論文の概要: FLAP: FOV-Constrained Active Perception Planning for Prior-Map-Free 3D Navigation

• arxiv url: http://arxiv.org/abs/2606.17630v1
• Date: Tue, 16 Jun 2026 07:40:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-17 17:15:32.336385
• Title: FLAP: FOV-Constrained Active Perception Planning for Prior-Map-Free 3D Navigation
• Title（参考訳）: FLAP: プリマップフリー3DナビゲーションのためのFOV制約アクティブ知覚計画
• Authors: Mengke Zhang, Sitong Li, Tiancheng Lai, Ruitian Pang, Mingxuan Zhang, Qingcheng Chen, Fei Gao, Chao Xu, Yanjun Cao,
• Abstract要約: 本稿では,アクティブな知覚を軌道最適化に直接統合する新しい計画フレームワークを提案する。 パラメトリック起動時最適化を用いたアクティブな知覚サブ軌道セグメントを導入し、遅延障害物検出による衝突リスクを軽減した。 我々の定式化は、主に水平運動のために設計された従来の方法を超えて、任意の3D操作中にアクティブな知覚を可能にする。
• 参考スコア（独自算出の注目度）: 11.226202958671502
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Safe and efficient trajectory planning in unknown, cluttered 3D environments constitutes a critical bottleneck for deploying Unmanned Aerial Vehicles (UAVs) in real-world applications. This challenge is further exacerbated by the limited field-of-view (FOV) and sensing range of onboard sensors. Many existing methods either make simplistic assumptions about unexplored space or rely on conservative heuristics such as speed limits or fixed perception patterns, reducing efficiency and generalizing poorly across different sensor types. In this work, we propose a novel planning framework that directly integrates active perception into trajectory optimization, thereby improving safety while preserving efficiency. The perception constraints are derived from the UAV's dynamic model and formulated in the sensor coordinate frame, which enables precise handling of FOV geometry. The velocity-triggered activation mechanism enables the planner to balance perception and motion efficiency. We introduce an active perception sub-trajectory segment with parametric start-time optimization, mitigating collision risks from late obstacle detection. Our formulation enables active perception during arbitrary 3D maneuvers, extending beyond prior methods designed mainly for horizontal motion. All constraints and penalties are incorporated into a differentiable optimization problem, so the planner requires only a simple front-end global path for guidance, rather than a computationally expensive perception-aware path generator. Extensive simulations and real-world experiments demonstrate robust performance across diverse unknown environments with varying sensor configurations.
• Abstract（参考訳）: 未知の3D環境における安全で効率的な軌道計画は、無人航空機(UAV)を現実の用途に展開する上で重要なボトルネックとなっている。 この課題は、限定視野(FOV)と搭載センサーの感知範囲によってさらに悪化する。 既存の多くの手法は、探索されていない空間について単純化的な仮定をするか、速度制限や固定された知覚パターンのような保守的なヒューリスティックに依存し、効率を低下させ、様々なセンサータイプにまたがって一般化する。 本研究では,能動知覚を軌道最適化に直接統合し,効率を保ちながら安全性を向上させる新しい計画枠組みを提案する。 知覚制約は、UAVのダイナミックモデルから導出され、センサー座標フレームに定式化され、FOV幾何を正確に扱うことができる。 速度トリガー活性化機構により、プランナーは知覚と運動効率のバランスをとることができる。 パラメトリック起動時最適化を用いたアクティブな知覚サブ軌道セグメントを導入し、遅延障害物検出による衝突リスクを軽減した。 我々の定式化は、主に水平運動のために設計された従来の方法を超えて、任意の3D操作中にアクティブな知覚を可能にする。 全ての制約と罰則は、微分可能な最適化問題に組み込まれているため、プランナーは、計算に高価な知覚認識経路生成器ではなく、単純なフロントエンドのグローバルパスのみをガイダンスに必要とします。 広範囲なシミュレーションと実世界の実験は、様々なセンサー構成を持つ様々な未知の環境にまたがって堅牢な性能を示す。

関連論文リスト

• Vision-Guided MPPI for Agile Drone Racing: Navigating Arbitrary Gate Poses via Neural Signed Distance Fields [8.66703842496129]
  ドローンレースには、極端なアジリティの下での認識、計画、制御の緊密な結合が必要です。 近年のアプローチは、事前計算された空間基準軌道や明示的な6-DoFゲートポーズ推定に依存している。 そこで我々は,任意の配置と配向ゲートを介して,参照不要のアジャイル飛行を可能にするビジョンガイド付き最適制御フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-07T13:18:07Z)
• Perception-Aware Time-Optimal Planning for Quadrotor Waypoint Flight [25.084985306310827]
  本稿では,視覚に基づく四元数に対する時間-最適軌道最適化フレームワークを提案する。 知覚制約を完全な非線形力学、ローターの作動制限、空力効果、カメラの視野制約、凸幾何学ゲート表現と組み合わせる。 実験では、実際の飛行速度は9.8m/s、平均追跡誤差は0.07m、クローズドループの成功率は55%から100%に向上した。
  論文  参考訳（メタデータ） (2026-03-04T17:22:16Z)
• SPOT: Spatio-Temporal Obstacle-free Trajectory Planning for UAVs in an Unknown Dynamic Environment [1.9181913148426697]
  我々は、視覚に基づくセーフフライト・コリドール(SFC)世代と統合した4次元プランナーを開発した。 シミュレーションおよび実世界のハードウェア実験において,本手法を広範囲に検証し,最先端の手法と比較した。
  論文  参考訳（メタデータ） (2026-02-01T12:24:12Z)
• Ergodic Trajectory Planning with Dynamic Sensor Footprints [19.00429186592942]
  本稿では,動的かつ解像度の異なるセンサフットプリントを用いた情報収集における軌道計画の問題に対処する。 既存のエルゴード計画では、点センサやフットプリントを一定の形状と解像度で仮定することで、センサーモデルを単純化することが多い。 本稿では, 動的センサのフットプリントを考慮に入れ, 理論的局所最適条件を解析し, 数値軌道最適化アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-12-09T14:47:14Z)
• NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
  我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。 グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。 我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
  論文  参考訳（メタデータ） (2025-06-23T14:28:30Z)
• Monocular Obstacle Avoidance Based on Inverse PPO for Fixed-wing UAVs [29.207513994002202]
  固定翼無人航空機(英語: Fixed-wing Unmanned Aerial Vehicles、UAV)は、低高度経済(LAE)と都市空運(UAM)のための最も一般的なプラットフォームの一つである。 従来の地図や高度なセンサーに依存する古典的な障害物回避システムは、未知の低高度環境や小型UAVプラットフォームにおいて制限に直面している。 本稿では,DRLに基づくUAV衝突回避システムを提案する。
  論文  参考訳（メタデータ） (2024-11-27T03:03:37Z)
• DiFSD: Ego-Centric Fully Sparse Paradigm with Uncertainty Denoising and Iterative Refinement for Efficient End-to-End Self-Driving [55.53171248839489]
  我々は、エンドツーエンドの自動運転のためのエゴ中心の完全スパースパラダイムであるDiFSDを提案する。 特に、DiFSDは主にスパース知覚、階層的相互作用、反復的な運動プランナーから構成される。 nuScenesとBench2Driveデータセットで実施された実験は、DiFSDの優れた計画性能と優れた効率を実証している。
  論文  参考訳（メタデータ） (2024-09-15T15:55:24Z)
• Implicit Occupancy Flow Fields for Perception and Prediction in Self-Driving [68.95178518732965]
  自動運転車(SDV)は、周囲を認識でき、他の交通参加者の将来の行動を予測できなければならない。 既存の作業は、検出されたオブジェクトの軌跡が続くオブジェクト検出を実行するか、シーン全体の密度の高い占有とフローグリッドを予測するかのいずれかである。 これは、認識と将来の予測に対する統一されたアプローチを動機付け、単一のニューラルネットワークで時間とともに占有とフローを暗黙的に表現します。
  論文  参考訳（メタデータ） (2023-08-02T23:39:24Z)

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。