論文の概要: Robust Active-Perception Control for Global-State-Free Aerial-Ground Cooperation

• arxiv url: http://arxiv.org/abs/2609.25898v1
• Date: Tue, 22 Sep 2026 09:02:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.305343
• Title: Robust Active-Perception Control for Global-State-Free Aerial-Ground Cooperation
• Title（参考訳）: グローバルステートフリーエアリアル・グラウンド協調のためのロバストアクティブ・パーセプション制御
• Abstract要約: 地上協力のための堅牢なアクティブ・パーセプション・フレームワークであるCOPAを提案する。 我々は,UAV運動,ジンバル角,UGV運動を対象画像平面状態に関連付ける能動知覚モデルを導出した。
• 参考スコア（独自算出の注目度）: 13.646048449923564
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Aerial-ground cooperation requires real-time UAV--UGV relative-state information. Instead of maintaining global estimates for both robots, direct control in a UGV-attached non-inertial frame avoids reliance on global localization. Vision-based relative pose estimation with a passive marker offers a low-cost and effective solution. However, a fixed camera may lose sight of the moving UGV when the required UAV attitude conflicts with the field-of-view (FOV) constraint. To address this, we propose COPA, a robust active-perception framework for global-state-free aerial-ground cooperation. We use a single-axis gimbal to decouple the camera optical axis from the UAV pitch attitude. We derive an active-perception model that relates UAV motion, gimbal angle, and UGV motion to the target image-plane state.A Temporal Convolutional Network (TCN) predicts short-horizon UGV acceleration and angular velocity from recent motion history without global-state measurements. The model predictive control (MPC) uses these predictions to jointly optimize UAV and gimbal control. Simulations show that COPA maintains continuous target visibility, while ablation studies confirm that the TCN reduces peak errors during UGV motion transitions. Real-world experiments with UGV accelerations up to 3m/s^2 and yaw rates up to 1.0rad/s demonstrate robust tracking.
• Abstract（参考訳）: 航空・地上協力には、リアルタイムUAV-UGV相対状態情報が必要である。 両方のロボットのグローバルな推定を維持する代わりに、UGV対応の非慣性フレームでの直接制御は、グローバルなローカライゼーションへの依存を避ける。 受動的マーカーを用いた視覚に基づく相対的なポーズ推定は、低コストで効果的なソリューションを提供する。 しかし、固定カメラは、要求されるUAV姿勢が視野制限(FOV)と矛盾する場合、移動中のUGVを見失う可能性がある。 そこで我々は,グローバルステートフリーな地上協力のための堅牢なアクティブ・パーセプション・フレームワークであるCOPAを提案する。 単軸ジンバルを用いて、UAVピッチ姿勢からカメラ光軸を分離する。 我々は,UAVの運動,ジンバル角,UGVの運動を対象画像平面状態に関連付ける能動知覚モデルを導出する。この時空間畳み込みネットワーク(TCN)は,グローバルな状態計測のない最近の動き履歴から,短水平UGVの加速度と角速度を予測する。 モデル予測制御(MPC)はこれらの予測を用いてUAVとジンバル制御を協調的に最適化する。 シミュレーションでは、COPAは連続目標視認性を維持し、アブレーション研究では、TNはUGVの運動遷移中にピークエラーを減少させる。 UGV加速最大3m/s^2、ヤウレート最大1.0rad/sの現実世界実験は、ロバストな追跡を示している。

関連論文リスト

• Project SCOUT: Interceptor Drone for Perimeter Defense [9.641457591248697]
  textbfSCOUTは、ROSが内蔵した、UAVに対するリアルタイムの空中防御のための知覚制御フレームワークである。 SCOUTは、ディフェンダーUAV上で直接視覚検出、ターゲットアソシエーション、トラックフィルタリング、制御コマンド生成を実行する。 実世界の飛行結果から、SCOUTは92.2%のフレームに対して有効な目標検出を維持し、リアルタイムのオンボード検出速度で運用していることがわかる。
  論文  参考訳（メタデータ） (2026-09-17T18:58:24Z)
• UAV Video Deblurring via Motion-Aware Diffusion: A Path to Robust Target Detection [10.233658861023612]
  無人航空機(UAV)は災害対応から交通監視まで様々なシナリオにおいて重要な役割を果たしている。 我々のゴールは、UAV目標検出性能を向上させるために、計算効率が高く効果的なビデオデブロアリング手法を検討することである。
  論文  参考訳（メタデータ） (2026-08-15T14:31:16Z)
• Can Aerial VLA Models Cooperate? Evaluating Closed-Loop Air-Ground Coordination with CARLA-Air [2.061094726550731]
  単UAV能力が地上協力に移行できるかどうかについて検討する。 1つのUnreal Engineランタイム内にCARLAとAirSimを統合するシングルプロセス評価環境であるCARLA-Airを使用する。 その結果、現在の航空VLAモデルは、しばしば地上のパートナーを追跡したり追ったりすることができるが、この単一エージェントの能力を安定した協調行動に変換するのに苦労していることがわかった。
  論文  参考訳（メタデータ） (2026-05-29T09:36:08Z)
• Aero-World: Action-Conditioned Aerial Video Generation from Inertial Controls [57.166020875486474]
  我々は,事前学習した画像から映像への拡散モデルを制御可能な空中ビデオ生成装置に変換する方法であるtextbfAero-World を提案する。 実ビデオ-IMUペアで独立して訓練された冷凍潜伏空間物理学プローブは、LoRA微調整中に慣性・一貫性の異なる監視を提供する。 AeroBenchでは、アクションのみの微調整で平均AASを57.7から63.6に改善し、AirScapeよりも優れた品質制御トレードオフを提供する。
  論文  参考訳（メタデータ） (2026-05-19T12:02:17Z)
• 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)
• 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)
• Vision-based control for landing an aerial vehicle on a marine vessel [0.0]
  本研究は,イメージベースビジュアルサーボ制御を用いた移動プラットフォーム上での航空機の着陸問題に対処する。 テクスチャ化された対象平面上の画像特徴を利用して、視覚に基づく制御法則を導出する。 提案法は、目標と移動プラットフォームの間の未知距離を推定することなく収束を保証する。
  論文  参考訳（メタデータ） (2024-04-17T12:53:57Z)
• Federated Learning in the Sky: Joint Power Allocation and Scheduling with UAV Swarms [98.78553146823829]
  無人航空機(UAV)は様々なタスクを実行するために機械学習(ML)を利用する必要がある。 本稿では,UAVスワム内に分散学習(FL)アルゴリズムを実装するための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-02-19T14:04:01Z)

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。