論文の概要: Robust Visual SLAM for UAV Navigation in GPS-Denied and Degraded Environments: A Multi-Paradigm Evaluation and Deployment Study
- arxiv url: http://arxiv.org/abs/2605.03678v1
- Date: Tue, 05 May 2026 12:16:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-06 19:35:43.926369
- Title: Robust Visual SLAM for UAV Navigation in GPS-Denied and Degraded Environments: A Multi-Paradigm Evaluation and Deployment Study
- Title（参考訳）: GPSと劣化環境におけるUAVナビゲーションのためのロバスト視覚SLAM:マルチパラダイム評価と展開に関する研究
- Authors: Prasoon Kumar, Akshay Deepak, Sandeep Kumar,
- Abstract要約: 本稿では,5つのV-SLAMシステムの系統的比較評価を行う。
4つの公開ベンチマークからキュレートされたシーケンスで実験を行う。
Mast3R は最小劣化 ATE (0.027 m)、DUSt3R は最高追跡成功 (96.5%) を達成する
- 参考スコア（独自算出の注目度）: 3.40000540644179
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Reliable localization in GPS-denied, visually degraded environments is critical for autonomous UAV opera- tions. This paper presents a systematic comparative evaluation of five V-SLAM systems ORB-SLAM3, DPVO, DROID-SLAM, DUSt3R, and MASt3R spanning classical, deep learning, recurrent, and Vision Transformer (ViT) paradigms. Experiments are conducted on curated sequences from four public benchmarks (TUM RGB-D, EuRoC MAV, UMA-VI, SubT-MRS) and a custom monocular indoor dataset under five controlled degradation conditions (normal, low light, dust haze, motion blur, and combined), with sub-millimeter Vicon ground truth. Results show that ORB-SLAM3 fails critically under severe degradation (62.4% overall TSR; 0% under dense haze), while learning-based methods remain robust: MASt3R achieves the lowest degraded ATE (0.027 m) and DUSt3R the highest tracking success (96.5%). DPVO offers the best efficiency robustness trade-off (18.6 FPS, 3.1 GB GPU memory, 86.1% TSR), making it the preferred choice for memory-constrained embedded platforms. Embedded deployment analysis across NVIDIA Jetson platforms provides actionable guidelines for SLAM selection under SWaP-constrained UAV scenarios.
- Abstract（参考訳）: GPSを用いた視覚的に劣化した環境での信頼性の高いローカライゼーションは、自律型UAV操作オプションにとって重要である。
本稿では,古典的,ディープラーニング,リカレント,ビジョントランスフォーマー(ViT)のパラダイムにまたがる,5つのV-SLAMシステムであるORB-SLAM3,DPVO,DROID-SLAM,DUSt3R,MASt3Rの体系的比較評価を行う。
4つの公開ベンチマーク(TUM RGB-D, EuRoC MAV, UMA-VI, SubT-MRS)と, 5つの制御された劣化条件(通常, 低光, ダストヘイズ, 動きのぼかし, 組み合わせ)下でのカスタム単分子屋内データセットから, サブミリのヴィコングラウンド真理を用いて, キュレートされたシークエンスを用いて実験を行った。
以上の結果から、ORB-SLAM3は深刻な劣化(62.4%のTSR、0%は濃厚なヘイズの下で)で致命的に失敗する一方、学習ベースの手法は頑健であり、MASt3Rは最小の劣化ATE(0.027m)、DUSt3Rは最高追跡成功(96.5%)を達成した。
DPVOは最高効率の堅牢性トレードオフ(18.6FPS、3.1GBのGPUメモリ、86.1%のTSR)を提供し、メモリ制限された組み込みプラットフォームに好まれる。
NVIDIA Jetsonプラットフォームにまたがる組み込みデプロイメント分析は、SWaP制約されたUAVシナリオ下でSLAM選択のための実行可能なガイドラインを提供する。
関連論文リスト
- Instance-level Visual Active Tracking with Occlusion-Aware Planning [61.982298426203165]
Visual Active Tracking (VAT)は、カメラを3D空間でターゲットに追従することを目的としている。
VATは、視覚的に類似したイントラクタからの混乱と、閉塞下での深刻な障害という、現実世界のデプロイメントにおいて2つの重要なボトルネックに直面している。
3つの相補的なモジュールを持つ統一パイプラインであるOA-VATを提案する。
論文 参考訳（メタデータ） (2026-04-23T09:11:50Z) - Lightweight 3D LiDAR-Based UAV Tracking: An Adaptive Extended Kalman Filtering Approach [2.3646560222366695]
本稿では,Adaptive Extended Kalman Filter (AEKF) を組み込んだ軽量LiDARベースのUAVトラッキングシステムを提案する。
提案手法は,非反復走査型3次元LiDARにより発生するスパース,ノイズ,および不均一点クラウドデータによる課題を効果的に解決する。
論文 参考訳（メタデータ） (2026-03-10T15:19:34Z) - Fly, Track, Land: Infrastructure-less Magnetic Localization for Heterogeneous UAV-UGV Teaming [5.61837936726601]
我々は,軽量UAVの自律的なホバリング,追跡,着陸を可能にする,完全なインフラストラクチャレス磁気誘導型(MI)ローカライゼーションシステムを提案する。
この研究は、超軽量飛行ロボットが地上の無人地上車両の移動認識エージェントとして機能する異種ロボットコラボレーションのビジョンを前進させる。
論文 参考訳（メタデータ） (2026-03-09T20:52:51Z) - UAV-MM3D: A Large-Scale Synthetic Benchmark for 3D Perception of Unmanned Aerial Vehicles with Multi-Modal Data [47.317955428393134]
UAV-MM3Dは,低高度UAV知覚と動作理解のための多モード合成データセットである。
様々なシーン(都市部、郊外部、森林部、沿岸部)と気象条件にまたがる400Kの同期フレームで構成されている。
各フレームは2D/3Dバウンディングボックス、6-DoFのポーズ、インスタンスレベルのアノテーションを提供し、3D検出、ポーズ推定、ターゲット追跡、短期軌道予測などのUAVに関連するコアタスクを可能にする。
論文 参考訳（メタデータ） (2025-11-27T12:30:28Z) - NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。
グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。
我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
論文 参考訳（メタデータ） (2025-06-23T14:28:30Z) - Real-Time Dynamic Scale-Aware Fusion Detection Network: Take Road Damage Detection as an example [3.334973867478745]
道路被害検知(RDD)は,都市部における日常のメンテナンスと安全のために重要である。
現在のUAVベースのRDD研究は、まだ多くの課題に直面している。
背景干渉を自動的に除去できるマルチスケール適応道路損傷検出モデルを設計する。
論文 参考訳（メタデータ） (2024-09-04T09:03:47Z) - ASV Station Keeping under Wind Disturbances using Neural Network
Simulation Error Minimization Model Predictive Control [5.039813366558306]
本研究では,ニューラルネットワークシミュレーション誤差最小化(NNSEM-MPC)を用いたモデル予測制御器を提案する。
実行速度の面では、提案されたNSEM-MPCは、他のMPCコントローラよりも少なくとも36%高速である。
論文 参考訳（メタデータ） (2023-10-11T20:55:13Z) - Vision Transformers, a new approach for high-resolution and large-scale
mapping of canopy heights [50.52704854147297]
分類(離散化)と連続損失関数を最適化した新しい視覚変換器(ViT)モデルを提案する。
このモデルは、従来使用されていた畳み込みベースのアプローチ(ConvNet)よりも、連続損失関数のみで最適化された精度が向上する。
論文 参考訳（メタデータ） (2023-04-22T22:39:03Z) - MetaBEV: Solving Sensor Failures for BEV Detection and Map Segmentation [104.12419434114365]
現実世界のアプリケーションでは、センサの破損や故障がパフォーマンスの低下につながります。
極端に現実世界の環境に対処するための,MetaBEVと呼ばれる堅牢なフレームワークを提案する。
MetaBEVは、完全なモダリティと腐敗したモダリティの両方に大きなマージンで、先行技術よりも優れています。
論文 参考訳（メタデータ） (2023-04-19T16:37:17Z)
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。