論文の概要: ROScopter: A Multirotor Autopilot based on ROSflight 2.0

• arxiv url: http://arxiv.org/abs/2603.05404v2
• Date: Fri, 06 Mar 2026 17:17:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.948947
• Title: ROScopter: A Multirotor Autopilot based on ROSflight 2.0
• Title（参考訳）: ROScopter:ROSflight 2.0をベースとしたマルチロータオートパイロット
• Authors: Jacob Moore, Ian Reid, Phil Tokumaru, Randy Beard, Tim McLain,
• Abstract要約: ROScopterは、研究者のために開発されたリーンマルチロータ自動操縦機である。 理解が容易で変更が容易なアーキテクチャで、研究コードのシミュレーションとハードウェアテストの高速化を目指している。
• 参考スコア（独自算出の注目度）: 1.7487678019310733
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: ROScopter is a lean multirotor autopilot built for researchers. ROScopter seeks to accelerate simulation and hardware testing of research code with an architecture that is both easy to understand and simple to modify. ROScopter is designed to interface with ROSflight 2.0 and runs entirely on an onboard flight computer, leveraging the features of ROS 2 to improve modularity. This work describes the architecture of ROScopter and how it can be used to test application code in both simulated and hardware environments. Hardware results of the default ROScopter behavior are presented, showing that ROScopter achieves similar performance to another state-of-the-art autopilot for basic waypoint-following maneuvers, but with a significantly reduced and more modular code-base.
• Abstract（参考訳）: ROScopterは、研究者のために開発されたリーンマルチロータ自動操縦機である。 ROScopterは、簡単に理解でき、簡単に修正できるアーキテクチャで、研究コードのシミュレーションとハードウェアテストの高速化を目指している。 ROScopterはROSflight 2.0とのインタフェースを設計し、ROS 2の機能を活用してモジュール性を向上させる。 この研究は、ROScopterのアーキテクチャと、シミュレートされた環境とハードウェア環境でアプリケーションコードのテストにどのように使用できるかを説明する。 デフォルトのROScopter動作のハードウェア結果が提示され、ROScopterは基本的なウェイポイント追従操作のための他の最先端オートパイロットと同じような性能を達成するが、大幅に減少し、よりモジュラーなコードベースを持つことを示した。

関連論文リスト

• How to Model Your Crazyflie Brushless [50.54424040768484]
  2025年初め、クラジフリー・ブラシレスが登場し、ブラシレスモーターで推力は約50%向上した。 この研究はクレイジーフリー・ブラシレスの力学モデルを示し、その重要なパラメータを同定する。 ニューラルネットワーク位置制御器を訓練し、バックフリップ制御器を学習することにより、強化学習アプリケーションに適していることを示す。
  論文  参考訳（メタデータ） (2026-03-06T06:21:39Z)
• 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)
• Pose Estimation and Tracking for ASIST [0.0]
  Aircraft Ship Integrated Secure and Traverse (ASIST) は、ヘリコプターを安全にかつ効率的に捕獲するシステムである。 PETA (Pose Estimation and Tracking for ASIST) は、ASISTシステムオペレータのハードウェアインストールを必要とせずに、ヘリコプター追跡システムのプロトタイプを開発するための研究である。 PETAは、最先端のコンピュータビジョンアルゴリズムである高速R-CNNとHRNetを使ってヘリコプターの姿勢をリアルタイムで推定する可能性を実証した。
  論文  参考訳（メタデータ） (2023-11-30T16:15:29Z)
• SimPLR: A Simple and Plain Transformer for Efficient Object Detection and Segmentation [49.65221743520028]
  マルチスケールインダクティブバイアスをアテンション機構にシフトさせることで, プレーン検出器SimPLRが動作可能であることを示す。 我々はSimPLRとスケールアウェアスを併用した実験を通して、単純なアーキテクチャでありながら、マルチスケールビジョントランスフォーマーの代替品と競合することを発見した。
  論文  参考訳（メタデータ） (2023-10-09T17:59:26Z)
• TransVisDrone: Spatio-Temporal Transformer for Vision-based Drone-to-Drone Detection in Aerial Videos [57.92385818430939]
  視覚的フィードを用いたドローンからドローンへの検知は、ドローンの衝突の検出、ドローンの攻撃の検出、他のドローンとの飛行の調整など、重要な応用がある。 既存の手法は計算コストがかかり、非エンドツーエンドの最適化に追随し、複雑なマルチステージパイプラインを持つため、エッジデバイス上でのリアルタイムデプロイメントには適さない。 計算効率を向上したエンドツーエンドのソリューションを提供する,シンプルで効果的なフレームワークであるitTransVisDroneを提案する。
  論文  参考訳（メタデータ） (2022-10-16T03:05:13Z)
• Learning a Single Near-hover Position Controller for Vastly Different Quadcopters [56.37274861303324]
  本稿では,クワッドコプターのための適応型ニアホバー位置制御器を提案する。 これは、非常に異なる質量、大きさ、運動定数を持つクワッドコプターに展開することができる。 また、実行中に未知の障害に迅速に適応する。
  論文  参考訳（メタデータ） (2022-09-19T17:55:05Z)
• CNN-based Human Detection for UAVs in Search and Rescue [0.0]
  本稿では,畳み込み型ニューラルネットワーク技術を用いて,被害者の探索と検出を行う手法を提案する。 この研究で使用されるモデルは事前訓練されたモデルであり、クアッドコプターに取り付けられたRaspberry PiモデルB上でのテストに適用される。 実験の結果、Quadcopterは安定して飛行でき、SSDモデルは3fpsの処理速度でRaspberry PiモデルBでうまく動作することがわかった。
  論文  参考訳（メタデータ） (2021-10-05T10:43:10Z)
• Developmental Reinforcement Learning of Control Policy of a Quadcopter UAV with Thrust Vectoring Rotors [1.0057838324294686]
  推力ベクター機能を有するクアッドコプターのための新規な強化学習型制御器を提案する。 このロボットの制御方針は、学習したクワッドコプターの制御装置からポリシー伝達を用いて学習される。 学習方針の性能は、ホバリングとウェイポイントナビゲーションのタスクの物理シミュレーションにより評価される。
  論文  参考訳（メタデータ） (2020-07-15T16:17:29Z)
• Mid-flight Propeller Failure Detection and Control of Propeller-deficient Quadcopter using Reinforcement Learning [0.2578242050187029]
  本稿では,4,3,2個のプロペラを備えたクアッドコプタ用強化学習型制御器を提案する。 また,プロペラの損失を検知し,適切な制御器に切り替えるニューラルネットワークベースのプロペラ故障検出システムを提案する。
  論文  参考訳（メタデータ） (2020-02-26T15:31:22Z)

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。