論文の概要: KIO-planner: Attention-Guided Single-Stage Motion Planning with Dual Mapping for UAV Navigation
- arxiv url: http://arxiv.org/abs/2605.19703v1
- Date: Tue, 19 May 2026 11:41:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-20 15:03:09.302671
- Title: KIO-planner: Attention-Guided Single-Stage Motion Planning with Dual Mapping for UAV Navigation
- Title（参考訳）: KIOプランナー:UAVナビゲーションのためのデュアルマッピングを用いた注意誘導単段運動計画
- Authors: Dexing Yao, Haochen Li, Junhao Wei, Yifu Zhao, Yanxiao Li, Jiahui Xu, Jinxuan Hu, Lele Tian, Baili Lu, Zikun Li, Xu Yang, Sio-Kei Im, Dingcheng Yang, Yapeng Wang,
- Abstract要約: KIO-plannerは、注意を向けた単一段階の計画フレームワークである。
新しいデュアルマッピング機構は、世界地図融合なしでキノダイナミック実現性と衝突のない飛行を強制する。
- 参考スコア（独自算出の注目度）: 12.009002689122374
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Autonomous UAV flight in confined, wall-dense environments requires low-latency and reliable motion planning under strict safety constraints. Traditional optimization-based planners suffer from mapping latency and easily fall into local minima when navigating through dense structural obstacles. Meanwhile, existing end-to-end learning methods struggle to extract fine-grained geometric features from raw depth images and lack hard kinodynamic constraints, leading to unpredictable collisions near walls. To address these issues, we propose KIO-planner, an attention-guided single-stage trajectory planning framework. First, we integrate a Convolutional Block Attention Module (CBAM) into the perception backbone to adaptively focus on critical structural edges and traversable space. Second, we introduce a novel Dual Mapping mechanism--comprising physical bounds activation and a deterministic Geometric Safety Shield in the depth-pixel space--to enforce kinodynamic feasibility and collision-free flight without global map fusion. Extensive high-fidelity simulated experiments demonstrate that KIO-planner enables highly agile navigation at speeds up to 3.0 m/s. Compared to the state-of-the-art baseline, KIO-planner achieves lower inference latency (approximately 24 ms) and generates significantly smoother trajectories, reducing control cost by 28.4%. Most notably, our Dual Mapping substantially increases the worst-case safety margin, measured by minimum distance to obstacles, from 0.48 m to 0.76 m, ensuring fast, smooth, and safer navigation in highly constrained environments.
- Abstract（参考訳）: 閉じ込められた壁の強い環境での無人無人飛行は、厳格な安全制約の下で低レイテンシで信頼性の高い移動計画を必要とする。
従来の最適化ベースのプランナーは、マッピングの遅延に悩まされており、密集した構造的障害をナビゲートする際には、容易に局所的なミニマに陥る。
一方、既存のエンドツーエンド学習手法では、生の深度画像から微細な幾何学的特徴を引き出すのに苦労し、硬いキノダイナミックな制約を欠いているため、壁の近くでは予測不可能な衝突が発生する。
これらの問題に対処するため,注意誘導単段階計画フレームワークであるKIO-plannerを提案する。
まず、コンボリューショナルブロック注意モジュール(CBAM)を知覚バックボーンに統合し、重要な構造エッジとトラバース可能な空間に適応的にフォーカスする。
第2に,深度画素空間における物理界活性化と決定論的幾何安全シールドを含む新しいデュアルマッピング機構を導入し,世界地図融合を伴わないキノダイナミック実現性と衝突のない飛行を強制する。
大規模な高忠実度シミュレーション実験により、KIOプランナーは最大3.0m/sで高度にアジャイルなナビゲーションを可能にすることが示された。
最先端のベースラインと比較して、KIOプランナーは推論遅延を低く(約24ミリ秒)、よりスムーズな軌道を発生させ、制御コストを28.4%削減する。
最も注目すべきは、Dual Mappingは、障害物までの距離を0.48mから0.76mに測定し、高速でスムーズで安全なナビゲーションを高度に制約された環境で確保する、最悪のケースの安全マージンを大幅に増加させます。
関連論文リスト
- Learning Reactive Dexterous Grasping via Hierarchical Task-Space RL Planning and Joint-Space QP Control [50.28263951510334]
本稿では,リアクティブなデクスタリーグルーピングのためのハイブリッド階層型制御フレームワークを提案する。
提案手法は,低レベル共同実行から高レベル空間意図を明示的に分離する。
我々は厳密なシミュレーションと現実のパイプラインを通して提案したフレームワークを広範囲に検証する。
論文 参考訳（メタデータ） (2026-05-05T04:49:38Z) - 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) - ImpedanceDiffusion: Diffusion-Based Global Path Planning for UAV Swarm Navigation with Generative Impedance Control [1.9182058480922208]
ImpedanceDiffusionは、乱雑な屋内環境における安全な群れナビゲーションのための階層的なフレームワークである。
このフレームワークは,RGB画像から直接幾何学的グローバルな軌跡を生成する。
安定なインピーダンスベース生成制御を維持しつつ、有界振動と飛行中の衝突のない92%の成功率を達成する。
論文 参考訳（メタデータ） (2026-03-10T00:06:55Z) - Direct Contact-Tolerant Motion Planning With Vision Language Models [64.48049143625063]
乱雑な環境でのナビゲーションは、しばしばロボットが可動または変形可能な物体との接触を許容する必要がある。
本稿では,視覚言語モデル(VLM)を直接的視点認識とナビゲーションに統合したDCTプランナを提案する。
我々はIsaac Simと本物のカーライクなロボットにDCTを実装し、移動障害物のある散らばった環境において、DCTが堅牢で効率的なナビゲーションを実現することを実証した。
論文 参考訳（メタデータ） (2026-03-05T10:05:00Z) - Microrobot Vascular Parkour: Analytic Geometry-based Path Planning with Real-time Dynamic Obstacle Avoidance [3.044496713865893]
本稿では,AGP(Analytic Geoge Global Planner)と2つのリアクティブなローカルエスケープコントローラを結合したリアルタイムパス計画フレームワークを提案する。
リアルタイムイメージングを用いて、マイクロロボット、障害物、ターゲットの位置を推定し、衝突のない動きを計算する。
シミュレーションと実験の両方において、グローバルプランナーとローカルコントローラの組み合わせは、移動障害を確実に回避し、目標に到達する。
論文 参考訳（メタデータ） (2025-09-05T21:22:37Z) - Skyshield: Event-Driven Submillimetre Thin Obstacle Detection for Drone Flight Safety [22.778033892271555]
本稿では,イベント駆動型エンドツーエンドフレームワークであるSkyShieldについて紹介する。
提案手法では,U-Net アーキテクチャとDice-Contour 正規化損失を用いて精度の高い検出を行う。
論文 参考訳（メタデータ） (2025-08-13T00:26:35Z) - 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) - Monte Carlo Tree Search with Velocity Obstacles for safe and efficient motion planning in dynamic environments [49.30744329170107]
本稿では,動的障害物に関する情報を最小限に抑えた最適オンライン動作計画手法を提案する。
提案手法は,モデルシミュレーションによるオンライン最適計画のためのモンテカルロ木探索 (MCTS) と障害物回避のためのVelocity Obstacles (VO) を組み合わせた。
我々は,非線形モデル予測制御(NMPC)を含む最先端のプランナーに対して,衝突速度,計算,タスク性能の向上の観点から,我々の方法論の優位性を示す。
論文 参考訳（メタデータ） (2025-01-16T16:45:08Z) - Monocular Obstacle Avoidance Based on Inverse PPO for Fixed-wing UAVs [29.207513994002202]
固定翼無人航空機(英語: Fixed-wing Unmanned Aerial Vehicles、UAV)は、低高度経済(LAE)と都市空運(UAM)のための最も一般的なプラットフォームの一つである。
従来の地図や高度なセンサーに依存する古典的な障害物回避システムは、未知の低高度環境や小型UAVプラットフォームにおいて制限に直面している。
本稿では,DRLに基づくUAV衝突回避システムを提案する。
論文 参考訳（メタデータ） (2024-11-27T03:03:37Z)
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。