論文の概要: Centralized Multi-UAV Exploration and 3D Reconstruction Using Single-UAV Planners

• arxiv url: http://arxiv.org/abs/2609.40208v1
• Date: Wed, 30 Sep 2026 17:19:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:28.1603
• Title: Centralized Multi-UAV Exploration and 3D Reconstruction Using Single-UAV Planners
• Title（参考訳）: 単一UAVプランナを用いた集中型マルチUAV探査と3次元再構成
• Abstract要約: 本稿では,既存の単一UAVサンプリングベースプランナをマルチUAV設定で使用可能な,集中型マルチUAV探索フレームワークを提案する。 提案アーキテクチャにより、複数のUAVが共有グローバル・トランシッド・サインド・ディスタンス・フィールド(TSDF)マップと集中型計画を用いて、未知の環境を共同で探索することができる。 さらに,UAV間の衝突回避機構とロボットの自己フィルタリング機構をシステムに統合し,安全ナビゲーションと他のUAVの復元を静的障害物として防止する。
• 参考スコア（独自算出の注目度）: 2.536160127321797
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Extending single Unmanned Aerial Vehicles (UAVs) exploration methods to multi-UAV teams can improve coverage speed and robustness, but introduces challenges such as consistent mapping, safe navigation, and deployment strategy. In this work, we present a centralized multi-UAV exploration framework that enables the use of existing single-UAV sampling-based planners in a multi-UAV setting. The proposed architecture allows multiple UAVs to collaboratively explore unknown environments using a shared global Truncated Signed Distance Field (TSDF) map and centralized planning. Building on the voxblox library, we adapt its mapping pipeline to support real-time fusion of depth measurements from multiple UAVs into a common TSDF representation. In addition, inter-UAV collision avoidance and robot self-filtering mechanisms are integrated into the system to ensure safe navigation and prevent reconstruction of other UAVs as static obstacles. The framework is evaluated in simulation using four sampling-based exploration planners - RH-NBVP, KRH-NBVP, AEP, and KAEP - whose core sampling logic is preserved, with only system-level adaptations for multi-UAV operation. Experiments are conducted across multiple environments and under two deployment configurations: Joint Start (JS), where UAVs are initialized in close proximity, and Separated Start (SS), where UAVs are initialized in distinct locations. Results show that SS deployments consistently achieve faster exploration and improved coverage across all planners, highlighting the importance of the deployment strategy in multi-UAV exploration performance.
• Abstract（参考訳）: 無人航空機(UAV)の探査方法を複数UAVチームに拡張することは、カバースピードとロバスト性を改善するだけでなく、一貫したマッピング、安全なナビゲーション、デプロイメント戦略といった課題も導入する。 本研究では,既存の単一UAVサンプリングベースプランナをマルチUAV設定で使用可能な,集中型マルチUAV探索フレームワークを提案する。 提案アーキテクチャにより、複数のUAVが共有グローバル・トランシッド・サインド・ディスタンス・フィールド(TSDF)マップと集中型計画を用いて、未知の環境を共同で探索することができる。 Voxbloxライブラリ上に構築したこのマッピングパイプラインは,複数のUAVから共通のTSDF表現へのリアルタイムな深度計測の融合を支援する。 さらに,UAV間の衝突回避機構とロボットの自己フィルタリング機構をシステムに統合し,安全ナビゲーションと他のUAVの復元を静的障害物として防止する。 RH-NBVP, KRH-NBVP, AEP, KAEPの4つのサンプリングベース探索プランナを用いて, コアサンプリングロジックを保存し, マルチUAV操作のためのシステムレベル適応のみを用いて, シミュレーションで評価した。 実験は複数の環境にまたがって実施され、2つの配置構成の下で実施される: ジョイントスタート(JS)、UAVが近接して初期化されるジョイントスタート(JS)、そして分離スタート(SS)、UAVが別々の場所で初期化される。 その結果、SSデプロイメントは、複数のUAV探索のパフォーマンスにおいて、配置戦略の重要性を強調しながら、より高速な探索と全プランナのカバレッジ向上を実現している。

関連論文リスト

• Shared Voxel-Map-Based Cooperative Indoor UAV Guidance with a Multi-Agent Soft Actor-Critic Controller [11.90848714221425]
  本稿では,共有ボクセルマップの世界モデルとマルチエージェント型ソフトアクター・クリティカル(MASAC)コントローラを組み合わせた屋内UAV誘導フレームワークを提案する。 複数のドローンが360度LiDAR観測を共通の世界フレーム占有マップに融合させ、小型の鳥眼ビュー(BEV)に変換する。 この方針は、BEVマップの特徴、近接場障害物観測、コンパクトな目標と集中学習・分散実行フレームワーク内のピアステート情報を組み合わせたものである。
  論文  参考訳（メタデータ） (2026-07-28T13:52:12Z)
• 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)
• How Far are Modern Trackers from UAV-Anti-UAV? A Million-Scale Benchmark and New Baseline [74.4054700050366]
  無人航空機(UAV)は広範囲のアプリケーションを提供するが、安全性とプライバシー侵害のリスクも大きい。 現在の反UAV研究は、主に固定地上カメラで撮影したRGB、赤外線(IR)、またはRGB-IRビデオに焦点を当てている。 本稿では,UAV-Anti-UAVと呼ばれるマルチモーダル視覚追跡タスクを提案する。
  論文  参考訳（メタデータ） (2025-12-08T10:19:54Z)
• UAUTrack: Towards Unified Multimodal Anti-UAV Visual Tracking [4.161228439649909]
  UAUTrackは単一ストリーム、単一ステージ、エンドツーエンドアーキテクチャ上に構築された統合された単一ターゲット追跡フレームワークである。 その結果、UAUTrackはアンチUAVおよびDUTアンチUAVデータセット上で最先端のパフォーマンスを達成することがわかった。
  論文  参考訳（メタデータ） (2025-12-02T11:47:13Z)
• A Tri-Modal Dataset and a Baseline System for Tracking Unmanned Aerial Vehicles [74.8162337823142]
  MM-UAVはMulti-Modal UAV Trackingの最初の大規模ベンチマークである。 データセットは30以上の挑戦的なシナリオにまたがっており、1,321の同期マルチモーダルシーケンスと280万以上の注釈付きフレームがある。 データセットを伴って、我々は新しいマルチモーダルマルチUAV追跡フレームワークを提供する。
  論文  参考訳（メタデータ） (2025-11-23T08:42:17Z)
• UAVDB: Point-Guided Masks for UAV Detection and Segmentation [0.03464344220266879]
  UAVの検出とセグメンテーションのための新しいベンチマークデータセットであるUAVDBを提案する。 ポイント誘導の弱い監視パイプライン上に構築されている。 UAVDBは、可視オブジェクトからほぼ1ピクセルのインスタンスまで、さまざまなスケールでUAVをキャプチャする。
  論文  参考訳（メタデータ） (2024-09-09T13:27:53Z)
• Vision-Based UAV Self-Positioning in Low-Altitude Urban Environments [20.69412701553767]
  無人航空機(UAV)は安定した位置決めのために衛星システムに依存している。 このような状況下では、視覚に基づく技術が代替手段として機能し、UAVの自己配置能力を確実にする。 本稿では,UAV自己配置タスク用に設計された最初の公開データセットであるDenseUAVを提案する。
  論文  参考訳（メタデータ） (2022-01-23T07:18:55Z)
• A Multi-UAV System for Exploration and Target Finding in Cluttered and GPS-Denied Environments [68.31522961125589]
  複雑なGPSを用いた複雑な環境において,UAVのチームが協調して目標を探索し,発見するための枠組みを提案する。 UAVのチームは自律的にナビゲートし、探索し、検出し、既知の地図で散らばった環境でターゲットを見つける。 その結果, 提案方式は, 時間的コスト, 調査対象地域の割合, 捜索・救助ミッションの成功率などの面で改善されていることがわかった。
  論文  参考訳（メタデータ） (2021-07-19T12:54:04Z)
• Anti-UAV: A Large Multi-Modal Benchmark for UAV Tracking [59.06167734555191]
  Unmanned Aerial Vehicle (UAV)は、商業とレクリエーションの両方に多くの応用を提供している。 我々は、UAVを追跡し、位置や軌道などの豊富な情報を提供するという課題を考察する。 300以上のビデオペアが580k以上の手動で注釈付きバウンディングボックスを含むデータセット、Anti-UAVを提案します。
  論文  参考訳（メタデータ） (2021-01-21T07:00:15Z)

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。