlo simulation results in Gazebo show the effectiveness of the proposed approach, including the effect of communication loss during flight.
• Abstract（参考訳）: ロータークラフトを使用した重量または過大なスラングの積み荷の輸送は伝統的に、ペイロード容量と制御権限の両方を制限する単一の航空機システムに依存してきた。 ロータークラフトのチームを用いた協調型マルチリフトは、特に大型で大型のロータークラフトを組み立てる必要がなくても、まれだが挑戦的な「ロングテール」ペイロードに対して、スケーラブルで効率的な代替手段を提供する。 以前のマルチリフト研究はGPSの可用性を前提としており、集中型推定アーキテクチャを使用しているか、あるいは制御された実験室のモーションキャプチャー設定に依存している。 結果として、これらの手法はセンサ損失に対する堅牢性に欠けており、GPSや運用上の制約のある環境では実現できない。 本稿では,視覚に基づくマルチリフト操作のための分散化および分散化ペイロード状態推定フレームワークを提案することにより,この制限に対処する。 搭載されている単眼カメラを用いて、各UAVはペイロードのフィデューシャルマーカーを検出し、相対的なポーズを推定する。 これらの測定はDDEIF(Distributed and Decentralized Extended Information Filter)を通じて融合され、個々のセンサのドロップアウトに耐性のある堅牢でスケーラブルな推定を可能にする。 このペイロード状態推定は、クローズドループ軌道追跡制御に使用される。 ガゼボにおけるモンテカルロシミュレーションの結果は、飛行中の通信損失の影響を含む提案手法の有効性を示している。

関連論文リスト

• ASCENT: Transformer-Based Aircraft Trajectory Prediction in Non-Towered Terminal Airspace [54.94692733670454]
  ASCENTは、マルチモーダル3D航空機の軌道予測のための軽量トランスフォーマーベースのモデルである。 ドメイン対応の3D座標正規化とパラメータ化予測を統合している。
  論文  参考訳（メタデータ） (2026-03-17T14:16:10Z)
• 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)
• 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)
• Decentralized Aerial Manipulation of a Cable-Suspended Load using Multi-Agent Reinforcement Learning [15.464436616128006]
  本稿では, マイクロ空力車(MAV)チームを用いて, ケーブルサスペンション負荷の実世界の6-DoF操作を可能にする最初の分散化手法を提案する。 提案手法はマルチエージェント強化学習(MARL)を利用して,MAV毎に外部ループ制御ポリシーを訓練する。 本研究では,負荷モデルの不確実性を考慮した実世界の実環境実験において,本手法の有効性を検証した。
  論文  参考訳（メタデータ） (2025-08-02T23:52:33Z)
• AeroLite-MDNet: Lightweight Multi-task Deviation Detection Network for UAV Landing [9.858832286469765]
  本稿では,AeroLite-MDNetと呼ばれる新しい視覚モデルを用いたUAV着陸の偏差警報システムを提案する。 AWD(Average Warning Delay)と呼ばれる新しい評価指標を導入し,着陸偏差に対するシステムの感度を定量化する。 実験の結果, 偏差検出精度98.6%で0.7秒のAWDを実現した。
  論文  参考訳（メタデータ） (2025-06-25T13:48:30Z)
• 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)
• 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)
• Perceiving Traffic from Aerial Images [86.994032967469]
  本研究では,空中画像中の物体を検出するために,バタフライ検出器と呼ばれる物体検出手法を提案する。 UAVDT(UAVDT)とVisDrone 2019(VisDrone 2019)の2つのUAVデータセット上でButterfly Detectorを評価し、従来の最先端の手法よりも高速に動作し、かつリアルタイムに動作可能であることを示す。
  論文  参考訳（メタデータ） (2020-09-16T11:37:43Z)
• Federated Learning in the Sky: Joint Power Allocation and Scheduling with UAV Swarms [98.78553146823829]
  無人航空機(UAV)は様々なタスクを実行するために機械学習(ML)を利用する必要がある。 本稿では,UAVスワム内に分散学習(FL)アルゴリズムを実装するための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-02-19T14:04:01Z)

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。