論文の概要: Vision-Based End-to-End Learning for UAV Traversal of Irregular Gaps via Differentiable Simulation

• arxiv url: http://arxiv.org/abs/2604.02779v1
• Date: Fri, 03 Apr 2026 06:44:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 17:20:24.355463
• Title: Vision-Based End-to-End Learning for UAV Traversal of Irregular Gaps via Differentiable Simulation
• Title（参考訳）: 微分可能シミュレーションによる不規則ギャップのUAVトラバーサルの視覚に基づくエンド・ツー・エンド学習
• Abstract要約: 我々は、奥行き画像を直接制御コマンドにマッピングし、無人機が見えない環境で複雑な隙間を横切ることを可能にする、視覚ベースのエンドツーエンドフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 28.87894291154063
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: -Navigation through narrow and irregular gaps is an essential skill in autonomous drones for applications such as inspection, search-and-rescue, and disaster response. However, traditional planning and control methods rely on explicit gap extraction and measurement, while recent end-to-end approaches often assume regularly shaped gaps, leading to poor generalization and limited practicality. In this work, we present a fully vision-based, end-to-end framework that maps depth images directly to control commands, enabling drones to traverse complex gaps within unseen environments. Operating in the Special Euclidean group SE(3), where position and orientation are tightly coupled, the framework leverages differentiable simulation, a Stop-Gradient operator, and a Bimodal Initialization Distribution to achieve stable traversal through consecutive gaps. Two auxiliary prediction modules-a gap-crossing success classifier and a traversability predictor-further enhance continuous navigation and safety. Extensive simulation and real-world experiments demonstrate the approach's effectiveness, generalization capability, and practical robustness.
• Abstract（参考訳）: -点検・捜索・救助・災害対応など、自律ドローンにとって、狭く不規則なギャップを通り抜けることが必須のスキルである。 しかし、従来の計画と制御手法は明示的なギャップ抽出と測定に依存しているが、近年のエンドツーエンドの手法ではしばしば周期的なギャップを前提としており、一般化の貧弱さと限られた実用性をもたらす。 本研究では、奥行き画像を直接制御コマンドにマッピングし、無人機が見えない環境で複雑な隙間を横切ることを可能にする、完全な視覚ベースのエンドツーエンドフレームワークを提案する。 位置と向きが密結合された特殊ユークリッド群SE(3)で運用されているこのフレームワークは、微分可能シミュレーション、ストップ・グラディエント演算子、およびバイモーダル初期化分布を活用して、連続的なギャップを通じて安定なトラバースを達成する。 2つの補助予測モジュール-ギャップクロス成功分類器とトラバーサビリティ予測器-は、継続的なナビゲーションと安全性を高める。 大規模なシミュレーションと実世界の実験は、アプローチの有効性、一般化能力、実用的堅牢性を示す。

関連論文リスト

• Towards Generalizable Visually Grounded Exploration of Household Devices [74.66117923766632]
  汎用的な自律的実施エージェントを実現する上でのボトルネックは、Generalizable Visually Grounded Explorationにある。 VGEBenchは、視覚言語モデルの一般化可能な視野探索能力を評価するために設計されたベンチマークである。 静的なデータセットとは異なり、我々はLogic-Driven State Machineフレームワークを構築している。このフレームワークは多ターンインタラクションループをシミュレートし、アクティブな視覚知覚とフィードバック駆動の修正によって目標を達成するエージェントを説得する。
  論文  参考訳（メタデータ） (2026-09-01T07:42:45Z)
• AutoPath: Learning Transferable Goal-Conditioned Stochastic Path Prior for Safe Navigation Without Human Demonstrations [103.61864552260316]
  動的環境におけるリアルタイムナビゲーションは、限られた知覚下での衝突のない、動的に実現可能な動きを必要とする。 我々は,移動可能な目標整合経路の学習としてナビゲーションを定式化し,局所的な観測に基づいて,目標整合な局所経路上の再利用可能な分布をモデル化する。 我々は、幾何対応の極性行動多様体を用いて局所経路をパラメータ化し、安定かつ安全対応の計画のためのマルチゴール分散ロールアウトによるリスク感応性ユーティリティシェーピングを含む構造化された事前学習フレームワークを開発した。
  論文  参考訳（メタデータ） (2026-07-13T16:00:41Z)
• Pondering the Way: Spatial-perceiving World Action Model for Embodied Navigation [24.310993695214094]
  SWAM(Spatial-Perceiving World Action Model)は,タスク中心の共同観測行動生成フレームワークである。 スタートとゴールのRGB観測が与えられた場合、SWAMはシングルパス推論を行い、中間のRGB-Dシーケンスと対応するアクショントラジェクトリを同時に生成する。 SWAMは、成功率、軌道精度、推論効率において、最先端の2段階プランナーを著しく上回っている。
  論文  参考訳（メタデータ） (2026-06-29T07:43:47Z)
• WAM-Nav: Asymmetric Latent World-Action Modeling for Unified Visual Navigation [31.539730066120374]
  視覚ナビゲーションは、複雑な幾何学的および物理的制約の下で滑らかで衝突のない軌道を生成する必要がある。 WAM-Navは,視覚ナビゲーションを具体化した潜在世界行動モデルであり,行動生成と潜時視予知を共同で学習する。
  論文  参考訳（メタデータ） (2026-06-03T14:05:19Z)
• Decentralized End-to-End Multi-AAV Pursuit Using Predictive Spatio-Temporal Observation via Deep Reinforcement Learning [5.002036203828793]
  乱雑な環境における分散的協調的追跡は、自律的な空中群れにとって困難である。 本稿では,LDARの生観測を直接連続制御コマンドにマッピングする分散エンドツーエンドのマルチエージェント強化学習フレームワークを提案する。 単一の分散ポリシにより、エージェントは静的障害をナビゲートし、動的ターゲットをインターセプトし、協調的な囲いを維持することができる。
  論文  参考訳（メタデータ） (2026-03-25T12:23:35Z)
• OmniVL-Guard: Towards Unified Vision-Language Forgery Detection and Grounding via Balanced RL [63.388513841293616]
  既存の偽造検出手法は、現実世界の誤報に多いインターリーブされたテキスト、画像、ビデオを扱うのに失敗する。 このギャップを埋めるため,本論文では,オムニバス・ビジョン言語による偽造検出と接地のための統一フレームワークの開発を目標としている。 我々は、OmniVL-Guardという、オムニバス視覚言語による偽造検出と接地のためのバランスの取れた強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-11T09:41:36Z)
• ColaVLA: Leveraging Cognitive Latent Reasoning for Hierarchical Parallel Trajectory Planning in Autonomous Driving [44.008287454538596]
  視覚言語モデル(VLM)は、クロスモーダルな先行とコモンセンス推論を導入することで、このパラダイムを豊かにする。 現在のVLMベースのプランナは、(i) 個別のテキスト推論と継続的制御のミスマッチ、(ii) 自己回帰的連鎖のデコーディングからの高い遅延、(iii) リアルタイムデプロイメントを制限する非効率または非因果的なプランナである。 テキストから潜在空間へ推論を転送し,それを階層的並列軌道デコーダで結合する統合視覚言語アクションフレームワークColaVLAを提案する。
  論文  参考訳（メタデータ） (2025-12-28T14:06:37Z)
• Discrete Diffusion for Reflective Vision-Language-Action Models in Autonomous Driving [55.13109926181247]
  離散拡散による安全な軌道生成のためのリフレクション機構を統合した学習ベースのフレームワークであるReflectDriveを紹介する。 我々のアプローチの中心は、勾配のない反復的な自己補正を行う、安全を意識した反射機構である。 本手法は目標条件付き軌道生成から始まり,マルチモーダル運転動作をモデル化する。
  論文  参考訳（メタデータ） (2025-09-24T13:35:15Z)
• Breaking Imitation Bottlenecks: Reinforced Diffusion Powers Diverse Trajectory Generation [20.106116218594266]
  DIVERは、強化学習と拡散ベースの生成を統合するエンドツーエンドの自動運転フレームワークである。 また,DIVERは軌道の多様性を著しく改善し,模倣学習に固有のモード崩壊問題に効果的に対処することを示した。
  論文  参考訳（メタデータ） (2025-07-05T14:19:19Z)
• Dita: Scaling Diffusion Transformer for Generalist Vision-Language-Action Policy [73.75271615101754]
  本稿では,Transformerアーキテクチャを活用した拡張性のあるフレームワークであるDitaについて紹介する。 Ditaはコンテキスト内コンディショニング(context conditioning)を採用しており、歴史的観察から生の視覚トークンと識別されたアクションをきめ細やかなアライメントを可能にする。 Ditaは、さまざまなカメラパースペクティブ、観察シーン、タスク、アクションスペースの横断的なデータセットを効果的に統合する。
  論文  参考訳（メタデータ） (2025-03-25T15:19:56Z)
• Diffusion Transformer Policy [48.50988753948537]
  本稿では,拡散変圧器ポリシー(Diffusion Transformer Policy)と呼ばれる多モード拡散変圧器を提案し,連続的なエンドエフェクタ動作をモデル化する。 トランスのスケーリング機能を活用することで、提案手法は、多種多様なロボットデータセットにわたる継続的エンドエフェクタアクションを効果的にモデル化することができる。
  論文  参考訳（メタデータ） (2024-10-21T12:43:54Z)
• SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Diffusion-Controllable Adversaries [94.84458417662407]
  制御可能なクローズドループ安全クリティカルシミュレーションフレームワークであるSAFE-SIMを紹介する。 提案手法は,1)現実の環境を深く反映した現実的な長距離安全クリティカルシナリオの生成,2)より包括的でインタラクティブな評価のための制御可能な敵行動の提供,の2つの利点をもたらす。 複数のプランナにまたがるnuScenesとnuPlanデータセットを使用して、我々のフレームワークを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
  論文  参考訳（メタデータ） (2023-12-31T04:14:43Z)
• Bridging the Gap Between Learning in Discrete and Continuous Environments for Vision-and-Language Navigation [41.334731014665316]
  ヴィジュアル・アンド・ランゲージ・ナビゲーション(VLN)における既存の作業のほとんどは、離散的または連続的な環境に焦点を当てている。 ナビゲーション中に候補となるウェイポイントの集合を生成するための予測器を提案する。 予測された経路点を持つ連続環境を航行するエージェントは,低レベル動作を使用するエージェントよりも有意に優れた性能を示す。
  論文  参考訳（メタデータ） (2022-03-05T14:56:14Z)

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。