論文の概要: Vision-Language Models as copilots for Autonomous UAV Navigation: Analysis of Latency and Reliability in Degraded Environments

• arxiv url: http://arxiv.org/abs/2609.26084v1
• Date: Mon, 10 Aug 2026 13:50:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.869854
• Title: Vision-Language Models as copilots for Autonomous UAV Navigation: Analysis of Latency and Reliability in Degraded Environments
• Title（参考訳）: 自律型UAV航法用副操縦士としての視覚言語モデル:劣化環境におけるレイテンシと信頼性の分析
• Abstract要約: 本稿では,GPSフリー環境におけるUAVのためのハイブリッドFSM-VLM制御アーキテクチャを提案する。 システムは、低レベルな物理制御のための決定論的有限状態機械(FSM)と、高レベルなセマンティックパスフィンディングのための非同期VLMコラボレートを組み合わせる。
• 参考スコア（独自算出の注目度）: 0.6087584611215794
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The integration of Vision-Language Models (VLMs) in autonomous Unmanned Aerial Vehicles (UAVs) offers unprecedented semantic reasoning capabilities. However, real-time closed-loop navigation requires not only low inference latency but also obedience to structured flight commands. This paper proposes a hybrid FSM-VLM control architecture for UAVs in GPS-free environments. The system combines a deterministic Finite State Machine (FSM) for low-level physical control with an asynchronous VLM copilot for high-level semantic pathfinding. We evaluate three models with different parameter scales in a Software-In-The-Loop (SITL) simulation. The framework isolates and measures syntax errors at the format level versus semantic hallucinations at the logic level in a normal and degraded scenario. This study demonstrates that parameter scaling, and not pure latency, remains the primary bottleneck for the safe and compatible integration of VLM into autonomous flights.
• Abstract（参考訳）: 無人航空機(UAV)におけるビジョンランゲージモデル(VLM)の統合は、前例のない意味推論能力を提供する。 しかし、リアルタイムのクローズドループナビゲーションは、低遅延だけでなく、構造化されたフライトコマンドへの従順性も必要である。 本稿では,GPSフリー環境におけるUAVのためのハイブリッドFSM-VLM制御アーキテクチャを提案する。 このシステムは、低レベルの物理制御のための決定論的有限状態機械(FSM)と、高レベルのセマンティックパスフィニングのための非同期VLMコラボレートを組み合わせる。 ソフトウェア・イン・ザ・ループ(SITL)シミュレーションにおいて,パラメータの異なる3つのモデルを評価する。 このフレームワークは、正常で劣化したシナリオにおいて、形式レベルでの構文エラーと論理レベルでの意味幻覚を分離し、測定する。 この研究は、パラメータスケーリングが純粋なレイテンシではなく、安全で互換性のあるVLMの自律飛行への統合の主要なボトルネックであることを示した。

関連論文リスト

• "Dear LLaVA, Please Drive": A Depth-Aware Vision-Language Agent for Closed-Loop Robotic Control [0.2905751301655124]
  視覚言語モデル(VLM)は推論駆動のモバイルナビゲーションのための魅力的な基盤を提供する。 本稿では,Imperative Learning パラダイムを用いて,自律ナビゲーションのための事前学習VLMを微調整するパラメータ効率の手法を提案する。 本稿では,自然言語駆動型ロボット制御のためのエンドツーエンドナビゲーションパイプラインについて紹介する。
  論文  参考訳（メタデータ） (2026-09-19T10:12:55Z)
• S-squared-VLA: Decoupling Semantic and Spatial Streams in Vision-Language-Action Models for Autonomous Driving [8.813976817688605]
  VLM(Vision-Language Models)は、自律運転における高レベルの推論に顕著な可能性を示している。 VLMは、個別の言語トークンと連続的な軌道計画のミスマッチによって、正確で低レベルな制御アクションを生成するのに苦労する。 本稿では,視覚・言語・行動モデルにおける意味的・空間的ストリームを明示的に分離するS-squared-VLAを提案する。
  論文  参考訳（メタデータ） (2026-07-15T15:07:02Z)
• DroneFINE: Domain-Aware Parameter-Efficient Fine-Tuning of Vision-Language Detectors for Drone Images [50.96240625673857]
  DroneFINEは、VLMベースのドローン画像検出器用に設計された2つのドメイン対応補完モジュールからなる、新しいPEFTパラダイムである。 DroneFINEは既存のPEFTメソッドを著しく上回り、完全な微調整に匹敵するパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-07-01T02:27:40Z)
• OneDrive: Unified Multi-Paradigm Driving with Vision-Language-Action Models [69.2503510410147]
  予め訓練されたVLM上に構築した統合自動運転フレームワークを提案する。 トレーニング済みのVLMアテンションは、純粋言語モデリング以上の強い伝達性を示すことを示す。 エンドツーエンドの自動運転ベンチマークの実験は、最先端のパフォーマンスを示している。
  論文  参考訳（メタデータ） (2026-04-20T07:50:00Z)
• DriveVLM-RL: Neuroscience-Inspired Reinforcement Learning with Vision-Language Models for Safe and Deployable Autonomous Driving [7.788062051923755]
  DriveVLM-RLは神経科学に触発されたフレームワークで、視覚言語モデルと強化学習を統合する。 このフレームワークは、連続的な空間安全評価のための静的パスに意味報酬学習を分解する。 階層的な報酬合成機構は、セマンティック信号を車両状態と融合させ、非同期トレーニングパイプラインは環境相互作用から高価なVLM推論を分離する。
  論文  参考訳（メタデータ） (2026-03-18T21:55:29Z)
• A Unified Experimental Architecture for Informative Path Planning: from Simulation to Deployment with GuadalPlanner [69.43049144653882]
  本稿では,車種別制御から高レベルの意思決定を分離する統一アーキテクチャを提案する。 提案アーキテクチャは、計画、センシング、車両実行の標準化されたインターフェースを定義するGuaralPlannerを通じて実現されている。
  論文  参考訳（メタデータ） (2026-02-11T10:02:31Z)
• HiST-VLA: A Hierarchical Spatio-Temporal Vision-Language-Action Model for End-to-End Autonomous Driving [20.266736153749417]
  Vision-Language-Action(VLA)モデルは、マルチモーダル理解を通じて自律運転に有望な機能を提供する。 安全クリティカルなシナリオにおけるそれらの利用は、数値推論、弱い3次元空間認識、文脈に対する高い感度を含む固有の制限によって制限されている。 信頼軌道生成用に設計された階層型時空間VLAモデルであるHiST-VLAを提案する。
  論文  参考訳（メタデータ） (2026-02-11T07:08:33Z)
• AutoFly: Vision-Language-Action Model for UAV Autonomous Navigation in the Wild [62.47761809929869]
  視覚言語ナビゲーション(VLN)は、視覚的観察とともに言語指示を解釈することで、知的エージェントが環境をナビゲートする必要がある。 無人航空機(UAV)の現在のVLN研究は、所定のルートに沿ってUAVを誘導するための詳細な指示に依存している。 本稿では,自律型UAVナビゲーションのためのエンド・ツー・エンドのビジョン・ランゲージ・アクションモデルであるAutoFlyを提案する。
  論文  参考訳（メタデータ） (2026-02-10T11:08:07Z)
• Large-scale Autonomous Flight with Real-time Semantic SLAM under Dense Forest Canopy [48.51396198176273]
  本研究では,大規模自律飛行とリアルタイムセマンティックマッピングを,挑戦的なアンダーキャノピー環境下で実現可能な統合システムを提案する。 我々は、スキャン全体で関連付けられ、木のトランクモデルと同様にロボットのポーズを制約するために使用されるLiDARデータから、木の幹と地面の平面を検出し、モデル化する。 ドリフト補償機構は、プランナー最適性とコントローラ安定性を維持しつつ、セマンティックSLAM出力を用いたドリフトをリアルタイムで最小化するように設計されている。
  論文  参考訳（メタデータ） (2021-09-14T07:24:53Z)
• Control Design of Autonomous Drone Using Deep Learning Based Image Understanding Techniques [1.0953917735844645]
  本稿では,室内の騒音や不確実性を考慮して,自律飛行を行うための制御器の入力として画像を使用する新しい枠組みを提案する。 ノイズの多い環境下でドローン/クワッドコプターの飛行安定性を向上させるために, 微分フィルタを用いた新しいPIDA制御を提案する。
  論文  参考訳（メタデータ） (2020-04-27T15:50:04Z)

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。