論文の概要: PATH: Continuous Target Sensing among Autonomous Cooperative Drones

• arxiv url: http://arxiv.org/abs/2609.12456v1
• Date: Fri, 11 Sep 2026 05:24:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-15 07:38:31.632969
• Title: PATH: Continuous Target Sensing among Autonomous Cooperative Drones
• Title（参考訳）: PATH:自律的協力型ドローンの連続的目標認識
• Abstract要約: 本稿では,2つの移動型UAV間の目標ハンドオフのためのプラットフォームに依存しない,幾何学的支援型センシングおよび検証フレームワークを提案する。 PATHは96.0%のフレームレベル受信側ターゲット取得精度を実現し、2.0%は偽陽性、2.0%は偽陰性である。
• 参考スコア（独自算出の注目度）: 2.225982890331028
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Continuous target sensing by uncrewed aerial vehicles (UAVs) is constrained by limited flight endurance, motivating the transfer of tracking responsibility between cooperating UAVs. Such a handoff requires the receiver to identify the same physical target currently tracked by the sender despite differences in viewpoint, scale, and target appearance. Existing approaches based on global target localization or appearance-based cross-view association are limited by positioning uncertainty or ambiguous visual features. This paper presents Perspective Alignment \& Tracking Handoff (\textbf{PATH}), a platform-agnostic, geometry-assisted sensing and verification framework for target handoff between two moving UAVs. The sender reconstructs the tracked target as a metric 3D point using RGB-D sensing, while the receiver estimates its relative pose from a fiducial observation and projects the transmitted target point into its own image as a spatial prior for target acquisition. The receiver-generated candidate is then returned to the sender and verified through a cross-view Mutual Agreement Handshake before tracking responsibility is transferred. Real-world UAV experiments show mean relative-position and target-position errors of 0.047~m and 0.030~m, respectively. Under visually ambiguous conditions, PATH achieves 96.0\% frame-level receiver-side target acquisition accuracy, with 2.0\% false-positive and 2.0\% false-negative rates. A sensor-error sensitivity analysis shows that relative-pose uncertainty is the dominant contributor to receiver-view projection error. The implementation operates at video rate with compact inter-UAV communication below 16~kB/s at 60~Hz, demonstrating the feasibility of lightweight geometry-assisted target handoff on resource-constrained UAV platforms.
• Abstract（参考訳）: 無人航空機(UAV)による連続目標感知は、飛行時間に制限があり、UAV間の追跡責任の移転を動機としている。 このようなハンドオフでは、受信側は、視点、スケール、ターゲットの外観の違いにもかかわらず、送信側が現在追跡している物理ターゲットを識別する必要がある。 グローバルなターゲットローカライゼーションや外観に基づくクロスビューアソシエーションに基づく既存のアプローチは、不確実性や曖昧な視覚的特徴の位置決めによって制限される。 本稿では、2つの移動UAV間の目標ハンドオフのためのプラットフォームに依存しない幾何支援型センシングおよび検証フレームワークであるパースペクティブアライメント・アライメント・アンド・トラッキング・ハンドオフ(\textbf{PATH})を提案する。 送信者は、RGB−Dセンシングを用いて追跡対象をメートル法3D点として再構成し、受信機は、被写体観測から相対的なポーズを推定し、送信された目標点を目標取得の空間先行として独自の画像に投影する。 その後、受信者生成候補が送信者に返却され、相互合意ハンドシェイクを通じて検証され、追跡責任が移される。 実世界のUAV実験では、それぞれ0.047~mと0.030~mの相対位置誤差と目標位置誤差が示されている。 視覚的に曖昧な条件下では、PATHは96.0\%のフレームレベル受信側ターゲット取得精度を達成し、2.0\%の偽陽性率と2.0\%の偽陰性レートを持つ。 センサエラー感度分析では、相対的な位置の不確実性がレシーバ・ビュー・プロジェクション・エラーの主要な原因であることが示された。 この実装は、16〜kB/s以下の小型UAV通信で60〜Hzでビデオレートで動作し、リソース制約のあるUAVプラットフォーム上での軽量な幾何学支援目標ハンドオフの実現可能性を示している。

関連論文リスト

• EECTracker: Swarm Motion Prior-Guided Feature Compensation for Airborne Optical UAV Swarm Tracking [2.6963400582429036]
  EECTrackerは、空中UAV群追跡のためのSwarm-motion-prior-guided joint detection-and-tracking frameworkである。 EECTrackerは最先端の手法と比較して総合的なトラッキング性能が優れていることを示す。
  論文  参考訳（メタデータ） (2026-09-14T07:57:47Z)
• MC-DeTra: Motion-Consistent Joint Object Detection and Socially-Aware Trajectory Forecasting in Bird's-Eye-View Images [0.2864713389096699]
  我々は、補助信号による監視を付加する動き一貫性機構のファミリーであるMC-DeTraをリリースする。 MC-DeTraは、動的で社会的に割り振られた軌道予測を改善し、検出精度を向上する。 私たちはhttps://github.com/diuzhevVlad/MC-DeTra.comでコード、設定、評価ツールをリリースします。
  論文  参考訳（メタデータ） (2026-09-10T15:34:09Z)
• 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)
• Event-Based Motion Estimation via Oriented Distance Fields [55.23416502666468]
  イベントベースの動き推定は、高時間分解能と高速動作に対する堅牢性を必要とするタスクの中心である。 本稿では,この最適化を,事前計算された事象距離ベクトルの場上の1つの平均ステップに置き換える,オブジェクト指向距離場運動推定(ODF Motion Estimation)を提案する。 公開および自己収集されたデータセットでは,ODFの動作推定は,比較手法の中で最低レイテンシでサブピクセル精度に達する。
  論文  参考訳（メタデータ） (2026-08-25T08:27:42Z)
• Semantic-Aware Temporal Adaptation for UAV Anti-UAV Tracking [53.31397431089487]
  反UAV追跡は、移動中のオブザーバーUAVのオンボードカメラを使用して敵UAVを位置決めするための、新たな低高度セキュリティタスクである。 カメラプラットフォームとターゲットの両方が同時に動くため、従来のUAVトラッキングと地上ベースのアンチUAVトラッキングとは異なる。 本稿では,UAVアンチUAV追跡のためのセマンティック・アウェア・テンポラル適応フレームワークであるemphSATATrackを提案する。
  論文  参考訳（メタデータ） (2026-07-29T06:22:03Z)
• Instance-level Visual Active Tracking with Occlusion-Aware Planning [61.982298426203165]
  Visual Active Tracking (VAT)は、カメラを3D空間でターゲットに追従することを目的としている。 VATは、視覚的に類似したイントラクタからの混乱と、閉塞下での深刻な障害という、現実世界のデプロイメントにおいて2つの重要なボトルネックに直面している。 3つの相補的なモジュールを持つ統一パイプラインであるOA-VATを提案する。
  論文  参考訳（メタデータ） (2026-04-23T09:11:50Z)
• Self-supervised Domain Adaptation for Visual 3D Pose Estimation of Nano-drone Racing Gates by Enforcing Geometric Consistency [43.497514957094275]
  シミュレーションデータに基づいて事前学習した畳み込みニューラルネットワークを用いて,ナノクワッドロータの前方のドローンレースゲートの相対的なポーズを視覚的に推定する作業を検討する。 ゲートの前方に任意の軌道を飛行するドローンによって収集された実画像のみを用いた教師なし領域適応(UDA)手法を提案する。
  論文  参考訳（メタデータ） (2026-03-03T12:46:25Z)
• 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)
• Griffin: Aerial-Ground Cooperative Detection and Tracking Dataset and Benchmark [15.405137983083875]
  航空と地上の協力は、UAVの空中視界と地上の車両の局部的な観測を統合することで、有望な解決策を提供する。 本稿では,3つの重要な貢献を通じて,地上3次元協調認識のための包括的ソリューションを提案する。
  論文  参考訳（メタデータ） (2025-03-10T07:00:07Z)
• Improving Zero-Shot ObjectNav with Generative Communication [60.84730028539513]
  ゼロショットObjectNavの改良手法を提案する。 私たちのアプローチは、接地エージェントが制限され、時には障害のあるビューを持つ可能性があることを考慮に入れています。
  論文  参考訳（メタデータ） (2024-08-03T22:55:26Z)
• SOOD: Towards Semi-Supervised Oriented Object Detection [57.05141794402972]
  本稿では, 主流の擬似ラベリングフレームワーク上に構築された, SOOD と呼ばれる, 半教師付きオブジェクト指向物体検出モデルを提案する。 提案した2つの損失をトレーニングした場合,SOODはDOTA-v1.5ベンチマークの様々な設定下で,最先端のSSOD法を超越することを示した。
  論文  参考訳（メタデータ） (2023-04-10T11:10:42Z)
• Distributed Variable-Baseline Stereo SLAM from two UAVs [17.513645771137178]
  本稿では,単眼カメラを1台,IMUを1台搭載した2台のUAVを用いて,視界の重なりと相対距離の測定を行った。 本稿では,glsuavエージェントを自律的に制御するために,分散協調推定方式を提案する。 我々は,高度160mまでの飛行におけるアプローチの有効性を実証し,最先端のVIO手法の能力を大きく超えている。
  論文  参考訳（メタデータ） (2020-09-10T12:16:10Z)

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。