論文の概要: EAAE: Energy-Aware Autonomous Exploration for UAVs in Unknown 3D Environments

• arxiv url: http://arxiv.org/abs/2603.15604v1
• Date: Mon, 16 Mar 2026 17:55:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-21 18:33:56.879036
• Title: EAAE: Energy-Aware Autonomous Exploration for UAVs in Unknown 3D Environments
• Title（参考訳）: EAAE:未知の3D環境下でのUAVの自律探査
• Authors: Jacob Elskamp, Moji Shi, Leonard Bauersfeld, Davide Scaramuzza, Marija Popović,
• Abstract要約: 我々は、当初未知の環境下でのマルチロータUAVに対するエネルギーを意識した自律型3D探査に対処する。 我々は,エネルギをフロンティア選択時の明確な決定変数とするモジュール型フロンティアベースのフレームワークであるEnergy-Aware Autonomous Exploration (EAAE)を提案する。 EAAEは競争力のある探査時間と同等の地図品質を維持しながら、エネルギー消費を継続的に削減する。
• 参考スコア（独自算出の注目度）: 19.365558345721904
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Battery-powered multirotor unmanned aerial vehicles (UAVs) can rapidly map unknown environments, but mission performance is often limited by energy rather than geometry alone. Standard exploration policies that optimise for coverage or time can therefore waste energy through manoeuvre-heavy trajectories. In this paper, we address energy-aware autonomous 3D exploration for multirotor UAVs in initially unknown environments. We propose Energy-Aware Autonomous Exploration (EAAE), a modular frontier-based framework that makes energy an explicit decision variable during frontier selection. EAAE clusters frontiers into view-consistent regions, plans dynamically feasible candidate trajectories to the most informative clusters, and predicts their execution energy using an offline power estimation loop. The next target is then selected by minimising predicted trajectory energy while preserving exploration progress through a dual-layer planning architecture for safe execution. We evaluate EAAE in a full exploration pipeline with a rotor-speed-based power model across simulated 3D environments of increasing complexity. Compared to representative distance-based and information gain-based frontier baselines, EAAE consistently reduces total energy consumption while maintaining competitive exploration time and comparable map quality, providing a practical drop-in energy-aware layer for frontier exploration.
• Abstract（参考訳）: 電池駆動の無人航空機(UAV)は未知の環境を迅速にマッピングできるが、ミッション性能は幾何学のみでなくエネルギーによって制限されることが多い。 したがって、カバー範囲や時間に最適化する標準探査政策は、操作量の多い軌道でエネルギーを浪費することができる。 本稿では、当初未知の環境下でのマルチロータUAVに対するエネルギーを意識した自律型3次元探査について述べる。 我々は,エネルギをフロンティア選択時の明確な決定変数とするモジュール型フロンティアベースのフレームワークであるEnergy-Aware Autonomous Exploration (EAAE)を提案する。 EAAEクラスタフロンティアをビュー一貫性のあるリージョンに分割し、動的に実現可能な候補軌道を最も情報のあるクラスタに計画し、オフライン電力推定ループを使用して実行エネルギーを予測する。 次に、安全な実行のための二重層計画アーキテクチャによる探索の進捗を保ちつつ、予測軌道エネルギーを最小化して次のターゲットを選択する。 複雑度を増大させるシミュレーション3次元環境におけるローター速度に基づく電力モデルを用いた全探索パイプラインにおけるEAAEの評価を行った。 代表的距離ベースと情報ゲインベースのフロンティアベースラインと比較して、EAAEは競争的な探索時間と同等の地図品質を維持しながら、一貫して総エネルギー消費を削減し、フロンティア探索のための実用的なドロップインエネルギー対応層を提供する。

関連論文リスト

• FrontierNet: Learning Visual Cues to Explore [54.8265603996238]
  この研究は、3Dマップからゴールポーズを抽出する制限に対処するため、効率的な自律探索に2Dビジュアルキューを活用することを目的としている。 本稿では、FrontierNetをコアコンポーネントとする、視覚のみのフロンティアベースの探索システムを提案する。 提案手法は,既存の3次元目標抽出手法に代わるもので,早期探索効率の15%向上を実現している。
  論文  参考訳（メタデータ） (2025-01-08T16:25:32Z)
• FH-DRL: Exponential-Hyperbolic Frontier Heuristics with DRL for accelerated Exploration in Unknown Environments [1.8749305679160366]
  本稿では、FH-DRLという、フロンティア検出のためのカスタマイズ可能な機能と、連続的かつ高速なローカルナビゲーションのためのTwin Delayed DDPG(TD3)エージェントを統合する新しいフレームワークを紹介する。 FH-DRLを複数のシミュレーションおよび実世界のシナリオで徹底的に評価し,旅行距離と完了時間の明確な改善を実証した。 その結果、FH-DRLは、大規模または部分的に知られている環境におけるフロンティアベースの探索の効率的で一般的なアプローチであることがわかった。
  論文  参考訳（メタデータ） (2024-07-26T17:42:18Z)
• Meta Reinforcement Learning for Strategic IoT Deployments Coverage in Disaster-Response UAV Swarms [5.57865728456594]
  無人航空機(UAV)は、重要な緊急用途に使用される可能性があるとして、学術や産業の研究者の注目を集めている。 これらのアプリケーションには、地上のユーザーに無線サービスを提供し、災害の影響を受けた地域からデータを収集する機能が含まれる。 UAVの限られた資源、エネルギー予算、厳格なミッション完了時間は、これらの用途にUAVを採用する際の課題を提起している。
  論文  参考訳（メタデータ） (2024-01-20T05:05:39Z)
• Autonomous 3D Exploration in Large-Scale Environments with Dynamic Obstacles [5.407319151576265]
  本稿では,動的な障害を回避するだけでなく,計画自体にそれを含めるための新しいアプローチを提案する。 提案されたプランナーであるDynamic Autonomous Exploration Planner (DAEP)は、AEPを拡張して、動的障害に関して明示的に計画する。 DAEPは、探査と衝突回避の両方に有効であることが示されている。
  論文  参考訳（メタデータ） (2023-10-27T08:45:30Z)
• Incremental 3D Scene Completion for Safe and Efficient Exploration Mapping and Planning [60.599223456298915]
  本研究では,情報,安全,解釈可能な地図作成と計画に3次元シーン補完を活用することによって,深層学習を探索に統合する新しい手法を提案する。 本手法は,地図の精度を最小限に抑えることで,ベースラインに比べて環境のカバレッジを73%高速化できることを示す。 最終地図にシーン完了が含まれていなくても、ロボットがより情報的な経路を選択するように誘導し、ロボットのセンサーでシーンの測定を35%高速化できることが示される。
  論文  参考訳（メタデータ） (2022-08-17T14:19:33Z)
• Autonomous Aerial Robot for High-Speed Search and Intercept Applications [86.72321289033562]
  高速物体把握のための完全自律飛行ロボットが提案されている。 追加のサブタスクとして、我々のシステムは、表面に近い極にある気球を自律的にピアスすることができる。 我々のアプローチは、挑戦的な国際競争で検証され、優れた結果が得られました。
  論文  参考訳（メタデータ） (2021-12-10T11:49:51Z)
• 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)
• Autonomous UAV Exploration of Dynamic Environments via Incremental Sampling and Probabilistic Roadmap [0.3867363075280543]
  インクリメンタルサンプリングと確率的ロードマップ(PRM)を用いた未知環境探索のための新しい動的探索プランナ(DEP)を提案する。 本手法は, 動的環境を安全に探索し, 探索時間, 経路長, 計算時間でベンチマークプランナーより優れている。
  論文  参考訳（メタデータ） (2020-10-14T22:52:37Z)
• Occupancy Anticipation for Efficient Exploration and Navigation [97.17517060585875]
  そこで我々は,エージェントが自我中心のRGB-D観測を用いて,その占有状態を可視領域を超えて推定する,占有予測を提案する。 エゴセントリックなビューとトップダウンマップの両方でコンテキストを活用することで、私たちのモデルは環境のより広いマップを予測できます。 われわれのアプローチは、2020 Habitat PointNav Challengeの優勝だ。
  論文  参考訳（メタデータ） (2020-08-21T03:16:51Z)

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。