論文の概要: Explore From Sketch: Accelerating UAV Exploration in Large-scale Environments with Prior Maps

• arxiv url: http://arxiv.org/abs/2606.11708v1
• Date: Wed, 10 Jun 2026 06:30:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-18 14:40:40.555464
• Title: Explore From Sketch: Accelerating UAV Exploration in Large-scale Environments with Prior Maps
• Title（参考訳）: Sketchによる探索: 事前マップによる大規模環境でのUAV探査の高速化
• Authors: Tiancheng Lai, Yuman Gao, Xiangyu Li, Ruitian Pang, Xingpeng Wang, Siqi Shen, Mengke Zhang, Yin He, Fei Gao, Chao Xu, Yanjun Cao,
• Abstract要約: 本稿では,LiDARをベースとしたUAV探査において,スパース,アンアライメント,さらには2次元事前地図の離散化を生かした新しい探索フレームワークを提案する。 ベンチマーク評価では、探査効率が34.2%向上し、飛行距離が37.9%減少した。
• 参考スコア（独自算出の注目度）: 20.559950853029
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous exploration with UAVs in large-scale, topologically complex environments often suffers from low efficiency due to suboptimal scheduling and detours. Prior maps (e.g., construction drawings), although usually imprecise and flawed, are readily available in many scenarios and have the potential to provide global structural guidance. This paper presents a novel exploration framework that leverages sparse, unaligned, and even discrepant 2D prior maps for LiDAR-based UAV exploration. First, a robust 2D-3D point cloud registration pipeline is proposed to align LiDAR observations with prior maps. The registration pipeline combines a GeoContext descriptor for single-frame candidate retrieval, a multi-frame verification mechanism for coarse transformation estimation with outlier rejection, and a Scale-ICP algorithm for refinement. The registration module can handle map discrepancies and provide multiple hypotheses when geometric ambiguities arise. To effectively utilize the registration results for exploration planning, we further develop a hierarchical viewpoint planning strategy under localization uncertainties. The hierarchical strategy first spatially attaches local viewpoints to prior guidepoints and adopts a Monte Carlo Tree Search solver to determine their traversal sequence under each registration hypothesis. To mitigate registration uncertainty, a risk-aware selector evaluates prior sequences using confidence-weighted travel risk, and a fixed-endpoint traveling salesman problem is formulated to generate an efficient local coverage path under the selected prior guidance. Benchmark evaluations reveal up to 34.2% improvement in exploration efficiency and 37.9% reduction in flight distance compared to state-of-the-art methods, while extensive simulations and field experiments further demonstrate robustness to prior map incompleteness and deformations.
• Abstract（参考訳）: 大規模でトポロジカルに複雑な環境でのUAVによる自律探査は、しばしば、最適以下のスケジューリングとデトゥールにより、低効率に悩まされる。 以前の地図(例:建設図)は通常不正確で欠陥があるが、多くのシナリオで容易に利用可能であり、グローバルな構造的ガイダンスを提供する可能性がある。 本稿では,LiDARをベースとしたUAV探査において,スパース,アンアライメント,さらには2次元事前地図の離散化を生かした新しい探索フレームワークを提案する。 まず、LiDAR観測を先行マップに合わせるために、ロバストな2D-3Dポイントクラウド登録パイプラインを提案する。 登録パイプラインは、単一フレーム候補検索のためのGeoContextディスクリプタと、粗い変換推定のためのマルチフレーム検証機構と、アウターレガクションと、洗練のためのスケール-ICPアルゴリズムを組み合わせる。 登録モジュールは地図の不一致を処理でき、幾何学的曖昧さが発生すると複数の仮説を提供する。 調査計画の登録結果を効果的に活用するために,地域性不確実性の下で階層的な視点計画戦略をさらに発展させる。 階層的戦略は、まず、先導点に局所的な視点を空間的にアタッチし、モンテカルロ木探索ソルバを用いて、各登録仮説の下でそれらのトランジバルシーケンスを決定する。 登録の不確実性を緩和するため、リスク対応セレクタは、信頼度重み付き旅行リスクを用いて事前シーケンスを評価し、定点走行セールスマン問題を定式化し、選択した事前ガイダンスに基づいて効率的なローカルカバレッジパスを生成する。 ベンチマーク評価では、調査効率が34.2%向上し、飛行距離が37.9%削減された。

関連論文リスト

• Unifying UAV Cross-View Geo-Localization via 3D Geometric Perception [51.687842983240564]
  無人航空機(UAV)のクロスビューな地上局地化は、斜めのUAV画像と衛星地図との厳密な幾何学的相違により、いまだに困難である。 本稿では,3次元シーン形状を明示的にモデル化し,粗い位置認識ときめ細かなポーズ推定を統一する,幾何認識型UAV測位フレームワークを提案する。 提案手法は, 最先端のベースラインを著しく上回り, ロバストメータレベルのローカライゼーション精度を実現し, 複雑な都市環境における一般化を向上する。
  論文  参考訳（メタデータ） (2026-04-02T08:08:41Z)
• Bayesian-Driven Graph Reasoning for Active Radio Map Construction [96.08082552413117]
  本稿では,経路ナビゲーションに適したグラフベースの推論を明示的に活用する不確実性を考慮した無線地図再構成フレームワークを提案する。 提案手法は,(1)空間的不確実性をリアルタイムで推定するベイズニューラルネットワーク,(2)グローバル推論を行う注意に基づく強化学習ポリシの2つの重要な深層学習要素を統合した。 実験の結果,URAMは既存のベースラインよりも最大で34%の精度で復元できることがわかった。
  論文  参考訳（メタデータ） (2025-07-29T03:32:01Z)
• Unified Linear Parametric Map Modeling and Perception-aware Trajectory Planning for Mobile Robotics [1.7495208770207367]
  本稿では,高次元空間にデータをマッピングする軽量な線形パラメトリックマップを提案する。 UAVでは,Euclidean Signed Distance Field (ESDF) マップを用いた。 UGVでは、モデルは地形を特徴づけ、クローズドフォーム勾配を提供し、オンラインプランニングによって大きな穴を回避できる。
  論文  参考訳（メタデータ） (2025-07-12T16:39:19Z)
• PRISM-Loc: a Lightweight Long-range LiDAR Localization in Urban Environments with Topological Maps [0.8009940044669193]
  大規模環境における局所化のためのトポロジカルマップに基づくアプローチであるPRISM-Locを提案する。 提案手法では、グローバルな位置認識と、検出された位置内の局所的なポーズの推定からなる2倍の局所化パイプラインを利用する。 提案手法をITLP-Campusデータセット上で3kmの経路で評価し,最先端のメートル法と位置認識方式の競合とを比較した。
  論文  参考訳（メタデータ） (2025-06-18T19:59:50Z)
• LiDAR-based Registration against Georeferenced Models for Globally Consistent Allocentric Maps [16.335109366948473]
  現代の無人航空機(UAV)は、状況の概要を把握したり、人員を危険にさらすことなくクローズアップを提供するため、捜索救難(SAR)ミッションでは不可能である。 しかし、UAVはオープンスペースでうまく機能するグローバルナビゲーション衛星システム(GNSS)に大きく依存しているが、その精度は建物周辺で劇的に低下している。 対照的に、CityGMLモデルは正確なジオレファレンスポーズを持つ近似的な建物形状を提供する。
  論文  参考訳（メタデータ） (2024-12-03T16:25:08Z)
• OPUS: Occupancy Prediction Using a Sparse Set [64.60854562502523]
  学習可能なクエリの集合を用いて、占有された場所とクラスを同時に予測するフレームワークを提案する。 OPUSには、モデルパフォーマンスを高めるための非自明な戦略が組み込まれている。 最も軽量なモデルではOcc3D-nuScenesデータセットの2倍 FPS に優れたRayIoUが得られる一方、最も重いモデルは6.1 RayIoUを上回ります。
  論文  参考訳（メタデータ） (2024-09-14T07:44:22Z)
• Real-Time Stochastic Terrain Mapping and Processing for Autonomous Safe Landing [0.0]
  本稿では,新しいリアルタイムな惑星地形マッピングアルゴリズムを開発した。 サンプル点間の地形的不確実性や、スパース3次元測定による不確かさを考慮に入れている。
  論文  参考訳（メタデータ） (2024-09-14T05:12:14Z)
• Robust Self-Supervised LiDAR Odometry via Representative Structure Discovery and 3D Inherent Error Modeling [67.75095378830694]
  そこで我々は,2段階のオドメトリ推定ネットワークを構築し,一連の部分領域変換を推定してエゴモーメントを求める。 本稿では,トレーニング,推論,マッピングフェーズにおける信頼できない構造の影響を軽減することを目的とする。 我々の2フレームのオードメトリーは、翻訳/回転誤差の点で、過去の芸術の状態を16%/12%上回っている。
  論文  参考訳（メタデータ） (2022-02-27T12:52:27Z)

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。