Fugu-MT 論文翻訳(概要): A Camera-Cooperative ISAC Framework for Multimodal Non-Cooperative UAVs Sensing

論文の概要: A Camera-Cooperative ISAC Framework for Multimodal Non-Cooperative UAVs Sensing

arxiv url: http://arxiv.org/abs/2605.22090v1
Date: Thu, 21 May 2026 07:31:51 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-22 20:14:18.529055
Title: A Camera-Cooperative ISAC Framework for Multimodal Non-Cooperative UAVs Sensing
Title（参考訳）: マルチモーダル非協調UAVセンシングのためのカメラ協調ISACフレームワーク
Authors: Wenfeng Wu, Luping Xiang, Kun Yang,
Abstract要約: 非協力型無人航空機(UAV)は、統合センシング・通信(ISAC)システムに重大な課題をもたらす。本稿では,効率的なUAVビームステアリングとトラッキングを実現するために,マルチモーダルセンシングを用いたカメラ協調ISACフレームワークを提案する。
参考スコア（独自算出の注目度）: 9.14610708884717
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The detection of non-cooperative unmanned aerial vehicles (UAVs) presents significant challenges for Integrated Sensing and Communication (ISAC) systems due to the inherent limitations of single-modal perception and the competition for shared communication and sensing resources. To address these challenges, this paper proposes a novel Camera-Cooperative ISAC (CC-ISAC) framework that employs multimodal sensing to enable efficient UAV beam steering and tracking. The proposed framework employs cameras for coarse-grained airspace monitoring and utilizes ISAC for fine-grained, high-precision sensing, forming a complementary perception loop that enhances both sensing accuracy and resource efficiency. Within this framework, two key modules are developed: (1) a Vision-to-Echo Data Alignment (V2EDA) model that aligns visual and echo-domain features through cross-attention mechanisms, and (2) a Multimodal Fusion-Based Estimation (MMFE) model that integrates historical multimodal data with current observations for robust state estimation. Extensive evaluations conducted on the DeepSense 6G dataset demonstrate that the proposed framework achieves an average reduction of 71% in beam steering overhead and 1.69-11.15% in tracking overhead while maintaining high angular estimation accuracy. The CC-ISAC framework effectively mitigates resource contention between sensing and communication, enabling reliable UAV surveillance while freeing substantial system resources for additional communication tasks, thereby representing a practical advancement in ISAC system design.
Abstract（参考訳）: 非協力型無人航空機(UAV)の検出は、単一モーダル認識の固有の限界と共有通信・センシング資源の競合により、統合センシング・通信(ISAC)システムに重大な課題をもたらす。これらの課題に対処するために,マルチモーダルセンシングを用いて効率的なUAVビームステアリングとトラッキングを実現する新しいカメラ協調ISAC(Camera-Cooperative ISAC)フレームワークを提案する。提案フレームワークは、粗粒度空域監視のためのカメラを用い、ISACを微細で高精度なセンシングに利用し、知覚精度と資源効率の両方を高める補完的な知覚ループを形成する。本フレームワークでは,(1)視覚的・エコー的データアライメント(V2EDA)モデル,(2)歴史的マルチモーダルデータと強靭な状態推定を行うマルチモーダルフュージョンベース推定(MMFE)モデル,の2つの重要なモジュールが開発されている。 DeepSense 6Gデータセットで行った大規模な評価では、提案フレームワークはビームステアリングのオーバーヘッドが71%、トラッキングのオーバーヘッドが1.69-11.15%減少し、高い角度推定精度を維持した。 CC-ISACフレームワークは、検知と通信の間のリソース競合を効果的に軽減し、信頼性の高いUAV監視を可能にし、さらに通信タスクのためのシステムリソースを解放し、ISACシステム設計の実践的な進歩を表す。

関連論文リスト

Leveraging Large Vision Model for Multi-UAV Co-perception in Low-Altitude Wireless Networks [51.323657802729535]
多様な低高度経済応用のための有望なパラダイムとして、UAV(Multi-Uncrewed Aero Vehicle)協調認識が出現している。本稿では,BHU(Base-Station-Helped UAV)と呼ばれるコミュニケーション効率の良い協調認識フレームワークを提案する。我々は、UAVキャプチャされたRGB画像から最も情報性の高い画素を識別するためにTop-K選択機構を使用し、データボリュームと遅延を低減したスペーサー化された視覚伝達を可能にする。
論文参考訳（メタデータ） (2026-03-13T17:49:28Z)
Towards Efficient 3D Object Detection for Vehicle-Infrastructure Collaboration via Risk-Intent Selection [23.186947629238233]
リスクインテリジェント選択検出(RiSe)は、パラダイムを可視領域の識別からリスククリティカル領域の優先順位付けに移行する、インタラクション対応のフレームワークである。 RiSeは、高信頼度特徴を高相互作用領域からのみ伝達する意味選択的融合スキームを実装している。本手法は,最先端検出精度を維持しつつ,通信量を全特徴共有の0.71%に削減する。
論文参考訳（メタデータ） (2026-01-06T13:25:23Z)
AerialMind: Towards Referring Multi-Object Tracking in UAV Scenarios [64.51320327698231]
UAVシナリオにおける最初の大規模RMOTベンチマークであるAerialMindを紹介する。我々は、革新的な半自動協調型エージェントベースラベリングアシスタントフレームワークを開発した。また,視覚言語表現学習を協調的に強化する新しい手法であるHawkEyeTrackを提案する。
論文参考訳（メタデータ） (2025-11-26T04:44:27Z)
A Tri-Modal Dataset and a Baseline System for Tracking Unmanned Aerial Vehicles [74.8162337823142]
MM-UAVはMulti-Modal UAV Trackingの最初の大規模ベンチマークである。データセットは30以上の挑戦的なシナリオにまたがっており、1,321の同期マルチモーダルシーケンスと280万以上の注釈付きフレームがある。データセットを伴って、我々は新しいマルチモーダルマルチUAV追跡フレームワークを提供する。
論文参考訳（メタデータ） (2025-11-23T08:42:17Z)
When UAV Swarm Meets IRS: Collaborative Secure Communications in Low-altitude Wireless Networks [68.45202147860537]
低高度無線ネットワーク (LAWN) は、多様なアプリケーションに対して、拡張されたカバレッジ、信頼性、スループットを提供する。これらのネットワークは、既知のおよび潜在的に未知の盗聴者の両方から重大なセキュリティ上の脆弱性に直面している。本稿では,Swarm内で選択されたUAVを仮想アンテナアレイとして機能させる,LAWNのための新しいセキュア通信フレームワークを提案する。
論文参考訳（メタデータ） (2025-10-25T02:02:14Z)
Joint Hybrid Beamforming and Artificial Noise Design for Secure Multi-UAV ISAC Networks [3.697288477203596]
統合センシングと通信(ISAC)は、スマートシティや自律システムといった次世代アプリケーションにとって重要な実現手段として現れます。既存の研究は主にUAVを航空基地局として扱い、ISACユーザーとしての役割を見落としている。本稿では,マルチUAVネットワークのためのセキュアでスペクトル性の高いISACフレームワークを提案する。
論文参考訳（メタデータ） (2025-09-28T06:58:04Z)
Age of Information Minimization in UAV-Enabled Integrated Sensing and Communication Systems [34.92822911897626]
統合センシング通信(ISAC)機能を備えた無人航空機(UAV)は、将来の無線ネットワークにおいて重要な役割を果たすと想定されている。ターゲットセンシングとマルチユーザ通信を同時に行う老化情報(AoI)システムを提案する。
論文参考訳（メタデータ） (2025-07-18T18:17:09Z)
Griffin: Aerial-Ground Cooperative Detection and Tracking Dataset and Benchmark [15.405137983083875]
航空と地上の協力は、UAVの空中視界と地上の車両の局部的な観測を統合することで、有望な解決策を提供する。本稿では,3つの重要な貢献を通じて,地上3次元協調認識のための包括的ソリューションを提案する。
論文参考訳（メタデータ） (2025-03-10T07:00:07Z)
Multi-Point Integrated Sensing and Communication: Fusion Model and Functionality Selection [99.67715229413986]
本稿では,複数のISACデバイスからの出力を融合させて高感度化を実現する多点ISAC(MPISAC)システムを提案する。我々は,仮説テストと最適投票分析により,融合精度を予測する融合モデルを採用する。
論文参考訳（メタデータ） (2022-08-16T08:09:54Z)
Bandwidth-Adaptive Feature Sharing for Cooperative LIDAR Object Detection [2.064612766965483]
コネクテッド・自動運転車(CAV)領域で必要となる状況認識。協調機構は、高速無線車載ネットワークを利用して状況認識を改善するソリューションを提供する。本稿では,通信チャネル容量に適応する柔軟性を付加する機構と,新たな分散共有データアライメント手法を提案する。
論文参考訳（メタデータ） (2020-10-22T00:12:58Z)

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。