論文の概要: FAIR^2 Drones: An AI-Ready Standard for Cross-Domain Wildlife Drone Datasets

• arxiv url: http://arxiv.org/abs/2606.00355v1
• Date: Fri, 29 May 2026 20:58:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 15:48:22.587345
• Title: FAIR^2 Drones: An AI-Ready Standard for Cross-Domain Wildlife Drone Datasets
• Title（参考訳）: FAIR^2 Drones: クロスドメイン野生生物ドローンデータセットのためのAI対応標準
• Abstract要約: 我々は、生態学、ロボット工学、コンピュータビジョンを橋渡しする統合されたドローンデータセット標準であるFAIR2 Dronesを提案する。 我々の標準は、データセットがエコロジー解析、ロボットアルゴリズム開発、コンピュータビジョンベンチマークを同時にサポートすることを可能にする。
• 参考スコア（独自算出の注目度）: 10.422102279497356
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Animal ecology data collection using drones represents a substantial investment of time, expertise, and financial resources. Yet most existing datasets serve only a single research community, limiting interdisciplinary reuse. We propose a unified drone dataset standard, FAIR^2 Drones, that bridges ecology, robotics, and computer vision by building on existing FAIR and AI-ready data frameworks while adding essential platform metadata and annotation specifications. Our standard enables datasets to simultaneously support ecological analysis, robotics algorithm development, and computer vision benchmarking. We provide open-source validation tools, reference implementations, and multimodal extensions linking drone imagery with complementary sensors such as camera traps, GPS, and acoustics. By standardizing metadata across disciplines, this framework maximizes the scientific return on investment for costly field deployments and accelerates cross-domain collaboration in environmental monitoring.
• Abstract（参考訳）: ドローンを用いた動物生態データの収集は、時間、専門知識、財務資源の相当な投資である。 しかし、既存のデータセットのほとんどは単一の研究コミュニティに過ぎず、学際的な再利用を制限している。 我々は、既存のFAIRおよびAI対応のデータフレームワーク上に構築し、重要なプラットフォームメタデータとアノテーション仕様を追加し、エコロジー、ロボティクス、コンピュータビジョンをブリッジする統合されたドローンデータセット標準であるFAIR^2 Dronesを提案する。 我々の標準は、データセットがエコロジー解析、ロボットアルゴリズム開発、コンピュータビジョンベンチマークを同時にサポートすることを可能にする。 我々は,オープンソースの検証ツール,リファレンス実装,マルチモーダル拡張を提供し,カメラトラップやGPS,音響などの補完的なセンサとドローン画像をリンクする。 このフレームワークは、分野ごとのメタデータを標準化することにより、コストのかかるフィールド展開のための投資に対する科学的リターンを最大化し、環境モニタリングにおけるクロスドメインコラボレーションを加速する。

関連論文リスト

• GrandTour: A Legged Robotics Dataset in the Wild for Multi-Modal Perception and State Estimation [8.483668967252422]
  GrandTourデータセットは、屋外および屋内の挑戦的な環境にまたがって収集された、マルチモーダルな脚付きロボティクスデータセットである。 このデータセットは、回転するLiDAR、相補的な特徴を持つ複数のRGBカメラ、プロセプティブセンサー、ステレオディープカメラから、時間同期センサーデータを提供する。 このデータセットはSLAM、高精度状態推定、マルチモーダル学習の研究をサポートし、脚付きロボットシステムにおけるセンサフュージョンの新しいアプローチの厳密な評価と開発を可能にする。
  論文  参考訳（メタデータ） (2026-02-20T11:57:52Z)
• 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)
• SmartPNT-MSF: A Multi-Sensor Fusion Dataset for Positioning and Navigation Research [5.758433879018026]
  このデータセットは、グローバルナビゲーション衛星システム(GNSS)、慣性計測ユニット(IMU)、光学カメラ、LiDARなど、複数のセンサーからのデータを統合する。 データ収集と処理のための標準化されたフレームワークは、一貫性とスケーラビリティを確保し、大規模な分析を可能にする。 都市部、キャンパス、トンネル、郊外環境など、様々な現実のシナリオをカバーしている。
  論文  参考訳（メタデータ） (2025-07-25T09:06:11Z)
• MineInsight: A Multi-sensor Dataset for Humanitarian Demining Robotics in Off-Road Environments [0.5339846068056558]
  我々は,地雷検出のためのマルチセンサ,マルチスペクトルデータセットであるMineInsightを紹介した。 データセットには3つの異なるトラックに沿って分散された35の異なるターゲットがあり、多様で現実的なテスト環境を提供する。 MineInsightは地雷検出アルゴリズムの開発と評価のベンチマークとして機能する。
  論文  参考訳（メタデータ） (2025-06-05T10:08:24Z)
• UAV (Unmanned Aerial Vehicles): Diverse Applications of UAV Datasets in Segmentation, Classification, Detection, and Tracking [0.0]
  無人航空機(UAV)は、さまざまな研究領域におけるデータの収集と分析のプロセスに革命をもたらした。 UAVデータセットは、衛星画像、ドローンが撮影した画像、ビデオなど、さまざまな種類のデータで構成されている。 これらのデータセットは、災害被害評価、航空監視、物体認識、追跡において重要な役割を果たす。
  論文  参考訳（メタデータ） (2024-09-05T04:47:36Z)
• Open-sourced Data Ecosystem in Autonomous Driving: the Present and Future [130.87142103774752]
  このレビューは、70以上のオープンソースの自動運転データセットを体系的に評価する。 高品質なデータセットの作成の基礎となる原則など、さまざまな側面に関する洞察を提供する。 また、解決を保障する科学的、技術的課題も検討している。
  論文  参考訳（メタデータ） (2023-12-06T10:46:53Z)
• GNM: A General Navigation Model to Drive Any Robot [67.40225397212717]
  視覚に基づくナビゲーションのための一般的な目標条件付きモデルは、多くの異なるが構造的に類似したロボットから得られたデータに基づいて訓練することができる。 ロボット間の効率的なデータ共有に必要な設計決定について分析する。 我々は、訓練されたGNMを、下四極子を含む様々な新しいロボットに展開する。
  論文  参考訳（メタデータ） (2022-10-07T07:26:41Z)
• Fail-Safe Human Detection for Drones Using a Multi-Modal Curriculum Learning Approach [1.094245191265935]
  KUL-UAVSAFEは、ドローンによる安全クリティカルな人検出の研究のための第一種データセットである。 本稿では,クロスフュージョンハイウェイを用いたCNNアーキテクチャを提案し,マルチモーダルデータのためのカリキュラム学習戦略を提案する。
  論文  参考訳（メタデータ） (2021-09-28T12:34:13Z)
• Integrated Benchmarking and Design for Reproducible and Accessible Evaluation of Robotic Agents [61.36681529571202]
  本稿では,開発とベンチマークを統合した再現性ロボット研究の新しい概念について述べる。 このセットアップの中心的なコンポーネントの1つはDuckietown Autolabであり、これは比較的低コストで再現可能な標準化されたセットアップである。 本研究では,インフラを用いて実施した実験の再現性を解析し,ロボットのハードウェアや遠隔実験室間でのばらつきが低いことを示す。
  論文  参考訳（メタデータ） (2020-09-09T15:31:29Z)
• AirSim Drone Racing Lab [56.68291351736057]
  AirSim Drone Racing Labは、この領域で機械学習研究を可能にするシミュレーションフレームワークである。 本フレームワークは,複数の写真リアル環境下でのレーストラック生成を可能にする。 当社のフレームワークを使用して,NeurIPS 2019で,シミュレーションベースのドローンレースコンペティションを開催しました。
  論文  参考訳（メタデータ） (2020-03-12T08:06:06Z)
• Detection and Tracking Meet Drones Challenge [131.31749447313197]
  本稿では、オブジェクト検出・追跡データセットとベンチマークのレビューを行い、手動アノテーションによる大規模ドローンによるオブジェクト検出・追跡データセットの収集の課題について論じる。 当社のVisDroneデータセットは、中国北部から南部にかけての14の都市部と郊外部で収集されたものです。 本稿では,ドローンにおける大規模物体検出・追跡の現場の現状を詳細に分析し,今後の方向性を提案するとともに,課題を結論づける。
  論文  参考訳（メタデータ） (2020-01-16T00:11:56Z)

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。