論文の概要: Shared Voxel-Map-Based Cooperative Indoor UAV Guidance with a Multi-Agent Soft Actor-Critic Controller

• arxiv url: http://arxiv.org/abs/2607.25728v1
• Date: Tue, 28 Jul 2026 13:52:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-29 20:50:42.859498
• Title: Shared Voxel-Map-Based Cooperative Indoor UAV Guidance with a Multi-Agent Soft Actor-Critic Controller
• Title（参考訳）: マルチエージェントソフトアクタクリティカルコントローラを用いたVoxel-Map-based Cooperative UAV Guidanceの共有化
• Abstract要約: 本稿では,共有ボクセルマップの世界モデルとマルチエージェント型ソフトアクター・クリティカル(MASAC)コントローラを組み合わせた屋内UAV誘導フレームワークを提案する。 複数のドローンが360度LiDAR観測を共通の世界フレーム占有マップに融合させ、小型の鳥眼ビュー(BEV)に変換する。 この方針は、BEVマップの特徴、近接場障害物観測、コンパクトな目標と集中学習・分散実行フレームワーク内のピアステート情報を組み合わせたものである。
• 参考スコア（独自算出の注目度）: 11.90848714221425
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents a cooperative indoor UAV guidance framework that combines a shared voxel-map world model with a multi-agent Soft Actor-Critic (MASAC) controller. Multiple drones fuse 360 LiDAR observations into a common world-frame occupancy map, which is converted into a compact bird's-eye-view (BEV) representation and provided to each agent as an ego-aligned local crop. This integrate-in-world, act-in- ego design enables consistent multi-UAV spatial fusion whilst retaining decentralised continuous control. The policy combines BEV map features, near-field obstacle observations, and compact goal and peer-state information within a centralised-training, decentralised-execution framework. In simulation, the learned controller achieves a 90.3% success rate in corridor navigation, outperforming Astar planning, an artificial potential field controller, and a prior guidance method. To address residual sim-to-real mismatch, the simulation-trained policy is further adapted using offline imitation fine-tuning from real-world data. Real-world experiments in GNSS-denied indoor environments demonstrate stable two-UAV cooperative operation across increasingly chal- lenging obstacle layouts. The results show that shared voxel-map representations provide an effective and scalable spatial substrate for learned cooperative indoor UAV guidance.
• Abstract（参考訳）: 本稿では,共有ボクセルマップの世界モデルとマルチエージェント型ソフトアクター・クリティカル(MASAC)コントローラを組み合わせた屋内UAV誘導フレームワークを提案する。 複数のドローンは、360度LiDAR観測を共通の世界フレーム占有マップに融合させ、小型の鳥眼ビュー(BEV)表現に変換し、各エージェントにエゴ対応の局所作物として供給する。 この実世界のアクト・イン・エゴデザインは、分散化された連続制御を維持しながら、一貫したマルチUAV空間融合を可能にする。 この方針は、BEVマップの特徴、近接場障害物観測、コンパクトな目標と集中学習・分散実行フレームワーク内のピアステート情報を組み合わせたものである。 シミュレーションにおいて、学習したコントローラは、回廊航法において90.3%の成功率、アスター計画、人工電位場制御、および事前誘導法を達成している。 残差sim-to-realミスマッチに対処するために、シミュレーション訓練されたポリシーは、実世界のデータからオフラインの模倣微調整を用いてさらに適応される。 GNSSを用いた屋内環境における実世界の実験は、ますます混在する障害物配置にまたがる安定した2UAV協調動作を示す。 その結果、共有ボクセルマップ表現は、学習された屋内UAV誘導に有効でスケーラブルな空間基板を提供することを示した。

関連論文リスト

• VIPS: Vehicle-Infrastructure Cooperative Planning Benchmark via Pseudo-Simulation [50.18051979020699]
  VIPSは擬似シミュレーションに基づくV2I設定における協調自動運転のベンチマークである。 CoS-V2Xはスパース表現に基づく協調計画フレームワークである。
  論文  参考訳（メタデータ） (2026-09-02T11:32:52Z)
• Vision-Based Leader-Follower Formation Control for Cooperative UAVs in GPS-Degraded Environments [0.31662146097653004]
  本稿では, 追従型UAV上で動作する視覚型協調形成フレームワークを提案する。 前面のRGB-Dカメラを使って、リーダーUAVをリアルタイムで検出し、追跡し、ローカライズする。 その結果,提案フレームワークは,合理的な計算コストで安定したリーダ・フォロワ構成を維持していることがわかった。
  論文  参考訳（メタデータ） (2026-09-01T15:35:38Z)
• Afford-VLA: Action-Aligned Visual Planning via Internalized Affordance [108.46436073194546]
  効果的なプランニングは、ローカルで、視覚的に基礎があり、内部で生成され、アクションと直接整合するべきである、と私たちは主張する。 本稿では,タスク条件付きアベイランスをVLAモデル内で明示的な視覚的計画インターフェースとして内包する統合フレームワークであるAfford-VLAを提案する。
  論文  参考訳（メタデータ） (2026-05-22T20:43:47Z)
• Droneulator: A Portable UAV Simulator for Agricultural Workflows with RotorPy and Godot 4 [3.2898781698366713]
  Droneulatorは、マルチロータダイナミックスのためのRotorPyと、レンダリングとセンサー生成のためのGodot 4を組み合わせた、ポータブルなUAVシミュレータアーキテクチャである。 DroneulatorはPX4ベースのコントロールと軽量WebSocketコマンドパスの両方を公開し、ZenohベースのROS2互換パイプラインを通じて、同期されたビジュアルおよびステートストリームを公開する。
  論文  参考訳（メタデータ） (2026-05-22T08:58:29Z)
• 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)
• Beyond Matching to Tiles: Bridging Unaligned Aerial and Satellite Views for Vision-Only UAV Navigation [51.286599397552756]
  本稿では,UAVの絶対位置と近距離からの進路を共同で予測する視覚駆動型クロスビューナビゲーション手法であるBering-UAVを提案する。 我々はまた、クロスビューのローカライゼーションとナビゲーションを評価するベンチマークである Bearing-UAV-90k も提示する。
  論文  参考訳（メタデータ） (2026-03-23T16:17:39Z)
• Decentralized Multi-Robot Obstacle Detection and Tracking in a Maritime Scenario [1.1086440815804226]
  本稿では,自律型表面容器と協調する複数のUAVを用いて,浮遊容器の検出と追跡を行う分散マルチロボットフレームワークを提案する。 それぞれのUAVは、ステレオ不均一で強化されたYOLOv8検出器を実行し、ターゲットごとのEKFトラックを不確実性を認識したデータアソシエーションで維持する。 情報駆動アロケータは、旅行作業における期待される不確実性低減と安全分離を取引することで、目標を割り当て、UAVホバリング視点を選択する。
  論文  参考訳（メタデータ） (2026-02-12T14:42:17Z)
• LLM Meets the Sky: Heuristic Multi-Agent Reinforcement Learning for Secure Heterogeneous UAV Networks [57.27815890269697]
  この研究は、エネルギー制約下での不均一なUAVネットワーク(HetUAVN)における機密率の最大化に焦点を当てている。 本稿では,Large Language Model (LLM) を用いたマルチエージェント学習手法を提案する。 その結果,本手法は機密性やエネルギー効率において,既存のベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2025-07-23T04:22:57Z)
• Without Paired Labeled Data: End-to-End Self-Supervised Learning for Drone-view Geo-Localization [20.603433987118837]
  ドローンビュージオローカライゼーション(DVGL)は、GPSタグ付き衛星画像を取得することで、ドローンの正確なローカライゼーションを実現することを目的としている。 既存の手法は、教師あり学習のために、厳密にペアリングされたドローン衛星画像に大きく依存している。 浅いバックボーンネットワークを用いたエンドツーエンドの自己教師付き学習手法を提案する。
  論文  参考訳（メタデータ） (2025-02-17T02:53:08Z)
• Cluster-Based Multi-Agent Task Scheduling for Space-Air-Ground Integrated Networks [60.085771314013044]
  低高度経済は、コミュニケーションやセンシングなどの分野で発展する大きな可能性を秘めている。 本稿では,SAGINにおけるマルチUAV協調タスクスケジューリング問題に対処するため,クラスタリングに基づく多エージェントDeep Deterministic Policy Gradient (CMADDPG)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-12-14T06:17:33Z)
• UAVs Beneath the Surface: Cooperative Autonomy for Subterranean Search and Rescue in DARPA SubT [5.145696432159643]
  本稿では, 複雑なトポロジを持つ地下ドメインの探索・救助作業において, 自律的協調型UAVの新たなアプローチを提案する。 提案されたシステムは、DARPA SubTファイナルのVirtual TrackでCTU-CRAS-NORLABチームの一員として第2位にランクされた。 提案手法はまた、現実世界の競争の極端に厳しく制限された環境で飛行する物理的UAVに展開するための堅牢なシステムであることを証明した。
  論文  参考訳（メタデータ） (2022-06-16T13:54:33Z)
• Large-scale Autonomous Flight with Real-time Semantic SLAM under Dense Forest Canopy [48.51396198176273]
  本研究では,大規模自律飛行とリアルタイムセマンティックマッピングを,挑戦的なアンダーキャノピー環境下で実現可能な統合システムを提案する。 我々は、スキャン全体で関連付けられ、木のトランクモデルと同様にロボットのポーズを制約するために使用されるLiDARデータから、木の幹と地面の平面を検出し、モデル化する。 ドリフト補償機構は、プランナー最適性とコントローラ安定性を維持しつつ、セマンティックSLAM出力を用いたドリフトをリアルタイムで最小化するように設計されている。
  論文  参考訳（メタデータ） (2021-09-14T07:24:53Z)

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。