論文の概要: NanoBench: A Multi-Task Benchmark Dataset for Nano-Quadrotor System Identification, Control, and State Estimation
- arxiv url: http://arxiv.org/abs/2603.09908v1
- Date: Tue, 10 Mar 2026 17:01:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:42.169904
- Title: NanoBench: A Multi-Task Benchmark Dataset for Nano-Quadrotor System Identification, Control, and State Estimation
- Title（参考訳）: NanoBench:Nano-Quadrotorシステム同定、制御、状態推定のためのマルチタスクベンチマークデータセット
- Authors: Syed Izzat Ullah, Jose Baca,
- Abstract要約: 既存の航空ロボティクスベンチマークでは、数百グラムから数キログラムまでの車両を目標とし、通常は高レベルなデータのみを公開する。
市販のクラジフリー2.1ナノクワッドロータ(離陸重量27g)で収集したオープンソースのマルチタスクベンチマークであるNanoBenchをViconモーションキャプチャアリーナで紹介する。
このデータセットには、ホバリング、多周波空力、標準追跡、複数の速度レギュレーションにまたがる攻撃的な操作にまたがる170以上の飛行軌跡が含まれている。
- 参考スコア（独自算出の注目度）: 1.0312968200748118
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Existing aerial-robotics benchmarks target vehicles from hundreds of grams to several kilograms and typically expose only high-level state data. They omit the actuator-level signals required to study nano-scale quadrotors, where low-Reynolds number aerodynamics, coreless DC motor nonlinearities, and severe computational constraints invalidate models and controllers developed for larger vehicles. We introduce NanoBench, an open-source multi-task benchmark collected on the commercially available Crazyflie 2.1 nano-quadrotor (takeoff weight 27 g) in a Vicon motion capture arena. The dataset contains over 170 flight trajectories spanning hover, multi-frequency excitation, standard tracking, and aggressive maneuvers across multiple speed regimes. Each trajectory provides synchronized Vicon ground truth, raw IMU data, onboard extended Kalman filter estimates, PID controller internals, and motor PWM commands at 100 Hz, alongside battery telemetry at 10 Hz, aligned with sub-0.5 ms consistency. NanoBench defines standardized evaluation protocols, train/test splits, and open-source baselines for three tasks: nonlinear system identification, closed-loop controller benchmarking, and onboard state estimation assessment. To our knowledge, it is the first public dataset to jointly provide actuator commands, controller internals, and estimator outputs with millimeter-accurate ground truth on a commercially available nano-scale aerial platform.
- Abstract（参考訳）: 既存の航空ロボティクスベンチマークでは、数百グラムから数キログラムまでの車両を目標とし、通常は高レベルなデータのみを公開する。
そこでは低レイノルズ数空力、コアレスDCモータの非線形性、大型車両向けに開発されたモデルやコントローラの厳密な計算制約が無効になる。
市販のクラジフリー2.1ナノクワッドロータ(離陸重量27g)で収集したオープンソースのマルチタスクベンチマークであるNanoBenchをViconモーションキャプチャアリーナで紹介する。
このデータセットには、ホバー、多周波励起、標準追跡、複数の速度レギュレーションにわたる攻撃的な操作にまたがる170以上の飛行軌跡が含まれている。
各トラジェクトリは、同期されたヴィコングラウンドの真実、生のIMUデータ、拡張カルマンフィルタの推定値、PIDコントローラ内部、モーターPWMコマンドを100Hzで提供し、バッテリーテレメトリは10Hzで、0.5ms以下の一貫性に適合する。
NanoBenchは、非線形システム識別、クローズドループコントローラベンチマーク、オンボード状態推定評価という3つのタスクの標準化された評価プロトコル、トレイン/テスト分割、オープンソースベースラインを定義している。
我々の知る限り、これはアクタコマンド、コントローラ内部、推定器出力を、市販のナノスケール空中プラットフォーム上でミリ精度の地上真実と共に共同で提供する最初のパブリックデータセットである。
関連論文リスト
- Unsupervised LiDAR-Based Multi-UAV Detection and Tracking Under Extreme Sparsity [2.3646560222366695]
非繰り返し固体LiDARスキャンは、空中UAVを検出するための極めてスパースな測定条件をもたらす。
ラベル付きトレーニングデータを必要とせずに、検出とトラッキングの両方に対処する、教師なしのLiDARのみのパイプラインを導入します。
論文 参考訳（メタデータ） (2026-03-12T06:19:51Z) - Architecture and evaluation protocol for transformer-based visual object tracking in UAV applications [0.0]
既存のビジュアルトラッカーは複雑なシナリオでは堅牢性に欠けるか、リアルタイムの組込み使用には計算的に要求されすぎている。
変換器ベースのトラッカーと拡張カルマンフィルタを組み合わせたモジュール非同期追跡アーキテクチャ(MATA)を提案する。
本稿では,ハードウェアに依存しない組込み指向評価プロトコルとNT2Fと呼ばれる新しいメトリクスを導入し,トラッカーが外部の助けなしにトラッキングシーケンスをどれだけ長く維持できるかを定量化する。
論文 参考訳（メタデータ） (2026-03-04T10:12:12Z) - Plug-and-Play Benchmarking of Reinforcement Learning Algorithms for Large-Scale Flow Control [61.155940786140455]
強化学習(RL)は,アクティブフロー制御(AFC)において有望な結果を示した。
現在のAFCベンチマークは、外部計算流体力学(CFD)の解法に依存しており、完全には微分不可能であり、3Dとマルチエージェントのサポートが限られている。
AFCにおけるRLのための最初のスタンドアロンで完全に差別化可能なベンチマークスイートであるFluidGymを紹介する。
論文 参考訳（メタデータ） (2026-01-21T14:13:44Z) - LiQSS: Post-Transformer Linear Quantum-Inspired State-Space Tensor Networks for Real-Time 6G [85.58816960936069]
Sixth-Generation (6G) Open Radio Access Networks (O-RAN) における能動的およびエージェント的制御は、厳密なニアタイム(Near-RT)レイテンシと計算制約の下で制御グレードの予測を必要とする。
本稿では,効率的な無線テレメトリ予測のための変圧器後パラダイムについて検討する。
本稿では、自己アテンションを安定な状態空間動的カーネルに置き換える量子インスピレーション付き状態空間テンソルネットワークを提案する。
論文 参考訳（メタデータ） (2026-01-18T12:08:38Z) - NanoCockpit: Performance-optimized Application Framework for AI-based Autonomous Nanorobotics [50.594459728605734]
小型のフォームファクタ、すなわち10sグラムは、計算資源をSI100ミリワット以下のマイクロコントローラユニット(MCU)に著しく制限する。
本フレームワークは,タスクのシリアライズによるオーバーヘッドをゼロにすることで,クローズドループ制御性能の定量的改善を実現する。
論文 参考訳（メタデータ） (2026-01-12T12:29:38Z) - A Tri-Modal Dataset and a Baseline System for Tracking Unmanned Aerial Vehicles [74.8162337823142]
MM-UAVはMulti-Modal UAV Trackingの最初の大規模ベンチマークである。
データセットは30以上の挑戦的なシナリオにまたがっており、1,321の同期マルチモーダルシーケンスと280万以上の注釈付きフレームがある。
データセットを伴って、我々は新しいマルチモーダルマルチUAV追跡フレームワークを提供する。
論文 参考訳（メタデータ） (2025-11-23T08:42:17Z) - Griffin: Aerial-Ground Cooperative Detection and Tracking Dataset and Benchmark [15.405137983083875]
航空と地上の協力は、UAVの空中視界と地上の車両の局部的な観測を統合することで、有望な解決策を提供する。
本稿では,3つの重要な貢献を通じて,地上3次元協調認識のための包括的ソリューションを提案する。
論文 参考訳（メタデータ） (2025-03-10T07:00:07Z) - 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)
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。