論文の概要: Vision-Based Agile Landing on Turbulent Waters

• arxiv url: http://arxiv.org/abs/2605.23717v1
• Date: Fri, 22 May 2026 14:59:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 17:29:20.401869
• Title: Vision-Based Agile Landing on Turbulent Waters
• Title（参考訳）: 乱流水上での視覚ベースのアジャイルランディング
• Authors: Dimosthenis Angelis, Leonard Bauersfeld, Davide Scaramuzza, Evangelos Boukas,
• Abstract要約: 本稿では,移動型海上プラットフォームへの自律型マルチロータ着陸のための強化学習に基づくアプローチを提案する。 提案手法では,マルチロータ状態測定と局所的な視覚的特徴を併用して,姿勢と推力の予測を行う。 本研究は, メリーラフの海況に対応するプラットフォーム動作下で, 最先端のモデル予測制御のベースラインよりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 20.61876675265201
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous landing of Unmanned Aerial Vehicles on maritime vessels is challenging due to the coupled motion of the vehicle and landing platform in open-sea conditions. This paper presents a reinforcement-learning-based approach for autonomous multirotor landing on moving maritime platforms without requiring explicit platform-state information. The proposed method uses multirotor state measurements together with local visual features, consisting of keypoints and associated descriptors extracted from the landing surface, to predict attitude and thrust commands. These commands are tracked by a conventional low-level controller. The policy is trained in simulation using synthetic keypoints with randomly generated normalized descriptors, enabling zero-shot deployment with different local feature extractors onboard the UAV. We evaluate the method in a realistic simulator and show that it outperforms a state-of-the-art Model Predictive Control baseline under platform motions corresponding to ``Very Rough'' sea conditions. Finally, we perform extensive real-world experiments, demonstrating autonomous onboard landing using two different local feature extractors. To the best of our knowledge, this is the first approach for agile multirotor landing on maritime platforms in turbulent waters that does not rely on an explicit platform-state representation.
• Abstract（参考訳）: 無人航空機の海難船への自律着陸は、オープンシー条件下での車両と着陸プラットフォームの動きが組み合わさったため困難である。 本稿では,移動型海上プラットフォームへの自律型マルチロータ着陸のための強化学習に基づくアプローチを提案する。 提案手法は,着地面から抽出したキーポイントと関連する記述子から構成される局所的な視覚特徴とともにマルチロータ状態測定を用いて,姿勢と推力の予測を行う。 これらのコマンドは従来の低レベルコントローラによって追跡される。 このポリシーは、ランダムに生成された正規化ディスクリプタによる合成キーポイントを用いてシミュレーションで訓練され、UAV上の異なるローカル特徴抽出器によるゼロショット展開を可能にする。 本研究では,本手法を現実的なシミュレータで評価し,現状のモデル予測制御のベースラインを 'Very Rough'' の海況に対応するプラットフォーム動作で上回ることを示す。 最後に,2種類の局所特徴抽出器を用いた自律着陸実験を行った。 私たちの知る限りでは、これは、明示的なプラットフォーム状態の表現に依存しない乱流水域の海上プラットフォームにアジャイルのマルチロータを着陸させる最初のアプローチです。

関連論文リスト

• Plan in Sandbox, Navigate in Open Worlds: Learning Physics-Grounded Abstracted Experience for Embodied Navigation [63.11032720821731]
  textitSAGEは、エージェントがフォトリアリスティックなシミュレーションではなく、物理基底のセマンティック抽象化内で学習することを可能にするフレームワークである。 textitSAGEは、A-EQA上で53.21% LLM-Match Success Rateを達成することで、プランナー支援の実施ナビゲーションを大幅に改善することを示した。
  論文  参考訳（メタデータ） (2026-05-11T07:34:30Z)
• Koopman Operator Framework for Modeling and Control of Off-Road Vehicle on Deformable Terrain [0.0]
  本研究は、自動オフロード車両の予測制御のためのハイブリッド物理インフォームドおよびデータ駆動モデリングフレームワークを提案する。 コープマン線形システムは、変形可能な地形を走行する車両のシミュレーションデータを用いて構築することができる。 予測結果から,軽度地形-標高変動下での短時間水平精度とロバスト性を示した。
  論文  参考訳（メタデータ） (2026-03-30T20:11:23Z)
• AutoFly: Vision-Language-Action Model for UAV Autonomous Navigation in the Wild [62.47761809929869]
  視覚言語ナビゲーション(VLN)は、視覚的観察とともに言語指示を解釈することで、知的エージェントが環境をナビゲートする必要がある。 無人航空機(UAV)の現在のVLN研究は、所定のルートに沿ってUAVを誘導するための詳細な指示に依存している。 本稿では,自律型UAVナビゲーションのためのエンド・ツー・エンドのビジョン・ランゲージ・アクションモデルであるAutoFlyを提案する。
  論文  参考訳（メタデータ） (2026-02-10T11:08:07Z)
• NaviHydra: Controllable Navigation-guided End-to-end Autonomous Driving with Hydra-distillation [6.722962084265695]
  NaviHydraは、既存のルールベースのシミュレータから抽出した、制御可能なナビゲーションガイド付きエンドツーエンドモデルである。 本フレームワークは,高レベルナビゲーションコマンドを制御信号として受け入れ,特定の意図に整合した軌道を生成する。
  論文  参考訳（メタデータ） (2025-12-11T14:05:18Z)
• Scaling Up Occupancy-centric Driving Scene Generation: Dataset and Method [54.461213497603154]
  作業中心の手法は、最近、フレームとモダリティをまたいだ一貫した条件付けを提供することで、最先端の結果を得た。 Nuplan-Occは、広く使われているNuplanベンチマークから構築された、これまでで最大の占有率データセットである。 高品質な占有、多視点ビデオ、LiDAR点雲を共同で合成する統合フレームワークを開発した。
  論文  参考訳（メタデータ） (2025-10-27T03:52:45Z)
• Gaussian Splatting to Real World Flight Navigation Transfer with Liquid Networks [93.38375271826202]
  本研究では,シミュレート・トゥ・リアルな視覚四重項ナビゲーションタスクにおける分布シフトに対する一般化とロバスト性を改善する手法を提案する。 まず,擬似飛行力学とガウススプラッティングを統合してシミュレータを構築し,その後,液状ニューラルネットワークを用いてロバストなナビゲーションポリシーを訓練する。 このようにして、我々は3次元ガウススプラッティングラディアンス場レンダリング、専門家による実演訓練データのプログラミング、およびLiquid Networkのタスク理解能力の進歩を組み合わせたフルスタックの模倣学習プロトコルを得る。
  論文  参考訳（メタデータ） (2024-06-21T13:48:37Z)
• Autonomous Port Navigation With Ranging Sensors Using Model-Based Reinforcement Learning [2.3439981951927296]
  本研究は,様々な複雑な港湾シナリオにおいて,内陸の船舶を航行する航法アルゴリズムを提案する。 提案手法は、最近さまざまな領域でベンチマーク結果を設定した機械学習アプローチに基づいている。 その結果,提案手法は,一般的な動的ウィンドウ手法とベンチマークモデルフリー強化学習アルゴリズムよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-11-17T14:22:40Z)
• A Hierarchical Pedestrian Behavior Model to Generate Realistic Human Behavior in Traffic Simulation [11.525073205608681]
  本稿では,行動木を用いた階層的歩行者行動モデルを提案する。 私たちの作業の完全な実装は、シナリオ定義と実行エンジンであるGeoScenario Serverに統合されます。 提案モデルでは,実際の歩行者の軌跡を高精度に再現し,意思決定精度を98%以上とした。
  論文  参考訳（メタデータ） (2022-06-01T02:04:38Z)
• A Simulation Benchmark for Vision-based Autonomous Navigation [3.141160852597485]
  この研究は、視覚に基づく自律ナビゲーションのためのシミュレーターベンチマークを導入する。 ベンチマークには、完全な自律的なビジュアルナビゲーションスタックのさまざまなコンポーネントのモジュール化された統合が含まれている。
  論文  参考訳（メタデータ） (2022-03-24T12:51:10Z)
• Learning to Move with Affordance Maps [57.198806691838364]
  物理的な空間を自律的に探索し、ナビゲートする能力は、事実上あらゆる移動型自律エージェントの基本的な要件である。 従来のSLAMベースの探索とナビゲーションのアプローチは、主にシーン幾何学の活用に重点を置いている。 学習可能な余剰マップは探索と航法の両方において従来のアプローチの強化に利用でき、性能が大幅に向上することを示します。
  論文  参考訳（メタデータ） (2020-01-08T04:05:11Z)

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。