論文の概要: CosFly: Plan in the Matrix, Fly in the World

• arxiv url: http://arxiv.org/abs/2605.19120v1
• Date: Mon, 18 May 2026 21:11:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-20 15:03:08.991493
• Title: CosFly: Plan in the Matrix, Fly in the World
• Title（参考訳）: CosFly:マトリックスの計画と世界での飛行
• Authors: Hanxuan Chen, Xiangyue Wang, Songsheng Cheng, Ruilong Ren, Jie Zheng, Shuai Yuan, Tianle Zeng, Hanzhong Guo, Binbo Li, Kangli Wang, Ji Pei,
• Abstract要約: 航空追跡のためのボックス構造化計画およびマルチモーダルシミュレーションパイプラインであるCosFlyを提案する。 また,多様な環境をまたいだ動的目標追跡のための大規模UAVデータセットであるCosFly-Trackについても紹介する。
• 参考スコア（独自算出の注目度）: 5.765003525486641
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present CosFly, a box-structured planning and multimodal simulation pipeline for aerial tracking, together with CosFly-Track, a large-scale UAV dataset for dynamic target tracking across diverse environments including urban centers, highways, rural landscapes, forests, and coastal towns. In our current implementation on CARLA, CosFly provides a modular 7-step construction pipeline that converts complex 3D worlds into structured obstacle representations for planning, then projects the resulting trajectories back into multi-modal sensor data -- including RGB images, high-precision depth maps, and semantic segmentation masks -- paired with natural language navigation instructions. A key feature is the support for configurable fixed-FOV zoom levels (one FOV setting drawn per trajectory and held constant throughout), enabling simulation of various focal lengths through camera-intrinsic adjustments. The pipeline covers the complete workflow from 3D map export through grid simplification, pedestrian and drone trajectory planning, multi-modal rendering with 6-DOF pose annotations, quality inspection, and teacher-student caption generation. We analyze two trajectory-planning paradigms for aerial target tracking: a conventional two-stage pipeline with front-end candidate generation and backend refinement, and a direct gradient-based formulation that optimizes multiple tracking constraints in a single objective. The public CosFly-Track release contains 250 validated trajectories and approximately 100,000 rendered images with complete 6-DOF drone pose annotations (position x, y, z and orientation yaw, pitch, roll). Together, the pipeline and dataset establish a scalable foundation for aerial-ground collaborative research, supporting dynamic target tracking, UAV navigation, and multi-modal perception across diverse environments.
• Abstract（参考訳）: CosFlyとCosFly-Trackは、都市中心部、高速道路、農村景観、森林、沿岸の町など多様な環境を対象とする大規模UAVデータセットである。 現在のCARLA実装では、複雑な3Dワールドを計画のための構造化された障害物表現に変換し、その結果のトラジェクトリを、RGBイメージ、高精度深度マップ、セマンティックセグメンテーションマスクなどを含むマルチモーダルセンサーデータに投影するモジュール型の7ステップ構成パイプラインを提供しています。 重要な特徴は、設定可能な固定FOVズームレベル(軌道毎に描画され、一定時間保持される1つのFOV設定)のサポートであり、カメラ固有の調整を通じて様々な焦点長のシミュレーションを可能にする。 このパイプラインは、グリッドの単純化、歩行者とドローンの軌道計画、6-DOFのポーズアノテーションによるマルチモーダルレンダリング、品質検査、教師と学生のキャプション生成を通じて、3Dマップのエクスポートから完全なワークフローをカバーしている。 従来の2段階のパイプラインと,フロントエンドの候補生成とバックエンドの改良,および1つの目的において複数のトラッキング制約を最適化する直接勾配に基づく定式化という,航空目標追跡のための軌道計画パラダイムを解析した。 CosFly-Trackの公開リリースには、250の検証された軌跡と、完全な6-DOFドローンのポーズアノテーション(配置x、y、z、方向ヨー、ピッチ、ロール)を備えた約10万のレンダリング画像が含まれている。 パイプラインとデータセットは、動的目標追跡、UAVナビゲーション、多様な環境におけるマルチモーダル認識をサポートする、地上共同研究のためのスケーラブルな基盤を確立する。

関連論文リスト

• CosFly-Track: A Large-Scale Multi-Modal Dataset for UAV Visual Tracking via Multi-Constraint Trajectory Optimization [5.936588226093352]
  都市環境におけるUAV視覚追跡のための大規模マルチモーダルデータセットであるCosFlyTrackを紹介する。 このデータセットは6000本の歩行者経路から生成された約12,000人の専門家と摂動型UAV軌道を提供する。 CosFlyTrackは追跡性能を78.3から95.6%に改善し、ゼロショットベースラインよりも53から69ポイント向上した。
  論文  参考訳（メタデータ） (2026-05-18T02:49:58Z)
• S3KF: Spherical State-Space Kalman Filtering for Panoramic 3D Multi-Object Tracking [24.79542959759503]
  パノラマ多対象追跡は、産業安全監視、広域ロボット認識、大規模ワークスペースにおけるインフラストラクチャライト展開において重要である。 既存の画像平面トラッカーは、カメラ投影に強く結合され、パノラマ画像では信頼性が低い。 回転する電動LiDARとクワッドフィッシュカメラリグをベースとしたパノラマ3次元多物体追跡フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-29T06:01:29Z)
• PLANA3R: Zero-shot Metric Planar 3D Reconstruction via Feed-Forward Planar Splatting [56.188624157291024]
  提案するPLANA3Rは,提案しない2次元画像から平面3次元再構成を計測するためのポーズレスフレームワークである。 トレーニング中に3次元平面アノテーションを必要とする以前のフィードフォワード法とは異なり、PLANA3Rは明確な平面監督なしで平面3次元構造を学習する。 本研究は,複数の室内環境データセットに対するPLANA3Rの有効性を検証するとともに,領域外屋内環境への強力な一般化を実証する。
  論文  参考訳（メタデータ） (2025-10-21T15:15:33Z)
• MapAnything: Universal Feed-Forward Metric 3D Reconstruction [63.79151976126576]
  MapAnythingは1つ以上の画像を取り込み、カメラの内在性、ポーズ、深さ、部分的な再構築など、任意の幾何学的入力を行う。 そして、メーター3Dシーンの幾何学とカメラを直接補強する。 MapAnythingは、単一のフィードフォワードパスで幅広い3Dビジョンタスクに対処する。
  論文  参考訳（メタデータ） (2025-09-16T18:00:14Z)
• SpatialTrackerV2: 3D Point Tracking Made Easy [73.0350898700048]
  SpaceTrackerV2はモノクロビデオのフィードフォワード3Dポイントトラッキング手法である。 これは、世界空間の3Dモーションをシーン幾何学、カメラエゴモーション、ピクセルワイドオブジェクトモーションに分解する。 このような異種データから幾何学と運動を共同で学習することで、SpatialTrackerV2は既存の3Dトラッキング方法よりも30%優れています。
  論文  参考訳（メタデータ） (2025-07-16T17:59:03Z)
• Monocular Road Planar Parallax Estimation [25.36368935789501]
  乾燥可能な表面および周囲環境の3次元構造を推定することは、補助的かつ自律的な運転にとって重要な課題である。 単眼画像からの3Dセンシングのための新しいディープニューラルネットワークであるRoad Planar Parallax Attention Network (RPANet)を提案する。 RPANetは、路面のホモグラフィに整列した一対の画像を入力として取り、3D再構成のための$gamma$mapを出力する。
  論文  参考訳（メタデータ） (2021-11-22T10:03:41Z)
• OmniSLAM: Omnidirectional Localization and Dense Mapping for Wide-baseline Multi-camera Systems [88.41004332322788]
  超広視野魚眼カメラ(FOV)を用いた広視野多視点ステレオ構成のための全方向位置決めと高密度マッピングシステムを提案する。 より実用的で正確な再構築のために、全方向深度推定のための改良された軽量のディープニューラルネットワークを導入する。 我々は全方位深度推定をビジュアル・オドメトリー(VO)に統合し,大域的整合性のためのループ閉鎖モジュールを付加する。
  論文  参考訳（メタデータ） (2020-03-18T05:52:10Z)

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。