論文の概要: Saranga: MilliWatt Ultrasound for Navigation in Visually Degraded Environments on Palm-Sized Aerial Robots

• arxiv url: http://arxiv.org/abs/2603.24699v1
• Date: Wed, 25 Mar 2026 18:22:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-27 20:52:47.932127
• Title: Saranga: MilliWatt Ultrasound for Navigation in Visually Degraded Environments on Palm-Sized Aerial Robots
• Title（参考訳）: サランガ:パームサイズ空中ロボットの視覚劣化環境におけるナビゲーション用ミリワット超音波
• Authors: Manoj Velmurugan, Phillip Brush, Colin Balfour, Richard J. Przybyla, Nitin J. Sanket,
• Abstract要約: サランガ(Saranga)は、デュアルアレイソナーを用いて障害物を局所化する低出力超音波ベースの知覚スタックである。 本稿では,低ピーク信号対雑音比を4.9ドルのデシベルで抑えるための2つの重要な解を提案する。
• 参考スコア（独自算出の注目度）: 2.6545232578580777
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Tiny palm-sized aerial robots possess exceptional agility and cost-effectiveness in navigating confined and cluttered environments. However, their limited payload capacity directly constrains the sensing suite on-board the robot, thereby limiting critical navigational tasks in Global Positioning System (GPS)-denied wild scenes. Common methods for obstacle avoidance use cameras and LIght Detection And Ranging (LIDAR), which become ineffective in visually degraded conditions such as low visibility, dust, fog or darkness. Other sensors, such as RAdio Detection And Ranging (RADAR), have high power consumption, making them unsuitable for tiny aerial robots. Inspired by bats, we propose Saranga, a low-power ultrasound-based perception stack that localizes obstacles using a dual sonar array. We present two key solutions to combat the low Peak Signal-to-Noise Ratio of $-4.9$ decibels: physical noise reduction and a deep learning based denoising method. Firstly, we present a practical way to block propeller induced ultrasound noise on the weak echoes. The second solution is to train a neural network to utilize the \textcolor{black}{long horizon of ultrasound echoes} for finding signal patterns under high amounts of uncorrelated noise where classical methods were insufficient. We generalize to the real world by using a synthetic data generation pipeline and limited real noise data for training. We enable a palm-sized aerial robot to navigate in visually degraded conditions of dense fog, darkness, and snow in a cluttered environment with thin and transparent obstacles using only on-board sensing and computation. We provide extensive real world results to demonstrate the efficacy of our approach.
• Abstract（参考訳）: 小型のパームサイズの空中ロボットは、閉じ込められた環境や散らばった環境をナビゲートする際、例外的な機敏さと費用対効果を持っている。 しかし、その制限されたペイロード容量は、ロボット上でのセンサースイートを直接制限し、GPS(Global Positioning System)で特定された野生のシーンにおける重要なナビゲーションタスクを制限している。 障害物回避のための一般的な方法はカメラとLIDAR(LIght Detection And Ranging)であり、視界の低さ、塵、霧、暗闇といった視覚的に劣化した状況では効果がない。 RAAR(Radio Detection And Ranging)のような他のセンサーは消費電力が高く、小型の空中ロボットには適さない。 コウモリにインスパイアされたサランガは、二重ソナーアレイを用いて障害物を局所化する低消費電力超音波ベースの知覚スタックである。 本稿では,低ピーク信号対雑音比を4.9ドルのデシベルで抑えるための2つの重要な解を提案する。 まず,弱いエコーに対するプロペラ誘起超音波ノイズをブロックする方法を提案する。 第2の解決策は、古典的手法が不十分な大量の非相関ノイズの下で信号パターンを見つけるために、‘textcolor{black}{long horizon of Ultra echoes}’を使用するようにニューラルネットワークを訓練することである。 我々は,合成データ生成パイプラインと実雑音データに制限を加えて実世界へ一般化する。 手のひらサイズの空中ロボットは、密集した霧、暗闇、雪などの視覚的に劣化した環境を、オンボードセンシングと計算のみを用いて、薄く透明な障害物で移動することができる。 我々は、我々のアプローチの有効性を示すために、広範囲な実世界の結果を提供する。

関連論文リスト

• Real-Time Glass Detection and Reprojection using Sensor Fusion Onboard Aerial Robots [9.34137124377529]
  透明な障害物は、信頼性の高いナビゲーションとマッピングに重大な課題をもたらします。 本稿では,300g以下の4乗子上での透明な障害物の検出とマッピングのための,新しい計算効率の高いフレームワークを提案する。 提案手法は,カスタム2次元畳み込みモデルを用いて,Time-of-Flight(ToF)カメラと超音波センサのデータを融合する。 パイプライン全体がリアルタイムで動作し、組み込みプロセッサ上のCPUコアのごく一部しか利用できない。
  論文  参考訳（メタデータ） (2025-10-07T23:31:45Z)
• RaGNNarok: A Light-Weight Graph Neural Network for Enhancing Radar Point Clouds on Unmanned Ground Vehicles [12.029656955984262]
  我々は、レーダポイントクラウドを強化するために、リアルタイムで軽量で一般化可能なグラフニューラルネットワークフレームワークであるRaGNNarokを紹介した。 RaGNNarokはリソース制約のあるデバイスでも効率的に動作し、追加の計算リソースを必要としない。 以上の結果から,RaGNNarokを低コスト屋内移動ロボットのロバストなソリューションとして,信頼性と汎用性を実証した。
  論文  参考訳（メタデータ） (2025-07-01T16:42:43Z)
• Noise Filtering Benchmark for Neuromorphic Satellites Observations [39.781091151259766]
  イベントカメラはスパース、高時間分解能、高ダイナミックレンジ、低消費電力、スパースデータ出力を提供する非同期の輝度変化をキャプチャする。 これらの利点は、特に望遠鏡の視野内を移動する常駐の宇宙物体を検出するのに、宇宙状況認識に理想的である。 しかしながら、イベントカメラからの出力は、しばしば、低照度条件でより多く見られる背景活動ノイズを含む。 このノイズは衛星信号によって発生するスパース事象を圧倒し、検出と追跡をより困難にする。
  論文  参考訳（メタデータ） (2024-11-18T02:02:24Z)
• Enhancing Autonomous Navigation by Imaging Hidden Objects using Single-Photon LiDAR [12.183773707869069]
  単一光子LiDARを用いたNon-Line-of-Sight(NLOS)センシングによる視認性の向上と自律ナビゲーションの向上を目的とした新しいアプローチを提案する。 本手法は,マルチバウンス光情報を利用することで,移動ロボットを「隅々まで見る」ことを可能にする。
  論文  参考訳（メタデータ） (2024-10-04T16:03:13Z)
• Radar Fields: Frequency-Space Neural Scene Representations for FMCW Radar [62.51065633674272]
  本稿では,アクティブレーダイメージア用に設計されたニューラルシーン再構成手法であるRadar Fieldsを紹介する。 提案手法では,暗黙的ニューラルジオメトリとリフレクタンスモデルを用いて,暗黙的な物理インフォームドセンサモデルを構築し,生のレーダ測定を直接合成する。 本研究では,密集した車両やインフラを備えた都市景観を含む,多様な屋外シナリオにおける手法の有効性を検証する。
  論文  参考訳（メタデータ） (2024-05-07T20:44:48Z)
• Echoes Beyond Points: Unleashing the Power of Raw Radar Data in Multi-modality Fusion [74.84019379368807]
  本稿では,既存のレーダ信号処理パイプラインをスキップするEchoFusionという新しい手法を提案する。 具体的には、まずBird's Eye View (BEV)クエリを生成し、次にレーダーから他のセンサーとフューズに対応するスペクトル特徴を取ります。
  論文  参考訳（メタデータ） (2023-07-31T09:53:50Z)
• ScatterNeRF: Seeing Through Fog with Physically-Based Inverse Neural Rendering [83.75284107397003]
  本稿では,シーンをレンダリングし,霧のない背景を分解するニューラルネットワークレンダリング手法であるScatterNeRFを紹介する。 本研究では,散乱量とシーンオブジェクトの非絡み合い表現を提案し,物理に着想を得た損失を伴ってシーン再構成を学習する。 マルチビューIn-the-Wildデータをキャプチャして,大規模な霧室内でのキャプチャを制御し,本手法の有効性を検証した。
  論文  参考訳（メタデータ） (2023-05-03T13:24:06Z)
• NSANet: Noise Seeking Attention Network [0.7614628596146599]
  我々は、ノイズソーキング注意ネットワーク(NSANet)と呼ばれる新しいノイズフィルタリングニューラルネットワークを提案する。 NSANetは物理的事前と局所的な空間的注意を使ってノイズをフィルタする。
  論文  参考訳（メタデータ） (2023-02-26T19:22:36Z)
• Neural Scene Representation for Locomotion on Structured Terrain [56.48607865960868]
  本研究では,都市環境を横断する移動ロボットの局所的な地形を再構築する学習手法を提案する。 搭載されたカメラとロボットの軌道からの深度測定のストリームを用いて、ロボットの近傍の地形を推定する。 ノイズ測定とカメラ配置の盲点からの大量の欠落データにもかかわらず,シーンを忠実に再構築する3次元再構成モデルを提案する。
  論文  参考訳（メタデータ） (2022-06-16T10:45:17Z)

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。