論文の概要: SCORE: Shape-Conforming Regions for Flight in Enclosed, Degraded Environments
- arxiv url: http://arxiv.org/abs/2608.15289v1
- Date: Sat, 15 Aug 2026 15:43:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.250025
- Title: SCORE: Shape-Conforming Regions for Flight in Enclosed, Degraded Environments
- Title（参考訳）: SCORE:閉鎖型劣化環境における飛行のための形状変化領域
- Abstract要約: コンフォーマル予測は、知覚誤差を吸収するために障害回避がどこまで拡大する必要があるかを校正することで、分布のない保証を提供する。
知覚が低下するにつれて、バルジが狭い通路を消費する既存のキープアウトプリミティブが成長する。
我々の主な貢献は、障害物幾何学に従い、等辺凸領域の不要な膨らみを避ける非整合性維持を定義することである。
- 参考スコア（独自算出の注目度）: 0.6918282834668528
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autonomous UAVs enter enclosed environments such as caves and collapsed structures that confine the vehicle and degrade perception. Conformal prediction provides a distribution-free guarantee by calibrating how far an obstacle keep-out must expand to absorb perception error at a target coverage level. However, existing keep-out regions use convex primitives whose bulges consume narrow passages and grow as perception degrades. Our main contribution defines the nonconformity score on a signed distance field (SDF). This produces a non-convex keep-out that tightly follows obstacle geometry and avoids the unnecessary bulging of equal-margin convex regions. Two supporting components keep this geometry usable as perception degrades. First, a voxelwise union of complementary sensor observations certifies voxels that any single sensor misses. Second, the margin around the obstacle adapts to measured visibility without weather labels or the online ground-truth feedback that single-pass flight cannot provide. Results on real subterranean data show that the resulting distribution-free, shape-conforming keep-out retains more usable free space than convex baselines at the same certified coverage, and produces safer closed-loop flight.
- Abstract（参考訳）: 自律型UAVは、洞窟や崩壊した構造物などの囲まれた環境に入り、車両を閉じ込め、知覚を低下させる。
コンフォーマル予測は、目標カバレッジレベルでの知覚誤差を吸収するために、障害回避がどこまで拡大する必要があるかを調整し、分布のない保証を提供する。
しかし、既存の保留領域では、塊が狭い通路を消費し、知覚が低下するにつれて成長する凸原始体を使用している。
我々の主な貢献は、符号付き距離場(SDF)における非整合性スコアを定義することである。
これにより、障害物幾何学を厳密に追従し、等辺凸領域の不要な膨らみを避ける非凸な保留線が生成される。
2つのサポートコンポーネントは、知覚が劣化するにつれて、この幾何学を利用可能に保ちます。
まず、相補的なセンサー観測のボクセルワイド結合は、すべてのセンサが見逃すボクセルを認証する。
第二に、障害物の周囲のマージンは、気象ラベルなしで測定された可視性に適応する。
実際の地下データによる結果は、結果として生じる分布自由で、形状に整合したキーアウトが、同じ認定範囲で凸ベースラインよりも使用可能な自由空間を維持し、より安全なクローズドループ飛行を実現していることを示している。
関連論文リスト
- Variance-Guided Spatial Attention Fusion for Robust End-to-End Driving under Asymmetric Sensor Degradation [14.393656149682068]
本稿では,VG-SAF(Variance-Guided Space Attention Fusion)を提案する。
まず、物理的に接地されたオーグメンタは、代表カメラとLiDARの故障をシミュレートし、連続した空間マスクを放出する。
第2に、モダリティ特有の専門家は、ログ空間におけるクロスブランチ密度の蒸留を通じて、ピクセル当たりの信頼性のスケールを予測する。
第3に、キャリブレーションされた信頼性マップは、局所的な空間ゲートを持つ信頼できない細胞を抑圧するハイブリッドアテンション機構を駆動する。
論文 参考訳（メタデータ） (2026-08-25T10:27:02Z) - RECO: Region-Aware Compensation for Extrinsic Perturbations in Roadside 3D Detection [13.05494342638977]
道路沿いの3D物体検出は、交通理解、協調早期警戒、安全な自動運転に不可欠な広域認識を提供する。
既存の方法は、カメラ外在物に対する高い感度に悩まされており、わずかな偏差でさえ射影幾何学によって増幅することができる。
部分的6-DoFポーズオフセットを用いて外因性を修正する地域対応外因性補償フレームワークRECOを提案する。
論文 参考訳（メタデータ） (2026-07-23T05:56:42Z) - From Prediction Uncertainty to Conformalized Distance Fields for Safe Motion Planning [9.50741434664352]
既存のコンフォメーションアプローチは、障害物ごとの予測誤差を集計するスカラースコアに適合する。
代わりに、予測距離場全体を同時に整列する。
この関数共形予測フレームワークは、分布自由で、フィールドレベルの低い境界をもたらす。
論文 参考訳（メタデータ） (2026-07-01T11:02:51Z) - High-Dimensional Latents Should Be Diagnosed Through Phase Structure [56.362776482614976]
スピングラス理論のレンズによるオートエンコーダと変分オートエンコーダの潜在空間について検討した。
固定復号器用の潜時空間スピングラス辞書を定式化する。
トポロジカルな自明化機構のエッジ・オブ・ステイティに向けて潜伏系を駆動することは、下流に具体的な結果をもたらすことを示す。
論文 参考訳（メタデータ） (2026-05-23T06:17:23Z) - OcclusionFormer: Arranging Z-Order for Layout-Grounded Image Generation [49.49933361280724]
OcclusionFormerは、インスタンスを分離することで、Zオーダーの優先順位を明示的にモデル化する新しいフレームワークです。
また、個別のインスタンスを明示的に監視し、セマンティックな一貫性を高めるクエリアライメント損失を導入します。
提案手法は,重なり合う領域の曖昧さを効果的に低減し,正しい閉塞依存性を強制し,構造的整合性を保ち,様々な場面で精度の高い向上をもたらす。
論文 参考訳（メタデータ） (2026-05-20T16:10:44Z) - 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) - LACE: Loss-Adaptive Capacity Expansion for Continual Learning [0.0]
LACE(Loss-Adaptive Capacity Expansion)は、トレーニング中にモデルの表現能力を拡張するオンラインメカニズムである。
LACEはラベルもリプレイバッファも外部コントローラも必要とせず、リソース制約下でのデバイス上での継続的な学習に適している。
論文 参考訳（メタデータ） (2026-03-30T15:58:33Z) - SpatialFly: Geometry-Guided Representation Alignment for UAV Vision-and-Language Navigation in Urban Environments [49.966170814478915]
UAV VLNのための幾何学誘導空間表現フレームワークを提案する。
明示的な3次元再構成を伴わないRGB観測において、SpatialFlyは幾何学誘導2次元表示アライメント機構を導入する。
実験結果から、SpatialFlyは現状のUAV VLNベースラインを目に見える環境と見えない環境の両方で一貫して上回っていることが明らかとなった。
論文 参考訳（メタデータ） (2026-03-22T03:56:58Z) - 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) - PC-Diffuser: Path-Consistent Capsule CBF Safety Filtering for Diffusion-Based Trajectory Planner [15.914164951048614]
PC-Diffuserは、拡散計画のデノイングループに直接パス一貫性のあるバリア関数構造を組み込む安全強化フレームワークである。
車両形状をよりよく反映するカプセル距離バリア関数を用いて衝突リスクを評価する。
自転車の車体モデルの下で、識別されたウェイポイントを動的に実現可能な運動に変換する。
論文 参考訳（メタデータ） (2026-03-11T01:52:56Z) - StereoSpace: Depth-Free Synthesis of Stereo Geometry via End-to-End Diffusion in a Canonical Space [55.40440023281068]
本稿では,単分子対ステレオ合成のための拡散ベースのフレームワークであるStereoSpaceを紹介する。
標準整定空間と条件付けは、生成元が対応を推測し、非閉塞をエンドツーエンドに埋めるように誘導する。
論文 参考訳（メタデータ） (2025-12-11T18:59:59Z) - Adaptive Dual Uncertainty Optimization: Boosting Monocular 3D Object Detection under Test-Time Shifts [80.32933059529135]
TTA(Test-Time Adaptation)メソッドが出現し、推論中にターゲット分布に適応する。
我々は、堅牢なM3ODの両不確実性を共同で最小化するために設計された、最初のTTAフレームワークであるDual Uncertainity Optimization (DUO)を提案する。
並列に,明瞭な意味的手がかりを持つ領域における幾何学的コヒーレンスを保存する意味認識型正規場制約を設計する。
論文 参考訳（メタデータ） (2025-08-28T07:09:21Z)
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。