論文の概要: Drone-Assisted UAV-UGV Collaboration for Autonomous Navigation in Snow-Covered Terrain
- arxiv url: http://arxiv.org/abs/2608.07797v1
- Date: Fri, 07 Aug 2026 22:41:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:36.514835
- Title: Drone-Assisted UAV-UGV Collaboration for Autonomous Navigation in Snow-Covered Terrain
- Title（参考訳）: 積雪地における自律走行のためのドローン支援型UAV-UGVコラボレーション
- Abstract要約: 本稿では,高高度・積雪地を対象としたUAV-UGV共同ナビゲーションフレームワークを提案する。
本稿では,リアルタイム道路分割の計算制約に該当するU-Netアーキテクチャを提案する。
UAVローカライゼーションのために,GPSとIMUデータを融合した拡張カルマンフィルタ(EKF)を実装し,最大位置誤差+0.5mを実現した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This paper presents a collaborative UAV-UGV navigation framework for high-altitude, snow-covered terrain, where reduced visibility and unstable ground render conventional methods ineffective. We introduce a custom efficient U-Net architecture that falls under the computational constraints for real-time road segmentation, utilizing a novel synthetic snow data augmentation technique to achieve 96.5% segmentation accuracy. For UAV localization, we implement an Extended Kalman Filter (EKF) fusing onboard GPS and IMU data, achieving a maximum observed positional error of +-0.5 meters. The UGV position is determined via a visual tracking pipeline using YOLOv5 and depth data from the UAV's RGB-D camera. A dynamic path planning algorithm utilizes this segmentation to adjust for snow drifts, enabling successful navigation in obscured test environment with minimal deviation.
- Abstract（参考訳）: 本稿では,高高度・積雪地を対象としたUAV-UGV共同ナビゲーションフレームワークを提案する。
道路分割の計算制約に該当し,96.5%の精度を実現するために,新しい合成雪データ拡張技術を用いて,効率的なU-Netアーキテクチャを提案する。
UAVローカライゼーションのために,GPSとIMUデータを融合した拡張カルマンフィルタ(EKF)を実装し,最大位置誤差+-0.5mを実現した。
UGVの位置は、YOLOv5とUAVのRGB-Dカメラの深度データを用いて視覚追跡パイプラインを介して決定される。
動的経路計画アルゴリズムは、このセグメンテーションを利用して雪の漂流を調整し、最小限の偏差で未知のテスト環境で航法を成功させる。
関連論文リスト
- DynFly: Dynamic-Aware Continuous Trajectory Generation for UAV Vision-Language Navigation in Urban Environments [55.73595346639892]
我々は高レベルナビゲーション推論と実行可能なUAV動作を橋渡しするDynFlyを提案する。
DynFlyはB-スプライン制御点空間のエキスパート軌道を表し、Spline-DiTジェネレータを用いて条件付き軌道生成を学習する。
OpenUAV UAV-VLNベンチマークの実験では、DynFlyは航法性能と軌道品質の両方を改善している。
論文 参考訳（メタデータ） (2026-06-30T13:33:48Z) - 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) - Fly, Track, Land: Infrastructure-less Magnetic Localization for Heterogeneous UAV-UGV Teaming [5.61837936726601]
我々は,軽量UAVの自律的なホバリング,追跡,着陸を可能にする,完全なインフラストラクチャレス磁気誘導型(MI)ローカライゼーションシステムを提案する。
この研究は、超軽量飛行ロボットが地上の無人地上車両の移動認識エージェントとして機能する異種ロボットコラボレーションのビジョンを前進させる。
論文 参考訳（メタデータ） (2026-03-09T20:52:51Z) - DRL-Enabled Trajectory Planing for UAV-Assisted VLC: Optimal Altitude and Reward Design [35.154994099093244]
航空車両(UAV)と可視光通信(VLC)技術の統合は、効率的な照明を提供するための有望なソリューションとして現れている。
本稿では,UAV支援VLCシステムにおける3次元軌道計画について検討する。
論文 参考訳（メタデータ） (2026-01-30T03:44:14Z) - Visual Heading Prediction for Autonomous Aerial Vehicles [0.9083675407657857]
本稿では,リアルタイムUAV-UGV統合のためのビジョンベース,データ駆動型フレームワークを提案する。
YOLOv5モデルを使用してUGVを検出し、バウンディングボックスの特徴を抽出し、軽量な人工知能ニューラルネットワーク(ANN)によってUAVの要求方向角を推定する。
訓練されたANNは平均絶対誤差0.1506、根平均二乗誤差0.1957を達成し、正確な方向角予測を行う。
論文 参考訳（メタデータ） (2025-12-10T18:27:37Z) - 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) - Long-Range Vision-Based UAV-assisted Localization for Unmanned Surface Vehicles [7.384309568198598]
地球測位システム (GPS) は海洋環境下での無人表面車両 (USV) によるフィールド操作に必須のナビゲーション手法となっている。
GPSは、自然の干渉や悪意のある妨害攻撃に弱いため、必ずしも屋外で利用できるとは限らない。
本研究では,無人航空機(UAV)を用いて,制限された海洋環境下でのUSVのローカライズを支援する新しい手法を提案する。
論文 参考訳（メタデータ） (2024-08-21T08:37:37Z) - Angle Robustness Unmanned Aerial Vehicle Navigation in GNSS-Denied
Scenarios [66.05091704671503]
本稿では、ポイントツーポイントナビゲーションタスクにおける飛行偏差に対処する新しい角度ナビゲーションパラダイムを提案する。
また、Adaptive Feature Enhance Module、Cross-knowledge Attention-guided Module、Robust Task-oriented Head Moduleを含むモデルを提案する。
論文 参考訳（メタデータ） (2024-02-04T08:41:20Z) - Planetary UAV localization based on Multi-modal Registration with
Pre-existing Digital Terrain Model [0.5156484100374058]
我々は,UAV上のナディルビューカメラを用いて,惑星UAVの位置を推定するマルチモーダル登録に基づくSLAMアルゴリズムを提案する。
オンボードUAV画像とプリインストールデジタル地形モデルとのスケールと外観の違いを克服するために,UAV画像とDEMの地形特性がクロスパワースペクトルを介して周波数領域で相関できることを示す理論的モデルを提案した。
提案するローカライゼーションアルゴリズムのロバスト性と有効性をテストするために,惑星探査のための新しいクロスソースドローンベースのローカライゼーションデータセットを提案する。
論文 参考訳（メタデータ） (2021-06-24T02:54:01Z) - 3D UAV Trajectory and Data Collection Optimisation via Deep
Reinforcement Learning [75.78929539923749]
無人航空機(UAV)は現在、無線通信におけるネットワーク性能とカバレッジを高めるために配備され始めている。
UAV支援モノのインターネット(IoT)のための最適な資源配分方式を得ることは困難である
本稿では,UAVの最も短い飛行経路に依存しつつ,IoTデバイスから収集したデータ量を最大化しながら,新しいUAV支援IoTシステムを設計する。
論文 参考訳（メタデータ） (2021-06-06T14:08:41Z) - Attention-based Reinforcement Learning for Real-Time UAV Semantic
Communication [53.46235596543596]
移動地利用者に対する空対地超信頼性・低遅延通信(URLLC)の問題点について検討する。
グラフアテンション交換ネットワーク(GAXNet)を用いたマルチエージェント深層強化学習フレームワークを提案する。
GAXNetは、最先端のベースラインフレームワークと比較して、0.0000001エラー率で6.5倍のレイテンシを実現している。
論文 参考訳（メタデータ） (2021-05-22T12:43:25Z)
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。