論文の概要: Semantic-Aware Autonomous Exploration for UAVs in Unknown Indoor Environments
- arxiv url: http://arxiv.org/abs/2606.22670v1
- Date: Sun, 21 Jun 2026 21:07:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-25 07:42:41.319208
- Title: Semantic-Aware Autonomous Exploration for UAVs in Unknown Indoor Environments
- Title（参考訳）: 未知の屋内環境における無人航空機のセマンティック・アウェア自律探査
- Authors: Duc-Thien Nguyen, Ngoc Minh Do, Xiem HoangVan, Thanh Nguyen Canh,
- Abstract要約: 本稿では,ロードマップに基づく探索戦略に意味情報を追加する意味認識探索フレームワークを提案する。
意味のあるオブジェクトや構造を含む領域を優先するためにセマンティック報酬関数が導入され、UAVはより高い情報値を持つ領域に集中することができる。
複数のシミュレーション環境における実験結果から,提案手法は90%から94%の探査範囲を達成できることが示された。
- 参考スコア（独自算出の注目度）: 2.379911867541422
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Autonomous exploration in unknown environments requires unmanned aerial vehicles (UAVs) to efficiently generate informative trajectories while simultaneously constructing accurate maps. Although many existing exploration methods rely on geometric information, they often lack semantic awareness, resulting in suboptimal exploration efficiency and limited environmental understanding. To address this limitation, this paper proposes a semantic-aware exploration framework that adds semantic information to a roadmap-based exploration strategy. The proposed method builds on the Dynamic Exploration Planner (DEP), which incrementally constructs a Probabilistic Roadmap (PRM), and augments this roadmap with a semantic layer. A semantic reward function is introduced to prioritize regions containing meaningful objects and structures, enabling the UAV to focus on areas with higher information value. Furthermore, the roadmap is continuously updated to support efficient frontier selection and path planning during exploration. The proposed framework is implemented in ROS Noetic and Gazebo using an RGB-D sensor for simultaneous acquisition of geometric and semantic information. Experimental results in multiple simulated environments demonstrate that the proposed approach achieves exploration coverage rates between 90% and 94% while reducing exploration time and travel distance compared with conventional geometry-based exploration methods.
- Abstract（参考訳）: 未知の環境での自律探査では、無人航空機(UAV)が正確な地図を同時に構築しながら、効率的な情報トラジェクトリを生成する必要がある。
既存の探索手法の多くは幾何学的情報に依存しているが、意味的な認識が欠如しており、探索の効率が最適であり、環境の理解が限られている。
この制限に対処するために、ロードマップに基づく探索戦略に意味情報を追加する意味認識探索フレームワークを提案する。
提案手法は,確率的ロードマップ (PRM) を漸進的に構築する動的探索計画 (DEP) に基づいて構築され,このロードマップを意味的レイヤで拡張する。
意味のあるオブジェクトや構造を含む領域を優先するためにセマンティック報酬関数が導入され、UAVはより高い情報値を持つ領域に集中することができる。
さらに、ロードマップは継続的に更新され、探索中の効率的なフロンティアの選択と経路計画をサポートする。
提案フレームワークはRGB-Dセンサを用いてROS Noetic と Gazebo で実装され,幾何情報と意味情報の同時取得を行う。
複数のシミュレーション環境における実験結果から,提案手法は従来の幾何探査法と比較して,探査時間と走行距離を低減しつつ,90%から94%の探査範囲を達成できることが示された。
関連論文リスト
- VANDERER: Map-Free Exploration using Future-Aware and Visual-Curiosity-Guided Diffusion Policy [12.450778241309365]
VANDERERは、Visual Curiosity Moduleを利用して事前訓練された拡散ポリシーをガイドする探索フレームワークである。
様々なシミュレートされた環境において評価され、VANDERは確立されたベースラインを一貫して上回っている。
論文 参考訳（メタデータ） (2026-06-12T18:33:12Z) - STEM: Semantic Target Search and Exploration using MAVs in Cluttered Environments [17.009653719709213]
本稿では,目的探索時間と探索時間を最小限に抑えるために,意味誘導型視点プランナを用いた新しいフレームワークを提案する。
具体的には,対象に繋がる可能性のある視点を優先順位付けすることで,効率的な意味探索計画を生成するプランナーを開発する。
論文 参考訳（メタデータ） (2026-05-30T15:00:58Z) - FrontierNet: Learning Visual Cues to Explore [54.8265603996238]
この研究は、3Dマップからゴールポーズを抽出する制限に対処するため、効率的な自律探索に2Dビジュアルキューを活用することを目的としている。
本稿では、FrontierNetをコアコンポーネントとする、視覚のみのフロンティアベースの探索システムを提案する。
提案手法は,既存の3次元目標抽出手法に代わるもので,早期探索効率の15%向上を実現している。
論文 参考訳（メタデータ） (2025-01-08T16:25:32Z) - OTO Planner: An Efficient Only Travelling Once Exploration Planner for Complex and Unknown Environments [6.128246045267511]
オンリートラベル・ワン・プランナー」は複雑な環境下で繰り返し経路を減少させる効率的な探索プランナーである。
高速フロンティア更新、視点評価、視点改善が含まれる。
探査時間と移動距離を10%から20%削減し、フロンティア検出の速度を6～9倍向上させる。
論文 参考訳（メタデータ） (2024-06-11T14:23:48Z) - Incremental 3D Scene Completion for Safe and Efficient Exploration
Mapping and Planning [60.599223456298915]
本研究では,情報,安全,解釈可能な地図作成と計画に3次元シーン補完を活用することによって,深層学習を探索に統合する新しい手法を提案する。
本手法は,地図の精度を最小限に抑えることで,ベースラインに比べて環境のカバレッジを73%高速化できることを示す。
最終地図にシーン完了が含まれていなくても、ロボットがより情報的な経路を選択するように誘導し、ロボットのセンサーでシーンの測定を35%高速化できることが示される。
論文 参考訳（メタデータ） (2022-08-17T14:19:33Z) - A Multi-UAV System for Exploration and Target Finding in Cluttered and
GPS-Denied Environments [68.31522961125589]
複雑なGPSを用いた複雑な環境において,UAVのチームが協調して目標を探索し,発見するための枠組みを提案する。
UAVのチームは自律的にナビゲートし、探索し、検出し、既知の地図で散らばった環境でターゲットを見つける。
その結果, 提案方式は, 時間的コスト, 調査対象地域の割合, 捜索・救助ミッションの成功率などの面で改善されていることがわかった。
論文 参考訳（メタデータ） (2021-07-19T12:54:04Z) - Deep Reinforcement Learning for Adaptive Exploration of Unknown
Environments [6.90777229452271]
私達はUAVのための1つのステップで調査および搾取間のトレードオフに適応的な調査のアプローチを開発します。
提案手法では, 環境マップを小型でトラクタブルな地図に分解するために, マップセグメンテーション手法を用いる。
その結果,本提案手法は,ランダムに生成された環境をナビゲートし,ベースラインと比較してAoIを短時間でカバーできることが示された。
論文 参考訳（メタデータ） (2021-05-04T16:29:44Z) - Autonomous UAV Exploration of Dynamic Environments via Incremental
Sampling and Probabilistic Roadmap [0.3867363075280543]
インクリメンタルサンプリングと確率的ロードマップ(PRM)を用いた未知環境探索のための新しい動的探索プランナ(DEP)を提案する。
本手法は, 動的環境を安全に探索し, 探索時間, 経路長, 計算時間でベンチマークプランナーより優れている。
論文 参考訳（メタデータ） (2020-10-14T22:52:37Z) - Occupancy Anticipation for Efficient Exploration and Navigation [97.17517060585875]
そこで我々は,エージェントが自我中心のRGB-D観測を用いて,その占有状態を可視領域を超えて推定する,占有予測を提案する。
エゴセントリックなビューとトップダウンマップの両方でコンテキストを活用することで、私たちのモデルは環境のより広いマップを予測できます。
われわれのアプローチは、2020 Habitat PointNav Challengeの優勝だ。
論文 参考訳（メタデータ） (2020-08-21T03:16:51Z) - Radar-based Dynamic Occupancy Grid Mapping and Object Detection [55.74894405714851]
近年、古典的占有グリッドマップのアプローチが動的占有グリッドマップに拡張されている。
本稿では,従来のアプローチのさらなる発展について述べる。
複数のレーダセンサのデータを融合し、グリッドベースの物体追跡・マッピング手法を適用する。
論文 参考訳（メタデータ） (2020-08-09T09:26:30Z)
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。