論文の概要: DroneWAM: Efficient World Action Model for Drone Visual Navigation

• arxiv url: http://arxiv.org/abs/2609.33148v1
• Date: Sun, 27 Sep 2026 03:21:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 10:03:22.51846
• Title: DroneWAM: Efficient World Action Model for Drone Visual Navigation
• Title（参考訳）: DroneWAM: ドローンビジュアルナビゲーションのための効率的な世界行動モデル
• Abstract要約: 我々は、ドローン視覚ナビゲーションのための効率的なワールドアクションモデルであるDroneWAMを提案する。 DroneWAMはJEPAベースのアーキテクチャを採用し、表現空間内での将来の状態をモデル化する。 適応的なロールアウトも導入し、好み訓練されたゲートが現在のシーンに応じて予測深度を適応的に割り当てる。
• 参考スコア（独自算出の注目度）: 25.491891423418185
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: World-action models give visual navigation agents a way to anticipate how candidate actions will change future observations and to act from the predicted consequences. For drones, this capability must operate under tight accuracy and efficiency constraints. We present DroneWAM, an efficient world-action model for drone visual navigation. DroneWAM adopts a JEPA-based architecture to model future states directly in representation space, avoiding the cost of explicit future image generation. A pretrained Resampler further compresses dense encoder features into fewer latent tokens, reducing the computation repeated at each imagined step. We also introduce adaptive rollout, where a preference-trained Gate adaptively allocates prediction depth according to the current scene. To support learning under richer aerial motion, we construct DroneNav-6D, a simulated visual navigation dataset with synchronized RGB observations, 6-DoF flight trajectories, control commands, and randomized wind disturbances. On DroneNav-6D, DroneWAM achieves the best trajectory accuracy among the compared methods. Adaptive rollout further reduces the average prediction depth from 8 to 4.58 while improving trajectory accuracy, demonstrating that predictive computation can be allocated more effectively across scenes. \href{https://github.com/1e12Leon/DroneWAM}{Codes and data} will be released.
• Abstract（参考訳）: 世界行動モデルにより、視覚的ナビゲーションエージェントは、将来の観察をどのように変え、予測された結果から行動するかを予測できる。 ドローンの場合、この機能は厳密な精度と効率の制約の下で動作しなければならない。 我々は、ドローン視覚ナビゲーションのための効率的なワールドアクションモデルであるDroneWAMを提案する。 DroneWAMはJEPAベースのアーキテクチャを採用して、表現空間内での将来の状態をモデル化する。 事前訓練されたResamplerは、高密度エンコーダ機能をより少ない潜在トークンに圧縮し、各ステップで繰り返される計算を減らす。 適応的なロールアウトも導入し、好み訓練されたゲートが現在のシーンに応じて予測深度を適応的に割り当てる。 よりリッチな空中運動下での学習を支援するために、DroneNav-6Dという、同期RGB観測、6-DoF飛行軌跡、制御コマンド、ランダムな風の乱れを含むシミュレーションビジュアルナビゲーションデータセットを構築した。 DroneNav-6Dでは、DroneWAMは比較手法の中で最良の軌道精度を達成する。 適応的なロールアウトにより、平均予測深度が8から4.58に減少し、軌道精度が向上し、シーン全体にわたって予測計算がより効果的に割り当てられることを示す。 \href{https://github.com/1e12Leon/DroneWAM}{Codes and data} がリリースされる。

関連論文リスト

• DPNet: Efficient Dead-End Prediction and Avoidance for Vision-Based UAV Navigation [3.1750538386401668]
  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。
  論文  参考訳（メタデータ） (2026-08-17T14:39:04Z)
• Aerial World Model for Long-horizon Visual Generation and Navigation in 3D Space [48.19308247102762]
  本稿では,過去のフレームや行動に照らされた将来の視覚的観察を予測する航空ナビゲーションワールドモデルANWMを提案する。 ANWMは4-DoF UAV軌道で訓練され、物理学にインスパイアされたモジュールであるFuture Frame Projectionを導入した。 実験により、ANWMは長距離視覚予測において既存の世界を著しく上回り、大規模環境でのUAV航法成功率を向上させることが示された。
  論文  参考訳（メタデータ） (2025-12-26T06:22:39Z)
• Bayesian Approximation-Based Trajectory Prediction and Tracking with 4D Radar [13.438311878715536]
  3Dマルチオブジェクトトラッキング(MOT)は自動運転車には不可欠だが、LiDARとカメラベースの手法は悪天候下では劣化する。 本研究では,4次元レーダベースMOTフレームワークであるBayes-4DRTrackを提案する。
  論文  参考訳（メタデータ） (2025-02-03T13:49:21Z)
• Open-World Drone Active Tracking with Goal-Centered Rewards [62.21394499788672]
  Drone Visual Active Trackingは、視覚的な観察に基づいてモーションシステムを制御することで、対象物を自律的に追跡することを目的としている。 DATは,世界初となるエア・ツー・グラウンド・トラッキング・ベンチマークである。 また,複雑なシナリオにおけるドローン追跡目標の性能向上を目的としたGC-VATを提案する。
  論文  参考訳（メタデータ） (2024-12-01T09:37:46Z)
• 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)
• Pre-training on Synthetic Driving Data for Trajectory Prediction [61.520225216107306]
  軌道予測におけるデータ不足の問題を緩和するパイプラインレベルのソリューションを提案する。 我々は、駆動データを生成するためにHDマップ拡張とトラジェクトリ合成を採用し、それらを事前学習することで表現を学習する。 我々は、データ拡張と事前学習戦略の有効性を実証するための広範な実験を行う。
  論文  参考訳（メタデータ） (2023-09-18T19:49:22Z)
• A3D: Adaptive, Accurate, and Autonomous Navigation for Edge-Assisted Drones [12.439787085435661]
  本稿では,エッジサーバによるドローンナビゲーションフレームワークであるA3Dを提案する。 A3Dは、非適応的なソリューションと比較して、エンドツーエンドのレイテンシを28.06%削減し、フライト距離を27.28%まで拡張することができる。
  論文  参考訳（メタデータ） (2023-07-19T10:23:28Z)
• AZTR: Aerial Video Action Recognition with Auto Zoom and Temporal Reasoning [63.628195002143734]
  本稿では,空中映像の行動認識のための新しい手法を提案する。 提案手法は,UAVを用いて撮影したビデオに対して設計されており,エッジやモバイルデバイス上でも動作可能である。 我々は、カスタマイズされたオートズームを使用して、人間のターゲットを自動的に識別し、適切にスケールする学習ベースのアプローチを提案する。
  論文  参考訳（メタデータ） (2023-03-02T21:24:19Z)
• TransVisDrone: Spatio-Temporal Transformer for Vision-based Drone-to-Drone Detection in Aerial Videos [57.92385818430939]
  視覚的フィードを用いたドローンからドローンへの検知は、ドローンの衝突の検出、ドローンの攻撃の検出、他のドローンとの飛行の調整など、重要な応用がある。 既存の手法は計算コストがかかり、非エンドツーエンドの最適化に追随し、複雑なマルチステージパイプラインを持つため、エッジデバイス上でのリアルタイムデプロイメントには適さない。 計算効率を向上したエンドツーエンドのソリューションを提供する,シンプルで効果的なフレームワークであるitTransVisDroneを提案する。
  論文  参考訳（メタデータ） (2022-10-16T03:05:13Z)

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。