論文の概要: ImpedanceDiffusion: Diffusion-Based Global Path Planning for UAV Swarm Navigation with Generative Impedance Control
- arxiv url: http://arxiv.org/abs/2603.09031v1
- Date: Tue, 10 Mar 2026 00:06:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:42.133725
- Title: ImpedanceDiffusion: Diffusion-Based Global Path Planning for UAV Swarm Navigation with Generative Impedance Control
- Title（参考訳）: インピーダンス拡散: 誘導インピーダンス制御を用いたUAV群航法における拡散に基づくグローバルパス計画
- Abstract要約: ImpedanceDiffusionは、乱雑な屋内環境における安全な群れナビゲーションのための階層的なフレームワークである。
このフレームワークは,RGB画像から直接幾何学的グローバルな軌跡を生成する。
安定なインピーダンスベース生成制御を維持しつつ、有界振動と飛行中の衝突のない92%の成功率を達成する。
- 参考スコア（独自算出の注目度）: 1.9182058480922208
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Safe swarm navigation in cluttered indoor environment requires long-horizon planning, reactive obstacle avoidance, and adaptive compliance. We propose ImpedanceDiffusion, a hierarchical framework that leverages image-conditioned diffusion-based global path planning with Artificial Potential Field (APF) tracking and semantic-aware variable impedance control for aerial drone swarms. The diffusion model generates geometric global trajectories directly from RGB images without explicit map construction. These trajectories are tracked by an APF-based reactive layer, while a VLM-RAG module performs semantic obstacle classification with 90% retrieval accuracy to adapt impedance parameters for mixed obstacle environments during execution. Two diffusion planners are evaluated: (i) a top-view long-horizon planner using single-pass inference and (ii) a first-person-view (FPV) short-horizon planner deployed via a two-stage inference pipeline. Both planners achieve a 100% trajectory generation rate across twenty static and dynamic experimental configurations and are validated via zero-shot sim-to-real deployment on Crazyflie 2.1 drones through the hierarchical APF-impedance control stack. The top-view planner produces smoother trajectories that yield conservative tracking speeds of 1.0-1.2 m/s near hard obstacles and 0.6-1.0 m/s near soft obstacles. In contrast, the FPV planner generates trajectories with greater local clearance and typically higher speeds, reaching 1.4-2.0 m/s near hard obstacles and up to 1.6 m/s near soft obstacles. Across 20 experimental configurations (100 total runs), the framework achieved a 92% success rate while maintaining stable impedance-based formation control with bounded oscillations and no in-flight collisions, demonstrating reliable and adaptive swarm navigation in cluttered indoor environments.
- Abstract（参考訳）: 乱雑な屋内環境での安全な群れナビゲーションには、長期計画、抵抗的障害物回避、適応的コンプライアンスが必要である。
本稿では,APF(Artific potential Field)トラッキングによる画像条件の拡散に基づくグローバルパス計画と,ドローン群に対する意味認識可変インピーダンス制御を利用する階層型フレームワークであるImpedanceDiffusionを提案する。
拡散モデルは,RGB画像から直接幾何学的大域軌跡を生成する。
これらのトラジェクトリはAPFベースのリアクティブ層によって追跡され、VLM-RAGモジュールは90%の精度でセマンティックな障害物分類を行い、実行中の混合障害物環境に対するインピーダンスパラメータを適応させる。
2つの拡散プランナーが評価される。
(i)シングルパス推論を用いたトップビューロングホライゾンプランナー
(ii)2段階推論パイプラインを介して展開されるFPV(First-person-view)ショートホライゾンプランナー。
両方のプランナーは、20の静的および動的実験構成で100%軌道生成率を達成し、階層的なAPFインピーダンス制御スタックを通じてクレイジーフリー2.1ドローンのゼロショットsim-to-real展開によって検証される。
トップビュープランナーはよりスムーズな軌道を生成し、ハード障害物付近で1.0-1.2m/s、ソフト障害物付近で0.6-1.0m/sの保守的な追跡速度が得られる。
対照的に、FPVプランナーはより局所的クリアランスが高く、通常より高速な軌道を生成し、ハード障害物付近で1.4-2.0 m/s、ソフト障害物付近で1.6 m/sに達する。
20の試験的な構成(100回の総走行)で、このフレームワークは92%の成功率を達成し、安定なインピーダンスベースの構成制御を維持しながら、境界振動と飛行中の衝突を伴わず、不安定な屋内環境下での信頼性と適応的な群れナビゲーションを実証した。
関連論文リスト
- Local Path Planning and Obstacle Avoidance for an Omnicopter Platform [5.329751638083761]
本稿では,全方向マルチロータ(オムニコプタ)のためのリアルタイム局所計画と障害物回避モジュールを提案する。
本手法は, (i) 局所写像のボクセル化, (ii) 車両形状のコンパクトな球面近似, (iii) 6次元探索空間における適応速度サンプリングによるリアルタイム実現性を実現する。
我々は,計算応力試験,高密度ウェイポイント経路追跡,静的・未知の障害物シナリオのシミュレーションにおけるアプローチを評価する。
論文 参考訳（メタデータ） (2026-09-03T10:25:14Z) - Low-Altitude Fluid Antenna Network with Multi-Agent Reinforcement Learning [49.09908852315575]
マルチエージェント強化学習(MARL)を用いた低高度FAネットワークの高速かつ高性能な再構成について検討する。
今回のケーススタディでは、固定位置ベースラインと比較して、関節FA位置とビームフォーミング最適化がシステム総和率を118.5%向上できることを示した。
論文 参考訳（メタデータ） (2026-08-28T04:27:44Z) - Event-Based Motion Estimation via Oriented Distance Fields [55.23416502666468]
イベントベースの動き推定は、高時間分解能と高速動作に対する堅牢性を必要とするタスクの中心である。
本稿では,この最適化を,事前計算された事象距離ベクトルの場上の1つの平均ステップに置き換える,オブジェクト指向距離場運動推定(ODF Motion Estimation)を提案する。
公開および自己収集されたデータセットでは,ODFの動作推定は,比較手法の中で最低レイテンシでサブピクセル精度に達する。
論文 参考訳（メタデータ） (2026-08-25T08:27:42Z) - LNN-Fly: Continuous-Time UAV Navigation for Robust Obstacle Avoidance under Timing Mismatch [17.86034589419106]
LNN-Flyは、LiDARベースのUAV障害物回避のための連続時間ナビゲーションポリシーである。
テスト環境では障害物回避性能が向上し、制御周波数の低減、スパース観測、制御周期ジッタに対する耐性が向上した。
屋内での周波数クロスワールドテストでは、20回の飛行で100%成功している。
論文 参考訳（メタデータ） (2026-06-27T09:26:22Z) - KIO-planner: Attention-Guided Single-Stage Motion Planning with Dual Mapping for UAV Navigation [12.009002689122374]
KIO-plannerは、注意を向けた単一段階の計画フレームワークである。
新しいデュアルマッピング機構は、世界地図融合なしでキノダイナミック実現性と衝突のない飛行を強制する。
論文 参考訳（メタデータ） (2026-05-19T11:41:23Z) - Instance-level Visual Active Tracking with Occlusion-Aware Planning [61.982298426203165]
Visual Active Tracking (VAT)は、カメラを3D空間でターゲットに追従することを目的としている。
VATは、視覚的に類似したイントラクタからの混乱と、閉塞下での深刻な障害という、現実世界のデプロイメントにおいて2つの重要なボトルネックに直面している。
3つの相補的なモジュールを持つ統一パイプラインであるOA-VATを提案する。
論文 参考訳（メタデータ） (2026-04-23T09:11:50Z) - Safer Trajectory Planning with CBF-guided Diffusion Model for Unmanned Aerial Vehicles [9.178828168133206]
AeroTrajGenは、無人航空機の拡散に基づく軌道生成のための新しいフレームワークである。
制御障壁関数(CBF)誘導サンプリングを推論中に組み込んでおり、特にUAV用に設計されている。
CBF誘導サンプリングは非誘導拡散ベースラインに比べて94.7%の衝突速度を低下させることを示した。
論文 参考訳（メタデータ） (2026-04-19T16:41:16Z) - RAD-2: Scaling Reinforcement Learning in a Generator-Discriminator Framework [49.531001563853984]
RAD-2はクローズドループ計画のための統一されたジェネレータ・ディスクリミネーターフレームワークである。
様々な軌道候補を生成する一方、RL最適化判別器は、これらの候補を長期的な運転品質に応じて再現する。
強い拡散ベースのプランナーに比べて衝突速度を56%削減する。
論文 参考訳（メタデータ） (2026-04-16T17:59:44Z) - Vision-Guided MPPI for Agile Drone Racing: Navigating Arbitrary Gate Poses via Neural Signed Distance Fields [8.66703842496129]
ドローンレースには、極端なアジリティの下での認識、計画、制御の緊密な結合が必要です。
近年のアプローチは、事前計算された空間基準軌道や明示的な6-DoFゲートポーズ推定に依存している。
そこで我々は,任意の配置と配向ゲートを介して,参照不要のアジャイル飛行を可能にするビジョンガイド付き最適制御フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-07T13:18:07Z) - Safe Path Planning and Observation Quality Enhancement Strategy for Unmanned Aerial Vehicles in Water Quality Monitoring Tasks [7.258114996625529]
スペクトルリモートセンシング技術は水質モニタリングに広く利用されている。
動的環境において、影やスペクトル反射のような様々な照明条件は、厳しいスペクトル歪みを引き起こす。
本稿では,動的光と影乱れ回避のための能動経路計画法を提案する。
論文 参考訳（メタデータ） (2025-12-24T14:26:20Z) - DiffusionDriveV2: Reinforcement Learning-Constrained Truncated Diffusion Modeling in End-to-End Autonomous Driving [65.7087560656003]
エンドツーエンドの自動運転のための生成拡散モデルは、しばしばモード崩壊に悩まされる。
強化学習を利用して低品質モードを制約し,優れた軌道探索を行うDiffusionDriveV2を提案する。
これにより、そのコアであるガウス混合モデル固有の多重モード性を維持しながら、全体的な出力品質が大幅に向上する。
論文 参考訳（メタデータ） (2025-12-08T17:29:52Z) - Trajectory Design for UAV-Based Low-Altitude Wireless Networks in Unknown Environments: A Digital Twin-Assisted TD3 Approach [62.11847362756054]
低高度無線ネットワーク(LAWN)のキーイネーブラーとして無人航空機(UAV)が登場している
我々は、デジタルツイン(DT)支援トレーニングおよびデプロイメントフレームワークを提案する。
このフレームワークでは、UAVは統合されたセンシングと通信信号を送信し、地上ユーザーに通信サービスを提供し、同時にDTサーバにアップロードされたエコーを収集して、仮想環境(VE)を段階的に構築する。
これらのVEはモデルトレーニングを加速し、展開中のリアルタイムUAVセンシングデータを継続的に更新し、意思決定をサポートし、飛行安全性を向上する。
論文 参考訳（メタデータ） (2025-10-28T10:05:53Z) - PGTT: Phase-Guided Terrain Traversal for Perceptive Legged Locomotion [41.99844472131922]
PGTT ( Phase-Guided Terrain Traversal) は、報酬形成を通じて歩行構造を純粋に強制する認識型ディープRLアプローチである。
MuJoCo(MJX)で、カリキュラムやドメインランダム化を伴う手続き的に生成された階段のような地形で訓練されたPGTTは、プッシュ障害の下で最も成功している。
論文 参考訳（メタデータ） (2025-10-21T07:00:18Z) - RobotDancing: Residual-Action Reinforcement Learning Enables Robust Long-Horizon Humanoid Motion Tracking [50.200035833530876]
RobotDancingはシンプルでスケーラブルなフレームワークで、残留する関節の目標を予測して、ダイナミックスの不一致を明示的に修正する。
複数分間の高エネルギー動作(ジャンプ、スピン、カートホイール)をトラッキングし、高いモーショントラッキング品質のハードウェアにゼロショットをデプロイする。
論文 参考訳（メタデータ） (2025-09-25T03:30:34Z) - Skyshield: Event-Driven Submillimetre Thin Obstacle Detection for Drone Flight Safety [22.778033892271555]
本稿では,イベント駆動型エンドツーエンドフレームワークであるSkyShieldについて紹介する。
提案手法では,U-Net アーキテクチャとDice-Contour 正規化損失を用いて精度の高い検出を行う。
論文 参考訳（メタデータ） (2025-08-13T00:26:35Z) - NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。
グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。
我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
論文 参考訳（メタデータ） (2025-06-23T14:28:30Z) - Monocular Obstacle Avoidance Based on Inverse PPO for Fixed-wing UAVs [29.207513994002202]
固定翼無人航空機(英語: Fixed-wing Unmanned Aerial Vehicles、UAV)は、低高度経済(LAE)と都市空運(UAM)のための最も一般的なプラットフォームの一つである。
従来の地図や高度なセンサーに依存する古典的な障害物回避システムは、未知の低高度環境や小型UAVプラットフォームにおいて制限に直面している。
本稿では,DRLに基づくUAV衝突回避システムを提案する。
論文 参考訳（メタデータ） (2024-11-27T03:03:37Z) - DiFSD: Ego-Centric Fully Sparse Paradigm with Uncertainty Denoising and Iterative Refinement for Efficient End-to-End Self-Driving [55.53171248839489]
我々は、エンドツーエンドの自動運転のためのエゴ中心の完全スパースパラダイムであるDiFSDを提案する。
特に、DiFSDは主にスパース知覚、階層的相互作用、反復的な運動プランナーから構成される。
nuScenesとBench2Driveデータセットで実施された実験は、DiFSDの優れた計画性能と優れた効率を実証している。
論文 参考訳（メタデータ） (2024-09-15T15:55:24Z)
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。