論文の概要: FleetScape: A Mixed Reality Sandtable for Spatial Supervision and Control of Scalable Drone Fleets
- arxiv url: http://arxiv.org/abs/2607.26423v1
- Date: Wed, 29 Jul 2026 03:09:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-30 21:06:25.529961
- Title: FleetScape: A Mixed Reality Sandtable for Spatial Supervision and Control of Scalable Drone Fleets
- Title（参考訳）: FleetScape: スケーラブルドローンの空間的スーパービジョンと制御のための複合現実型サンドテーブル
- Abstract要約: 我々は、階層化されたリアルタイムミッション、安全性、環境データを外部化するMixed Reality (MR) SandtableシステムであるFleetScapeを紹介する。
弊社は、経験豊富なドローンパイロット6名を対象に、最大15機のドローンを運用するユーザスタディを実施している。
その結果,FleetScapeは空間表現の階層化による状況認識をサポートし,制御モード遷移の明確化を図った。
- 参考スコア（独自算出の注目度）: 7.75170515799838
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As autonomous drone deployments scale from individual units to coordinated swarms, the human operator's role shifts from direct piloting to high-level supervision. Current interfaces often treat multi-drone control as a scaled-up version of single-drone operation. We instead investigate how reframing fleet supervision as spatial interaction can better support the spatial, temporal, and safety demands of complex missions. We present FleetScape, a Mixed Reality (MR) sandtable system that externalizes layered real-time mission, safety, and environmental data while enabling fluid transitions between manual intervention and autonomous supervision. We developed a high-fidelity building inspection simulation that generates and streams synchronized multi-drone and environmental data for MR visualizations. We used this prototype to conduct a user study with six experienced drone pilots managing fleets of up to 15 drones. Our findings show that FleetScape supports situational awareness through layered spatial representations and clarifies control mode transitions. However, a limit to situational awareness was observed as fleet size increases, leading to different supervisory strategies. Finally, we derive design implications for supporting scalable drone fleet supervision.
- Abstract（参考訳）: 自律型ドローンの展開が個々のユニットから協調したSwarmへと拡大するにつれ、人間のオペレーターの役割は、直接の操縦からハイレベルな監視へとシフトする。
現在のインタフェースでは、マルチドローン制御を単一ドローン操作のスケールアップバージョンとして扱うことが多い。
代わりに、複雑なミッションの空間的、時間的、安全的要求に対して、艦隊の監督を空間的相互作用として反映させることがどのように役立つかを調査する。
筆者らは,手動による介入と自律的監視の流動的移行を実現しつつ,階層化されたリアルタイムミッション,安全,環境データを外部化する複合現実(MR)サンドテーブルシステムであるFleetScapeを提案する。
MRビジュアライゼーションのためのマルチドローンおよび環境データの生成とストリームを生成する高忠実度建物検査シミュレーションを開発した。
私たちはこのプロトタイプを使って、経験豊富な6人のドローンパイロットが最大15機のドローンを運用しているユーザースタディを実行しました。
その結果,FleetScapeは空間表現の階層化による状況認識をサポートし,制御モード遷移の明確化を図った。
しかし、艦隊の規模が大きくなるにつれて状況認識の限界が観測され、異なる監督戦略が導かれた。
最後に、スケーラブルなドローン艦隊の監視をサポートするために設計上の意味を導出する。
関連論文リスト
- Flying Together: Human-Guided Immersive Shared Control for Aerial Robot Teams in Unknown Environments [12.913935671942774]
制約のある未知の環境で動作するドローンチームを対象とした,VR(Virtual Reality)ベースの共有制御フレームワークを提案する。
新規なユーザ誘導型モーションプリミティブベースプランナは,連続的かつ衝突のない軌道を演算子入力を連続的に積分しながら計算する。
このシステムは、物理的およびシミュレートされたドローンによる複合現実感操作をサポートし、双方向のVRベースのインターフェースを実装している。
論文 参考訳（メタデータ） (2026-05-20T19:37:46Z) - MARS-Dragonfly: Agile and Robust Flight Control of Modular Aerial Robot Systems [21.471271822760276]
モジュラー・エアリアル・ロボット・システム(MARS)は、再構成可能な連結構造を持つ複数のドローンユニットから構成される。
MARSは単純な準静的モデルと規則に基づくアロケーションに依存しており、不連続かつ非有界なモーターコマンドを生成する。
我々は、受動ドッキング、検出不要な受動ロック、磁気アシスト分離が可能な小型機械システムを開発した。
論文 参考訳（メタデータ） (2026-04-07T06:43:08Z) - Pro-HOI: Perceptive Root-guided Humanoid-Object Interaction [57.252599851031505]
本稿では,知覚根誘導型ヒューマノイドオブジェクトインタラクション,Pro-HOIを紹介する。
Pro-HOIは、堅牢なヒューマノイドロコ操作のための一般化可能なフレームワークである。
ユニツリーG1ロボットの実証検証は、Pro-HOIが一般化と堅牢性においてベースラインを著しく上回っていることを示す。
論文 参考訳（メタデータ） (2026-03-01T14:19:59Z) - 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) - HetroD: A High-Fidelity Drone Dataset and Benchmark for Autonomous Driving in Heterogeneous Traffic [49.31491001465465]
HetroDは、異種環境で自律走行システムを開発するためのデータセットとベンチマークである。
HetroDは、VRU(vulner- able road users)が支配する現実の異種交通のナビゲーティングにおける重要な課題をターゲットにしている。
論文 参考訳（メタデータ） (2026-02-03T12:12:47Z) - μDopplerTag: CNN-Based Drone Recognition via Cooperative Micro-Doppler Tagging [0.0]
カメラ、LiDAR、従来のレーダーシステムを含む現在の検知および分類技術は、しばしばドローンを確実に識別し識別するのに苦労する。
本稿では, ドローンブレードに取り付けられた共振電磁ステッカーによって符号化された, 人工マイクロドップラーシグネチャに基づく新しいドローン分類法を提案する。
我々は、生のレーダー信号を処理し、高い分類精度を実現することができる調整型畳み込みニューラルネットワーク(CNN)を開発した。
論文 参考訳（メタデータ） (2026-01-12T22:23:57Z) - Explainable AI-Enhanced Supervisory Control for Robust Multi-Agent Robotic Systems [0.0]
マルチエージェントロボットのためのAI強化型監視制御フレームワークを提案する。
我々は、このアプローチを、宇宙船形成飛行と自律水中車両の2つの対照的な領域で検証した。
論文 参考訳（メタデータ） (2025-09-18T23:59:13Z) - ASTREA: Introducing Agentic Intelligence for Orbital Thermal Autonomy [51.56484100374058]
ASTREAは、自律的な宇宙船運用のためのフライト・ヘリテージ・ハードウェア上で実行される最初のエージェント・システムである。
我々は,資源制約付き大規模言語モデル(LLM)エージェントと強化学習コントローラを,空間対応プラットフォームに適した非同期アーキテクチャに統合する。
論文 参考訳（メタデータ） (2025-09-16T08:52:13Z) - Multi-model fusion for Aerial Vision and Dialog Navigation based on
human attention aids [69.98258892165767]
本稿では,2023年ICCV会話史のための航空航法課題について述べる。
本稿では,人間注意支援型トランスフォーマモデル(HAA-Transformer)と人間注意支援型LSTMモデル(HAA-LSTM)の融合訓練方法を提案する。
論文 参考訳（メタデータ） (2023-08-27T10:32:52Z) - Towards Cooperative Flight Control Using Visual-Attention [61.99121057062421]
本稿では,パイロットと制御システム間の並列自律性を実現するための,視覚に基づくエアガードシステムを提案する。
我々の注意に基づく航空防衛システムは、飛行への関与レベルとパイロットの専門知識と注意のトレードオフをバランスさせることができる。
論文 参考訳（メタデータ） (2022-12-21T15:31:47Z) - TransVisDrone: Spatio-Temporal Transformer for Vision-based
Drone-to-Drone Detection in Aerial Videos [57.92385818430939]
視覚的フィードを用いたドローンからドローンへの検知は、ドローンの衝突の検出、ドローンの攻撃の検出、他のドローンとの飛行の調整など、重要な応用がある。
既存の手法は計算コストがかかり、非エンドツーエンドの最適化に追随し、複雑なマルチステージパイプラインを持つため、エッジデバイス上でのリアルタイムデプロイメントには適さない。
計算効率を向上したエンドツーエンドのソリューションを提供する,シンプルで効果的なフレームワークであるitTransVisDroneを提案する。
論文 参考訳（メタデータ） (2022-10-16T03:05:13Z)
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。