論文の概要: Real Time Local Wind Inference for Robust Autonomous Navigation
- arxiv url: http://arxiv.org/abs/2604.00343v1
- Date: Wed, 01 Apr 2026 00:35:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-02 16:44:31.774236
- Title: Real Time Local Wind Inference for Robust Autonomous Navigation
- Title（参考訳）: ロバストな自律航法のための実時間局所風速推定
- Authors: Spencer Folk,
- Abstract要約: この論文は、航空機に搭載されたセンサーと組込み飛行ハードウェアを用いて、空中ロボットが周囲の風の流れをリアルタイムで推論できるソリューションを提示している。
まず,高密度都市環境における正確な風速予測のための地形データの有効性,およびエネルギー効率と障害物回避を重視した運動計画のための学習風モデルの有用性,という2つの基本的課題に対処することを目的とする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This thesis presents a solution that enables aerial robots to reason about surrounding wind flow fields in real time using on board sensors and embedded flight hardware. The core novelty of this research is the fusion of range measurements with sparse in situ wind measurements to predict surrounding flow fields. We aim to address two fundamental questions: first, the sufficiency of topographical data for accurate wind prediction in dense urban environments; and second, the utility of learned wind models for motion planning with an emphasis on energy efficiency and obstacle avoidance. Drawing on tools from deep learning, fluid mechanics, and optimal control, we establish a framework for local wind prediction using navigational LiDAR, and then incorporate local wind model priors into a receding-horizon optimal controller to study how local wind knowledge affects energy use and robustness during autonomous navigation. Through simulated demonstrations in diverse urban wind scenarios we evaluate the predictive capabilities of the wind predictor, and quantify improvements to autonomous urban navigation in terms of crash rates and energy consumption when local wind information is integrated into the motion planning. Sub-scale free flight experiments in an open-air wind tunnel demonstrate that these algorithms can run in real time on an embedded flight computer with sufficient bandwidth for stable control of a small aerial robot. Philosophically, this thesis contributes a new paradigm for localized wind inference and motion planning in unknown windy environments. By enabling robots to rapidly assess local wind conditions without prior environmental knowledge, this research accelerates the introduction of aerial robots into increasingly challenging environments.
- Abstract（参考訳）: この論文は、航空機に搭載されたセンサーと組込み飛行ハードウェアを用いて、空中ロボットが周囲の風の流れをリアルタイムで推論できるソリューションを提示している。
この研究の核となる新規性は、周囲の流れを予測するために、スパース・インシチュ・ウインド測定とレンジ計測を融合させることである。
まず,高密度都市環境における正確な風速予測のための地形データの有効性,およびエネルギー効率と障害物回避を重視した運動計画のための学習風モデルの有用性,という2つの基本的課題に対処することを目的とする。
深層学習,流体力学,最適制御などのツールを駆使して,航法的LiDARを用いた局所風速予測の枠組みを構築し,局所風速が自律航法におけるエネルギー利用やロバスト性にどのように影響するかを研究するために,局所風速モデル前駆体を後退水平最適制御器に組み込む。
各種都市風のシナリオにおけるシミュレーション実験を通じて,風速予測器の予測能力を評価し,局地風情報を移動計画に統合した場合の衝突速度とエネルギー消費の観点から,自律型都市航法の改善を定量化する。
オープンエア風洞におけるサブスケール自由飛行実験により,小型空中ロボットの安定制御に十分な帯域幅を持つ組込み飛行コンピュータ上で,これらのアルゴリズムがリアルタイムに動作できることが実証された。
哲学的には、この論文は未知の風環境における局所風速推定と運動計画の新しいパラダイムに寄与する。
この研究は、ロボットが環境知識を必要とせずに局所的な風況を迅速に評価できるようにすることで、ますます困難な環境への空中ロボットの導入を加速させる。
関連論文リスト
- WESPR: Wind-adaptive Energy-Efficient Safe Perception & Planning for Robust Flight with Quadrotors [9.15147164003286]
WESPRは環境形状が局地風環境にどのように影響するかを予測する高速なフレームワークである。
その結果,最大軌道偏差が12.5-58.7%減少し,風向非依存の適応制御器に比べて24.6%の安定性が向上した。
論文 参考訳（メタデータ） (2026-03-10T05:09:43Z) - Generative Modeling of Microweather Wind Velocities for Urban Air Mobility [0.0]
本研究は, 安全で信頼性が高く, 耐候性のある都市空力(UAM)ソリューションの追求により, マイクロウェザー風速のキャラクタリゼーションのための生成モデル手法を提案する。
この研究は、計算効率のよい風速をモデル化し、ランダムな変動を捉えることを目的としており、永久的なフィールド計測のキャンペーンよりも一時的なものしか必要としない。
論文 参考訳（メタデータ） (2025-03-04T15:03:15Z) - Multi-Source Urban Traffic Flow Forecasting with Drone and Loop Detector Data [61.9426776237409]
ドローンが捉えたデータは、大規模都市ネットワークのための正確なマルチセンサー移動観測所を作ることができる。
単純なグラフベースモデルHiMSNetは、複数のデータモダリティと学習時間相関を統合するために提案されている。
論文 参考訳（メタデータ） (2025-01-07T03:23:28Z) - WindSeer: Real-time volumetric wind prediction over complex terrain
aboard a small UAV [29.345342470012724]
計算流体力学シミュレーションの合成データのみを用いてニューラルネットワークであるWindSeerを訓練する。
WindSeerは、未確認の地形上で異なる解像度とドメインサイズで正確な予測を、再トレーニングすることなく生成することができる。
本研究では,気象観測所が収集した過去の風速と,ドローンによる風速の予測に成功していることを示す。
論文 参考訳（メタデータ） (2024-01-18T12:46:26Z) - Learning-based estimation of in-situ wind speed from underwater
acoustics [58.293528982012255]
水中音響から風速時系列を検索するための深層学習手法を提案する。
我々のアプローチは、事前の物理知識と計算効率の両面から恩恵を受けるために、データ同化と学習ベースのフレームワークをブリッジする。
論文 参考訳（メタデータ） (2022-08-18T15:27:40Z) - Neural-Fly Enables Rapid Learning for Agile Flight in Strong Winds [96.74836678572582]
本稿では,ディープラーニングを通じて事前学習した表現を組み込むことで,オンラインでの迅速な適応を可能にする学習ベースのアプローチを提案する。
Neural-Flyは、最先端の非線形かつ適応的なコントローラよりもかなり少ないトラッキングエラーで正確な飛行制御を実現する。
論文 参考訳（メタデータ） (2022-05-13T21:55:28Z) - 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) - Learning High-Speed Flight in the Wild [101.33104268902208]
複雑な自然環境や人工環境を高速で自律的に飛行するエンド・ツー・エンドのアプローチを提案する。
鍵となる原理は、雑音の知覚観測を直接、後退水平方向に無衝突軌道にマッピングすることである。
現実的なセンサノイズをシミュレートすることにより,シミュレーションから現実環境へのゼロショット転送を実現する。
論文 参考訳（メタデータ） (2021-10-11T09:43:11Z)
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。