論文の概要: Safe Aerial 3D Path Planning for Autonomous UAVs using Magnetic Potential Fields

• arxiv url: http://arxiv.org/abs/2605.10880v1
• Date: Mon, 11 May 2026 17:28:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:51.033842
• Title: Safe Aerial 3D Path Planning for Autonomous UAVs using Magnetic Potential Fields
• Title（参考訳）: 磁場を用いた自律型UAVの安全3次元経路計画
• Authors: Haechan Mark Bong, Giovanni Beltrame,
• Abstract要約: MaxConvNetは、ローカルのミニマを使わずにゴールへのパスを生成する潜在的フィールドプランナーである。 我々は、2D MaxConvNet磁場プランナを3Dに拡張し、畳み込みオートエンコーダを用いて障害物認識電位場を予測する。
• 参考スコア（独自算出の注目度）: 4.894362825271711
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Safe autonomous Uncrewed Aerial Vehicle (UAV) navigation in urban environments requires real-time path planning that avoids obstacles. MaxConvNet is a potential-field planner that leverages properties of Maxwell's equations to generate a path to the goal without local minima. We extend the 2D MaxConvNet magnetic field planner to 3D, using a convolutional autoencoder to predict obstacle-aware potential fields from LiDAR-derived 101^3 voxel grids. Evaluation across 100 randomized closed-loop trials in two distinct Cosys-AirSim urban environments, a dense night-time cityscape and a suburban district shows a 100% path planning success rate on both maps without retraining. In offline path planning, 3DMaxConvNet produces path lengths comparable to A* on unseen maps while reducing runtime from 0.155--0.17s to 0.087--0.089s, or about 1.7--1.95 times faster than A*. Against RRT*(3k), 3DMaxConvNet achieves similar path quality while reducing planning runtime from 17.2--17.5s to about 0.09s, which is roughly 193--201 times faster than RRT*(3k).
• Abstract（参考訳）: 都市環境における無人無人航空機(UAV)の安全な航行には、障害物を避けるためにリアルタイムの経路計画が必要である。 MaxConvNet は、マクスウェル方程式の性質を利用して局所最小値なしでゴールへの経路を生成するポテンシャル場プランナーである。 我々は、2D MaxConvNet磁場プランナを3Dに拡張し、畳み込みオートエンコーダを用いてLiDAR由来の101^3ボクセル格子から障害物認識電位場を予測する。 コシズ・エアシムの2つの異なる都市環境、密集した夜間都市景観、郊外地区における100のランダム化閉ループ試験による評価は、再訓練なしに両方の地図上で100%の経路計画の成功率を示している。 3DMaxConvNetは、オフラインパス計画において、未確認の地図上でA*に匹敵するパス長を生成し、ランタイムを0.155--0.17sから0.087--0.089sに減らし、A*より約1.7--1.95倍速くする。RT*(3k)に対して、3DMaxConvNetは、同様のパス品質を実現し、計画ランタイムを17.2--17.5sから約0.09sに減らし、RT*(3k)より約193--201倍高速である。

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)
• Reasoning About Traversability: Language-Guided Off-Road 3D Trajectory Planning [1.6983657949644717]
  VLM(Vision-Language Models)は、エンドツーエンドの自動運転のための高度なセマンティック推論を可能にする。 既存のオフロードデータセットは、車両の動作や地形と弱い整合性を持つ言語アノテーションに悩まされている。 本稿では,アノテーションをアクション整合ペアに再構成する言語改良フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-23T03:26:42Z)
• Neural Radiance Maps for Extraterrestrial Navigation and Path Planning [0.6211484563861966]
  現在のローバーの自律性は、オンボードの再計画のために簡単に構築および保存できるグローバルマップの欠如によって制限されている。 NeRFは、スパース2D画像からトレーニングし、効率的に保存できる詳細な3Dシーン表現として導入されている。 我々は、NeRFを用いて、自律ナビゲーションにおけるオンライン利用のためのマップを構築することを提案し、NeRFマップを利用してローカル情報とグローバル情報を統合する計画フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-18T00:39:20Z)
• Enhanced UAV Path Planning Using the Tangent Intersection Guidance (TIG) Algorithm [0.0]
  Tangent Intersection Guidance (TIG) は、静的および動的環境の両方において、UAV経路計画の先進的なアプローチである。 脅威ごとに2つのサブパスを生成し、アルゴリズムルールに基づいて最適な経路を選択し、目標に到達するまで経路を反復的に洗練する。 TIGは衝突回避のための効率的なリアルタイムパス計画機能を示し、APFおよびダイナミックAPPATTアルゴリズムより優れている。
  論文  参考訳（メタデータ） (2025-08-26T12:11:59Z)
• Delta-Triplane Transformers as Occupancy World Models [57.16979927973973]
  Occupancy World Models (OWMs) は、知的運動計画を支援するために、環境の3次元ボキセル化表現を通して将来のシーンを予測することを目的としている。 本稿では,自律運転のための新しい4DOWMであるDelta-Triplane Transformers (DTT)を提案する。 DTTは1.44$times$ speedup (26 FPS)を最先端に提供し、平均IoUを30.85に改善し、平均絶対計画誤差を1.0mに下げる。
  論文  参考訳（メタデータ） (2025-03-10T13:50:23Z)
• SCoTT: Strategic Chain-of-Thought Tasking for Wireless-Aware Robot Navigation in Digital Twins [78.53885607559958]
  無線対応経路計画フレームワークであるSCoTTを提案する。 SCoTT は DP-WA* の2% 以内で経路ゲインを達成し, 連続的に短い軌道を生成できることを示す。 また,ガゼボシミュレーションにおいて,SCoTTをROSノードとして配置することにより,本手法の実用性を示す。
  論文  参考訳（メタデータ） (2024-11-27T10:45:49Z)
• RoadRunner M&M -- Learning Multi-range Multi-resolution Traversability Maps for Autonomous Off-road Navigation [12.835198004089385]
  RoadRunner (M&M) はエンドツーエンドの学習ベースのフレームワークで、さまざまな範囲のトレーバービリティと標高マップを直接予測する。 RoadRunner M&Mは、標高マッピングで最大50%の大幅な改善と、RoadRunner上でのトラバーサビリティ推定で30%の大幅な改善を実現している。
  論文  参考訳（メタデータ） (2024-09-17T07:21:03Z)
• VAPOR: Legged Robot Navigation in Outdoor Vegetation Using Offline Reinforcement Learning [53.13393315664145]
  本研究では,非構造で密集した屋外環境における自律脚ロボットナビゲーションのための新しい手法であるVAPORを提案する。 本手法は,アクター・クリティカル・ネットワークと実際の屋外植生で収集された任意のデータを用いて,新しいRLポリシーを訓練する。 VAPORの動作は成功率を最大40%向上させ、平均電流消費量を最大2.9%削減し、正規化軌道長を最大11.2%削減する。
  論文  参考訳（メタデータ） (2023-09-14T16:21:27Z)
• POA: Passable Obstacles Aware Path-planning Algorithm for Navigation of a Two-wheeled Robot in Highly Cluttered Environments [53.41594627336511]
  パッシブル障害物認識(Passable Obstacles Aware, POA)プランナーは, 乱雑な環境下での二輪ロボットのナビゲーション手法である。 我々のアルゴリズムは、二輪ロボットが通過可能な障害物を通り抜ける道を見つけることを可能にする。
  論文  参考訳（メタデータ） (2023-07-16T19:44:27Z)
• Multi-Agent Path Planning based on MPC and DDPG [14.793341914236166]
  モデル予測制御(MPC)とDeep Deterministic Policy Gradient(DDPG)を組み合わせた新しいアルゴリズムを提案する。 ddpg with continuous action spaceは、ロボットに学習と自律的な意思決定機能を提供するように設計されている。 航空母艦デッキや四角形などの不確定な環境でのシミュレーション実験にunity 3dを用いる。
  論文  参考訳（メタデータ） (2021-02-26T02:57:13Z)

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。