論文の概要: Synthetic-to-Real Pipeline for Safe Landing Zone Detection

• arxiv url: http://arxiv.org/abs/2606.14767v1
• Date: Tue, 09 Jun 2026 01:32:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-23 13:48:56.294979
• Title: Synthetic-to-Real Pipeline for Safe Landing Zone Detection
• Title（参考訳）: 安全な着地ゾーン検出のための合成対リアルパイプライン
• Authors: Shrikant Banerjee, Reza Faieghi,
• Abstract要約: この研究は、自律着陸タスクのシム・トゥ・リアルギャップを橋渡しするために設計された包括的知覚とデータ生成パイプラインを提案する。 本稿では,ドメインランダム化による自動意味アノテーションによる都市環境生成のための手続き型合成データエンジンを提案する。 決定論的着陸モジュールは、Euclidean Distance Transform (EDT) と動的推論ロジックを使用して、最も大きな入力された安全な着陸ゾーンを特定する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As Uncrewed Aerial Vehicles (UAVs) transition toward higher levels of autonomy, the ability to perform unassisted recovery in non-cooperative, unstructured environments becomes critical. Achieving safe autonomous landing requires high-fidelity semantic resolution to distinguish navigable terrain from hazardous obstacles, yet development is often hindered by the scarcity of annotated aerial datasets. This work proposes a comprehensive perception and data generation pipeline designed to bridge the sim-to-real gap for autonomous landing tasks. We introduce a procedural synthetic data engine that generates photorealistic urban environments with automated semantic annotations through domain randomization. A Transformer-based OneFormer architecture is fine-tuned exclusively on this synthetic data, leveraging multi-head self-attention mechanisms for global context resolution. To ensure operational safety, a deterministic landing module utilizes a Euclidean Distance Transform (EDT) and dynamic inference logic to identify the largest inscribed safe landing zones while maintaining strict clearance buffers around obstacles. Quantitative benchmarking against the UAVid dataset demonstrates robust semantic segmentation performance, while qualitative validation on real-world UAV footage confirms the system's ability to identify collision-free landing sites in unseen environments. Our results highlight the potential of high-fidelity procedural simulation to eliminate the need for manual annotation while providing robust, edge-deployable situational awareness for autonomous UAV recovery.
• Abstract（参考訳）: 無人航空機(UAV)が高度の自律性へと移行するにつれ、非協力的・非構造的環境において非支援的回復を行う能力が重要となる。 安全な自律着陸を実現するには、航行可能な地形と危険な障害物を区別するために高忠実なセマンティック・レゾリューションが必要であるが、アノテートされた航空データセットの不足によって開発が妨げられることが多い。 この研究は、自律着陸タスクのシム・トゥ・リアルギャップを橋渡しするために設計された包括的知覚とデータ生成パイプラインを提案する。 本稿では,ドメインランダム化による自動意味アノテーションによるフォトリアリスティックな都市環境を生成する手続き型合成データエンジンを提案する。 TransformerベースのOneFormerアーキテクチャは、この合成データのみに微調整され、グローバルコンテキスト解決にマルチヘッド自己保持機構を活用する。 運用上の安全性を確保するため、決定論的ランディングモジュールは、Euclidean Distance Transform (EDT) と動的推論ロジックを使用して、障害物周辺の厳格なクリアランスバッファを維持しながら、最大の入力された安全なランディングゾーンを識別する。 UAVidデータセットに対する定量的なベンチマークは、堅牢なセマンティックセグメンテーション性能を示し、実際のUAV映像の質的検証は、システムが目に見えない環境で衝突のない着陸場所を特定する能力を確認している。 本研究は,自律型UAV回収のための堅牢かつエッジデプロイ可能な状況認識を提供するとともに,手動アノテーションの必要性を解消するための高忠実な手続きシミュレーションの可能性を強調した。

関連論文リスト

• Guiding Neuro-Symbolic Scenario Generation with Spatio-Temporal Logic [3.071933369858584]
  本稿では,安全クリティカルな運転シナリオをターゲットとするフレームワークSTRELGenを紹介する。 これらの仕様の満足度レベルを監視することは、グラデーションベースの検索を可能にする。 これによりSTRELGenは、ストレステスト自律運転システムのための柔軟で解釈可能で強力なツールを提供する。
  論文  参考訳（メタデータ） (2026-05-18T19:00:14Z)
• The Unified Autonomy Stack: Toward a Blueprint for Generalizable Robot Autonomy [13.105188128582567]
  我々は,空と地上のロボット形態を横断するレジリエンスな自律を可能にするシステムレベルのソリューションであるUnified Autonomy Stackを紹介し,オープンソース化する。 アーキテクチャは、マルチモーダル認識、マルチビヘイビア計画、マルチレイヤセーフナビゲーションの3つのモジュールを中心にしている。 このスタックは、地上(ロータークラフト)ロボットと地上(レッグ)ロボットの両方でフィールドテストされ、検証されている。
  論文  参考訳（メタデータ） (2026-05-12T20:39:35Z)
• Evidence-Based Landing Site Selection and Vison-Based Landing for UAVs in Unstructured Environments [0.9236074230806578]
  本稿では,無人無人無人着陸のためのエビデンスに基づく確率的枠組みを提案する。 視覚サーボによる実行から不確実性の下での意思決定を明示的に分離する。 NvidiaのIsaac Simによる実世界の実験と高忠実度シミュレーションの両方を通じて検証されている。
  論文  参考訳（メタデータ） (2026-05-02T13:05:20Z)
• From Vessel Trajectories to Safety-Critical Encounter Scenarios: A Generative AI Framework for Autonomous Ship Digital Testing [4.73074147871828]
  本稿では,大規模自動識別システム(AIS)トラジェクトリを構造化された安全クリティカルな遭遇シナリオに変換するデータ駆動型フレームワークを提案する。 実世界の海上交通流実験により, 提案手法は軌道の忠実度と滑らかさを向上することを示した。
  論文  参考訳（メタデータ） (2026-03-30T06:14:04Z)
• Cross-Scenario Deraining Adaptation with Unpaired Data: Superpixel Structural Priors and Multi-Stage Pseudo-Rain Synthesis [48.809049043865905]
  低レベルのコンピュータビジョンでは,イメージデライン化が重要な役割を担っている。 ディープラーニングのパラダイムは、目に見えないアウト・オブ・ディストリビューションシナリオに一般化された場合、厳しいパフォーマンス劣化に悩まされることが多い。 本稿では,クロスシナリオ・デライニング適応フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-23T07:38:55Z)
• Conditional Flow Matching for Continuous Anomaly Detection in Autonomous Driving on a Manifold-Aware Spectral Space [0.0]
  安全クリティカルな異常検出のための教師なしフレームワークであるDeep-Flowを提案する。 不安定で高次元の座標空間で動作する標準的な生成的アプローチとは異なり、Deep-Flowは生成過程を低ランクのスペクトル多様体に制約する。 これにより、設計によるキネマティックな滑らかさが保証され、数値的に安定で決定論的な対数類似度推定の計算が可能になる。
  論文  参考訳（メタデータ） (2026-02-19T18:10:16Z)
• 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)
• SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Diffusion-Controllable Adversaries [94.84458417662407]
  制御可能なクローズドループ安全クリティカルシミュレーションフレームワークであるSAFE-SIMを紹介する。 提案手法は,1)現実の環境を深く反映した現実的な長距離安全クリティカルシナリオの生成,2)より包括的でインタラクティブな評価のための制御可能な敵行動の提供,の2つの利点をもたらす。 複数のプランナにまたがるnuScenesとnuPlanデータセットを使用して、我々のフレームワークを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
  論文  参考訳（メタデータ） (2023-12-31T04:14:43Z)
• SHIFT: A Synthetic Driving Dataset for Continuous Multi-Task Domain Adaptation [152.60469768559878]
  ShiFTは、自動運転のための最大規模のマルチタスク合成データセットである。 曇り、雨と霧の強さ、昼の時間、車と歩行者の密度を個別に連続的に変化させる。 私たちのデータセットとベンチマークツールキットはwww.vis.xyz/shift.comで公開されています。
  論文  参考訳（メタデータ） (2022-06-16T17:59:52Z)

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。