論文の概要: NEUROSYMLAND: Neuro-Symbolic Landing-Site Assessment for Robust and Edge-Deployable UAV Autonomy
- arxiv url: http://arxiv.org/abs/2607.02277v1
- Date: Thu, 02 Jul 2026 14:58:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-03 19:45:08.878093
- Title: NEUROSYMLAND: Neuro-Symbolic Landing-Site Assessment for Robust and Edge-Deployable UAV Autonomy
- Title（参考訳）: NEUROSYMLAND:ロバストおよびエッジ展開可能なUAV自律性のためのニューロシンボリックランディングサイトアセスメント
- Abstract要約: ニューロシマランド (NEUROSYMLAND) は, ニューロシマランド (NEUROSYMLAND) のニューロシマランド・アセスメントシステムである。
このフレームワークは、オンボード視覚入力から確率論的セマンティックシーングラフを構築する。
地形の平坦性、障害物のクリアランス、空間的一貫性を計測するシンボル制約を用いて、候補着陸領域の評価を行う。
- 参考スコア（独自算出の注目度）: 5.480699319484468
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Safe landing-site assessment in unstructured environments remains a key challenge for autonomous UAV deployment, as vision-only learning approaches often degrade under terrain variability and provide limited transparency in safety decisions. We present NEUROSYMLAND, a neuro-symbolic landing-site assessment system that integrates lightweight perception with explicit safety reasoning. The framework constructs a probabilistic semantic scene graph from onboard visual input and evaluates candidate landing regions using symbolic constraints capturing terrain flatness, obstacle clearance, and spatial consistency, enabling structured reasoning under perceptual uncertainty while maintaining edge-feasible execution. Across 72 simulated landing scenarios spanning diverse terrains, NEUROSYMLAND achieves 61 successful assessments, outperforming four competitive baselines (37-57 successes). To evaluate deployability, we further conduct 100 hardware-in-the-loop trials with randomized initial poses, profiling end-to-end latency, stage-wise execution time, and system-level metrics including CPU/GPU utilization, memory footprint, and power consumption. Results demonstrate improved robustness and interpretability with bounded edge-resource usage. Profiling shows that symbolic reasoning contributes only a small fraction of end-to-end latency, while the main computational cost arises from perception and PSSG construction. These results demonstrate the feasibility of deploying the landing-site assessment stack on edge-constrained UAV hardware, and all source code, datasets, prompts, and symbolic rule refinement examples are released in an open-source repository
- Abstract（参考訳）: 非構造環境における安全な着陸場所評価は、視覚のみの学習アプローチが地形の変動の下でしばしば低下し、安全決定の透明性が制限されるため、自律的UAV展開において重要な課題である。
ニューロシマランド(NEUROSYMLAND, NEUROSYMLAND, NEUROSYMLAND, NEUROSYMLAND, NEUROSYMLAND, NEUROSYMLAND, NEUROSYMLAND, NEUROSYMLAND, NEUROSYMLAND, NEUROSYMLAND, NEUROSYMLAND, NEUROSY
本フレームワークは、搭載された視覚入力から確率論的セマンティック・シーングラフを構築し、地形平坦性、障害物クリアランス、空間一貫性を象徴する制約を用いて、候補着陸領域を評価し、エッジ実現可能な実行を維持しつつ、知覚的不確実性の下で構造化された推論を可能にする。
様々な地形にまたがる72のシミュレートされた着陸シナリオのうち、NEUROSYMLANDは61回の評価を成功させ、4回の競争ベースライン(37-57回の成功)を上回った。
デプロイ性を評価するために、ランダム化された初期ポーズ、エンドツーエンドのレイテンシのプロファイリング、ステージワイド実行時間、CPU/GPU利用、メモリフットプリント、消費電力を含むシステムレベルのメトリクスを用いて、100のハードウェア・イン・ザ・ループ試行を行う。
その結果,有界エッジリソース利用による堅牢性と解釈性の向上が示された。
プロファイリングによれば、シンボリック推論は少数のエンドツーエンドのレイテンシにしか寄与しないが、主な計算コストは知覚とPSSGの構成から生じる。
これらの結果は,エッジ制約付きUAVハードウェア上での着陸地点評価スタックのデプロイの実現可能性を示し,オープンソースリポジトリでソースコード,データセット,プロンプト,シンボル規則の改良例を公開している。
関連論文リスト
- PILOT: Privileged Imitation Learning for End-to-End Motion Planning of Autonomous UAVs under Partial Observability [7.550075542886951]
本稿では、視覚に基づくエンドツーエンドUAV計画のための制約対応の特権的模倣学習フレームワークであるPILOTについて述べる。
論文 参考訳（メタデータ） (2026-08-14T08:43:59Z) - Partial Skeleton Visibility for Action Recognition: A Constrained Field-of-View Approach [60.596944437968524]
partialVisGraphは、制約されたフィールド・オブ・ビューの下で、堅牢なスケルトンベースのアクション認識のための新しいフレームワークである。
部分的な可視性の下では、最先端の精度を一貫して達成し、厳しいFoV制限のあるサブセットでは68.8%まで上昇する。
提案手法は,非拘束環境下でのスケルトンに基づく行動理解を実現するための,原則的かつ実践的な経路を提供する。
論文 参考訳（メタデータ） (2026-07-01T10:03:11Z) - Synthetic-to-Real Pipeline for Safe Landing Zone Detection [0.0]
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。
論文 参考訳（メタデータ） (2026-06-09T01:32:07Z) - Beyond Binary Success: A Diagnostic Meta-Evaluation Framework for Fine-Grained Manipulation [98.79811866787263]
診断メタ評価フレームワークであるMetaFineを紹介する。
局所的な空間構造を保存できる視覚エンコーダの能力は,きめ細かな精度の鍵となるボトルネックである。
評価をランキングから診断にシフトすることで、MetaFineは、ベンチマークを実際の物理デキスタリティに基づく階層化された能力の修復のための実行可能なコンパスに変換する。
論文 参考訳（メタデータ） (2026-05-19T15:25:13Z) - 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) - Seeing Where to Deploy: Metric RGB-Based Traversability Analysis for Aerial-to-Ground Hidden Space Inspection [48.120690574682875]
本稿では,RGBを用いた幾何学的意味的再構成と,空中から地上への隠れ空間検査のためのトラベル可能性解析フレームワークを提案する。
テザリングされたUAV-UGVプラットフォームでの実験では、隠れた空間シナリオにおける信頼性の高いデプロイメントゾーンの識別が示されている。
論文 参考訳（メタデータ） (2026-03-15T22:20:59Z) - Learning to Explore: Policy-Guided Outlier Synthesis for Graph Out-of-Distribution Detection [51.93878677594561]
教師なしグラフレベルのOOD検出では、モデルは通常、IDデータのみを使用して訓練される。
本稿では,スタティックスを学習した探索戦略に置き換える政策誘導型アウトリア合成フレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-28T11:40:18Z) - Eva-Tracker: ESDF-update-free, Visibility-aware Planning with Target Reacquisition for Robust Aerial Tracking [51.06229328990625]
Eva-Trackerは、航空追跡のための可視性を考慮した軌道計画フレームワークである。
ESDF更新を排除し、リカバリ可能なパス生成メソッドを組み込んで、ターゲット再取得を行う。
提案手法は,従来の最先端手法よりも計算労力の少ないロバストな追跡結果を提供する。
論文 参考訳（メタデータ） (2026-02-13T02:56:34Z) - Bridging Perception and Reasoning: Dual-Pipeline Neuro-Symbolic Landing for UAVs in Cluttered Environments [3.2786408034656858]
NeuroSymLandは、非構造環境における自律着陸のためのニューロシンボリックフレームワークである。
これは、軽量基礎モデルの知覚的強みと象徴的推論の解釈可能性と検証可能性を組み合わせる。
NeuroSymLandは、最先端のベースラインに比べて高精度で、共変量シフトに対する強い堅牢性、効率性の向上を実現している。
論文 参考訳（メタデータ） (2025-10-25T08:08:04Z) - 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) - Visual Environment Assessment for Safe Autonomous Quadrotor Landing [8.538463567092297]
本研究では,安全な四段着陸のための着陸地点の検出と評価を行う新しい手法を提案する。
本ソリューションは,GPSなどの外部支援を不要にしながら,2次元および3次元環境情報を効率的に統合する。
提案手法は,計算能力に制限のあるクオータ上でリアルタイムに実行される。
論文 参考訳（メタデータ） (2023-11-16T18:02:10Z)
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。