論文の概要: ASIP-Planner: Adaptive Planning for UAV Surface Inspection in Partially Known Indoor Environments
- arxiv url: http://arxiv.org/abs/2605.11119v1
- Date: Mon, 11 May 2026 18:28:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-13 21:48:56.355739
- Title: ASIP-Planner: Adaptive Planning for UAV Surface Inspection in Partially Known Indoor Environments
- Title（参考訳）: ASIP-Planner: 部分的に知られている屋内環境におけるUAV表面検査の適応計画
- Authors: Hanyu Jin, Zhefan Xu, Haoyu Shen, Xinming Han, Kanlong Ye, Kenji Shimada,
- Abstract要約: 本研究は、部分的に知られた屋内環境に対する適応型UAV検査フレームワークを提案する。
提案手法は,セグメントベースのグローバルカバレッジプランナと,検査指向のローカルビューアングル適応モジュールを統合する。
- 参考スコア（独自算出の注目度）: 7.773646942811247
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Indoor infrastructure inspection, such as tunnels and industrial facilities, requires systematic surface coverage to ensure that all inspection targets are properly observed. Unmanned Aerial Vehicles (UAVs) offer an alternative to manual inspection by conducting map-guided surface inspection using prior structural models. However, in practice, indoor inspection often relies on floorplan-derived reference maps that may not reflect unforeseen obstacles, such as temporary structures or equipment, leading to occluded viewpoints and degraded inspection quality. Existing coverage planning methods typically assume a fully known inspection environment and perform deterministic global viewpoint optimization based on accurate prior maps, making them vulnerable to environmental discrepancies during execution. This work presents an adaptive UAV inspection framework for partially known structured indoor environments. The proposed method integrates a segment-based global coverage planner with an inspection-oriented local view-angle adaptation module. The global planner organizes planar inspection targets into surface-aligned clusters to generate compact viewpoint sequences with improved orientation consistency. The local planner generates collision-free trajectories and adjusts the viewing direction online to mitigate occlusion-induced coverage loss while preserving the planned trajectory structure. The simulation results across randomized scene configurations demonstrate that the proposed global planner achieves near-complete coverage while reducing trajectory length compared to representative baselines. Real-world flight experiments further validate that the framework produces usable inspection data for downstream analysis. These results indicate that the proposed framework improves inspection efficiency and adaptability in partially known structured indoor environments.
- Abstract（参考訳）: トンネルや工業施設などの屋内インフラ検査は、すべての検査対象が適切に観察されることを保証するために、体系的な表面被覆を必要とする。
無人航空機(UAV)は、以前の構造モデルを用いて地図誘導表面検査を実行することで手動検査の代替手段を提供する。
しかし、実際には、屋内検査は、一時的な構造や設備などの予期せぬ障害を反映しないフロアプランに基づく参照マップに依存しており、閉鎖された視点と劣化した検査品質に繋がる。
既存のカバレッジ計画手法は、一般的に完全に知られた検査環境を仮定し、正確な事前マップに基づいて決定論的グローバルな視点最適化を行う。
本研究は、部分的に知られた屋内環境に対する適応型UAV検査フレームワークを提案する。
提案手法は,セグメントベースのグローバルカバレッジプランナと,検査指向のローカルビューアングル適応モジュールを統合する。
グローバルプランナーは、平面検査対象を表面整列クラスタに整理し、配向整合性を改善したコンパクトな視点列を生成する。
ローカルプランナーは、衝突のない軌道を生成し、オンラインで視聴方向を調整し、計画された軌道構造を保ちながら、閉塞による被覆損失を軽減する。
ランダム化されたシーン構成のシミュレーション結果から,提案するグローバルプランナは,代表的ベースラインに比べて軌道長を小さくしながらほぼ完全なカバレッジを実現することが示された。
実世界の飛行実験により、このフレームワークが下流分析に使える検査データを生成することがさらに検証された。
これらの結果から,提案手法は部分的に知られた屋内環境における検査効率と適応性を向上させることが示唆された。
関連論文リスト
- See&Say: Vision Language Guided Safe Zone Detection for Autonomous Package Delivery Drones [3.719121868494767]
See&Sayは、幾何学的安全性と意味認識を組み合わせた新しいフレームワークであり、反復的洗練のためのビジョン・ランゲージ・モデル(VLM)によってガイドされている。
See&Sayは全ベースラインを上回り、安全マップ予測の精度とIoUを達成する。
これらの知見は,VLM誘導セグメンテーション深度融合が,安全で実用的なドローンパッケージの配送を促進することの可能性を浮き彫りにした。
論文 参考訳（メタデータ） (2026-04-14T20:54:31Z) - Coverage First Next Best View for Inspection of Cluttered Pipe Networks Using Mobile Manipulators [3.0472973584577923]
放射能領域のロボット検査により、オペレーターは危険環境から除去できる。
これらのシステムは、未知の環境を自律的に再構築し、その表面をカバーしなければならない。
我々は,環境の同時探索と活用を可能にする,次世代の視点に基づく新しい計画手法を提案する。
論文 参考訳（メタデータ） (2026-03-17T12:59:26Z) - OmniPlanner: Universal Exploration and Inspection Path Planning across Robot Morphologies [13.982169714862648]
この記事では、空中、地上、水中ロボットを横断する自律探査および検査のための統合計画フレームワークであるOmniPlannerについて述べる。
この手法は、単一のモジュラーアーキテクチャ内での目標到達行動と並行して、体積探索と視点に基づく検査を統合する。
この枠組みは、地下の鉱山、工業施設、森林、潜水艦バンカー、構造物の屋外環境における広範なシミュレーション研究と現地展開を通じて検証されている。
論文 参考訳（メタデータ） (2026-03-04T17:02:26Z) - Mapping-Guided Task Discovery and Allocation for Robotic Inspection of Underwater Structures [4.067893012517312]
水中マルチロボット検査のためのタスク生成は、既存の幾何学の事前知識なしで実現できる。
タスクのセットはSLAMメッシュから生成され、期待されるキーポイントスコアと距離ベースのプルーニングによって最適化される。
その結果, 模擬ヴォロノイ分割とブーストロフェドンパターンを比較し, 試験環境のモデルにおける検査カバレッジについて検討した。
論文 参考訳（メタデータ） (2026-02-02T17:51:32Z) - Verification of Visual Controllers via Compositional Geometric Transformations [49.81690518952909]
到達可能な集合の外部近似を生成できる知覚ベースのコントローラのための新しい検証フレームワークを提案する。
提案手法の音質を理論的に保証し,ベンチマーク制御環境における有効性を示す。
論文 参考訳（メタデータ） (2025-07-06T20:22:58Z) - 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) - UAS-based Automated Structural Inspection Path Planning via Visual Data
Analytics and Optimization [1.1496057626375067]
Unmanned Aerial Systems (UAS) はインフラ検査の分野で大きな注目を集めている。
この点における中核的な問題は、最適な自動飛行経路を選択することである。
本稿では,構造検査の文脈における経路計画問題に対する効果的な定式化について述べる。
論文 参考訳（メタデータ） (2023-12-22T23:07:20Z) - Test-time Adaptation with Slot-Centric Models [63.981055778098444]
Slot-TTAは、半教師付きシーン分解モデルであり、シーンごとのテスト時間は、再構成やクロスビュー合成の目的に対する勾配降下を通じて適用される。
我々は、最先端の監視フィードフォワード検出器と代替テスト時間適応法に対して、配電性能が大幅に向上したことを示す。
論文 参考訳（メタデータ） (2022-03-21T17:59:50Z) - Differentiable Spatial Planning using Transformers [87.90709874369192]
本研究では、長距離空間依存を計画して行動を生成する障害マップを与えられた空間計画変換器(SPT)を提案する。
エージェントが地上の真理マップを知らない環境では、エンド・ツー・エンドのフレームワークで事前訓練されたSPTを利用する。
SPTは、操作タスクとナビゲーションタスクの両方のすべてのセットアップにおいて、最先端の差別化可能なプランナーよりも優れています。
論文 参考訳（メタデータ） (2021-12-02T06:48:16Z) - Unsupervised Domain Adaptation for Spatio-Temporal Action Localization [69.12982544509427]
S時間動作の局所化はコンピュータビジョンにおいて重要な問題である。
本稿では、エンドツーエンドの教師なしドメイン適応アルゴリズムを提案する。
空間的特徴と時間的特徴を別々にあるいは共同的に適応した場合に,顕著な性能向上が達成できることを示す。
論文 参考訳（メタデータ） (2020-10-19T04:25:10Z)
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。