論文の概要: DPNet: Efficient Dead-End Prediction and Avoidance for Vision-Based UAV Navigation

• arxiv url: http://arxiv.org/abs/2608.16640v1
• Date: Mon, 17 Aug 2026 14:39:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.74873
• Title: DPNet: Efficient Dead-End Prediction and Avoidance for Vision-Based UAV Navigation
• Title（参考訳）: DPNet:視覚に基づくUAVナビゲーションのための効率的なデッドエンド予測と回避
• Authors: Ruibin Zhang, Lun Pan, Zelong Xia, Jialiang Hou, Fei Gao,
• Abstract要約: 無人航空機(Unmanned Aerial Vehicles、UAV)は、しばしば致命的な航法障害に悩まされる。 本稿では,効率的なデッドエンド予測と回避のための体系的ソリューションを提案する。
• 参考スコア（独自算出の注目度）: 3.1750538386401668
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vision-based Unmanned Aerial Vehicles (UAVs) often suffer from navigation failures in dead ends due to limited sensing accuracy and range. To address this challenge, this paper proposes a systematic solution for efficient dead-end prediction and avoidance. The proposed method introduces a lightweight neural network to predict the relative distance and bearing of potential dead ends within the current field of view using RGB-D inputs. These predictions prune a predefined, compact trajectory library, enabling the planner to proactively avoid dead ends while maintaining navigational smoothness. Notably, our approach transfers across real-world scenarios without manual annotation or fine-tuning on real-world data. The system achieves high-frequency replanning at 50 Hz onboard. Extensive simulation benchmarks demonstrate superior performance in success rate, flight time, and trajectory length, and real-world experiments further validate its effectiveness in complex scenarios.
• Abstract（参考訳）: 視覚をベースとした無人航空機(UAV)は、感知精度と航続距離の制限により、致命的な航法障害に悩まされることが多い。 この課題に対処するため,本稿では,効率的なデッドエンド予測と回避のための体系的ソリューションを提案する。 提案手法では,RGB-D入力を用いて,現在の視野内における死点の相対的距離と軸受を予測する軽量ニューラルネットワークを提案する。 これらの予測は、事前に定義されたコンパクトな軌跡ライブラリを抜粋し、プランナーはナビゲーションの滑らかさを維持しながら、デッドエンドを積極的に回避することができる。 特に、我々のアプローチは、手動のアノテーションや実世界のデータを微調整することなく、実世界のシナリオを横断します。 このシステムは、50Hzのオンボードで高周波リプランニングを実現する。 大規模なシミュレーションベンチマークは、成功率、飛行時間、軌道長において優れた性能を示し、実世界の実験は複雑なシナリオにおけるその効果をさらに検証する。

関連論文リスト

• Last-Meter Precision Navigation for UAVs: A Diffusion-Refined Aerial Visual Servoing Approach [18.42619895752036]
  UAVの高精度ナビゲーションは、スケールのあいまいさ、回転の不連続性、微粒な空間推論の必要性により困難である。 広帯域拡散精細空中サーボフレームワークDreamNavを提案する。 実験では、DreamNavは強力なビジュアルサーボと基礎モデルベースラインを精度と一般化で上回り、ゼロショットは見えないシーンに転送される。
  論文  参考訳（メタデータ） (2026-07-05T15:16:44Z)
• 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)
• 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)
• MPVO: Motion-Prior based Visual Odometry for PointGoal Navigation [3.9974562667271507]
  視覚計測(VO)は,室内環境におけるエンボディエージェントの正確なポイントゴールナビゲーションを可能にするために不可欠である。 近年の深層学習VO法は, 頑健な性能を示すが, トレーニング中のサンプル不効率に悩まされている。 エージェントが環境をナビゲートしている間に利用可能な動作先に基づいて、ロバストでサンプル効率の良いVOパイプラインを提案する。
  論文  参考訳（メタデータ） (2024-11-07T15:36:49Z)
• VECTOR: Velocity-Enhanced GRU Neural Network for Real-Time 3D UAV Trajectory Prediction [2.1825723033513165]
  シーケンスベースニューラルネットワークにおけるGRU(Gated Recurrent Units)を用いた新しいトラジェクトリ予測手法を提案する。 我々は、合成と実世界のUAV軌跡データの両方を使用し、幅広い飛行パターン、速度、機敏性を捉えています。 GRUベースのモデルは、平均二乗誤差(MSE)を2×10-8に抑えながら、最先端のRNNアプローチを著しく上回っている。
  論文  参考訳（メタデータ） (2024-10-24T07:16:42Z)
• 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)
• A Novel Deep Neural Network for Trajectory Prediction in Automated Vehicles Using Velocity Vector Field [12.067838086415833]
  本稿では,データ駆動学習に基づく手法と,自然に着想を得た概念から生成された速度ベクトル場(VVF)を組み合わせた軌道予測手法を提案する。 精度は、正確な軌道予測のための過去の観測の長い歴史の要求を緩和する観測窓の減少と一致している。
  論文  参考訳（メタデータ） (2023-09-19T22:14:52Z)
• Implicit Occupancy Flow Fields for Perception and Prediction in Self-Driving [68.95178518732965]
  自動運転車(SDV)は、周囲を認識でき、他の交通参加者の将来の行動を予測できなければならない。 既存の作業は、検出されたオブジェクトの軌跡が続くオブジェクト検出を実行するか、シーン全体の密度の高い占有とフローグリッドを予測するかのいずれかである。 これは、認識と将来の予測に対する統一されたアプローチを動機付け、単一のニューラルネットワークで時間とともに占有とフローを暗黙的に表現します。
  論文  参考訳（メタデータ） (2023-08-02T23:39:24Z)
• Efficient and Robust LiDAR-Based End-to-End Navigation [132.52661670308606]
  我々は,LiDARをベースとした効率的なエンドツーエンドナビゲーションフレームワークを提案する。 本稿では,スパース畳み込みカーネル最適化とハードウェア対応モデル設計に基づくFast-LiDARNetを提案する。 次に,単一の前方通過のみから予測の不確かさを直接推定するハイブリッド・エビデンシャル・フュージョンを提案する。
  論文  参考訳（メタデータ） (2021-05-20T17:52:37Z)
• The Unsupervised Method of Vessel Movement Trajectory Prediction [1.2617078020344619]
  本稿では,船体移動軌跡予測の教師なし手法を提案する。 これは、点間の時間差、試験された点と予測された前方および後方位置の間のスケールした誤差距離、時空間の角度からなる3次元空間におけるデータを表す。 多くの統計的学習法や深層学習法とは異なり、クラスタリングに基づく軌道再構成法は計算コストのかかるモデルトレーニングを必要としない。
  論文  参考訳（メタデータ） (2020-07-27T17:45:21Z)

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。