論文の概要: Online Planning for Sparse Ground Target Search from a High-Altitude UAV under Partial Observability

• arxiv url: http://arxiv.org/abs/2610.01067v1
• Date: Thu, 01 Oct 2026 05:06:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.910389
• Title: Online Planning for Sparse Ground Target Search from a High-Altitude UAV under Partial Observability
• Title（参考訳）: 部分的に観測可能な高高度UAVからの疎地目標探索のオンライン計画
• Abstract要約: 無人航空機(UAV)は、高高度から地上目標を探索するが、視界が小さいため、独特な課題に直面している。 対照的に、アクティブオブジェクト検索フレームワークは、エージェントを適切なポーズに誘導することで、よりリッチな視覚情報を集めることで、この問題に対処する。 代替のアクティブセンシングアプローチとして、UAVは搭載カメラのパンティルト・ゾーム(PTZ)機構を利用することができる。 本研究では,ターゲットの真の位置に対する信念状態を保持する部分観測可能なマルコフ決定過程(POMDP)として,操作によるシーケンシャルな探索を定式化する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Unmanned aerial vehicles (UAVs) searching for ground targets from a high altitude face a unique challenge, particularly when the target is already within the field of view but effectively unobservable because of its small apparent scale. Standard object detectors often underperform in such scenarios because of resolution downscaling and limited context. In contrast, active object search frameworks address this challenge by directing the agent to a suitable pose to gather richer visual information. However, flight regulations in urban airspace often restrict such physical movements for UAVs. As an alternative active sensing approach, the UAV can leverage the pan-tilt-zoom (PTZ) mechanism of the onboard camera to dynamically adjust its field of view and sequentially gather enhanced visual information from specific regions of interest. Once the candidate locations of the target are identified, it can deploy more expensive object detection schemes, such as an ensemble of multiple models, to get better reasoning at a fixed scale. In this work, we formulate the sequential exploration with PTZ operation as a partially observable Markov decision process (POMDP), in which the agent maintains a belief state over the target's true location. To solve the POMDP, we deploy partially observable Monte Carlo planning (POMCP), where we condition the sensing reliability on target object scale and deploy selective ensemble detection as an additional reasoning step. We validate our methodology with experiments in a photorealistic simulator under different environmental conditions and vehicle states, showing detection of ground targets at variable scales with significantly fewer steps and minimal dependence on sensor resolution compared to baseline methods.
• Abstract（参考訳）: 高度から地上目標を探索する無人航空機(UAV)は、特に目標がすでに視野内にあるが、視界が小さいため事実上観測できない場合、独特な課題に直面している。 標準オブジェクト検出器は、解像度の低下と限られたコンテキストのため、このようなシナリオでは性能が劣ることが多い。 対照的に、アクティブなオブジェクト検索フレームワークは、エージェントを適切なポーズに向け、よりリッチな視覚情報を集めることで、この問題に対処する。 しかし、都市空域での飛行規制はしばしばUAVの物理的な動きを制限する。 代替のアクティブセンシングアプローチとして、UAVは搭載カメラのパンティルトゾーム(PTZ)機構を利用して視野を動的に調整し、特定の関心領域から拡張された視覚情報を順次収集することができる。 ターゲットの候補位置が特定できれば、複数のモデルのアンサンブルのような、より高価なオブジェクト検出スキームをデプロイして、より優れた推論を一定の規模で得ることができる。 本研究では,PTZ操作による逐次探索を部分的に観測可能なマルコフ決定過程 (POMDP) として定式化する。 そこで,POMDPを部分的に観測可能なモンテカルロ計画(POMCP)をデプロイし,対象対象のスケールに対する検知信頼性を条件とし,選択アンサンブル検出を追加の推論ステップとして展開する。 本研究では, 異なる環境条件と車両状態下での光現実性シミュレータ実験による手法の有効性を検証し, 地上目標検出の精度とセンサの分解能への依存性を, ベースライン法と比較して最小限に抑えながら検証した。

関連論文リスト

• Pose-aware Legged Robot Semantic Exploration with Omnidirectional Perception in Confined Unknown Environments [10.06498723895673]
  POSEは、地上ロボットのためのポーズアウェアな意味探索システムである。 脚のあるロボットの本質的なボディピッチを利用し、全方向カメラとLiDARの認識で回転する。
  論文  参考訳（メタデータ） (2026-09-16T22:04:07Z)
• MPPI-based Informative Trajectory Planning for Search and Capture of Drifting Targets with ASVs [0.8602553195689513]
  本稿では,ハイブリッド・プランニング・フレームワークを用いた漂流目標の探索と捕捉の問題に対処する。 プランナーは、長い水平線上の連続軌道を最適化することにより、運動レベルコマンドを直接生成する。 実験の結果、私たちのプランナーは選択した計画ベースラインよりも優れています。
  論文  参考訳（メタデータ） (2026-06-10T12:44:25Z)
• Exploring Syn-to-Real Domain Adaptation for Military Target Detection [43.713883705598256]
  本稿では,写真リアリスティックなビジュアルツールUnreal Engineを用いて,RGBベースの合成データを生成し,クロスドメイン環境での軍事目標検出を提案する。 我々は、提案した列車価データセットペアの監督度によって区別される最先端領域適応手法をベンチマークする。 画像上の最小のヒント(オブジェクトクラスなど)を用いた現在のメソッドは、教師なしあるいは半教師なしDAメソッドよりも大幅に改善されている。
  論文  参考訳（メタデータ） (2025-12-29T05:05:41Z)
• Sight Over Site: Perception-Aware Reinforcement Learning for Efficient Robotic Inspection [57.37596278863949]
  本研究では,認識・認識の観点からの検査を再考する。 本稿では,目標視認性を主目的とするエンドツーエンド強化学習フレームワークを提案する。 提案手法は,既存の古典的および学習的ナビゲーション手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-09-22T15:14:02Z)
• 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)
• AerialVG: A Challenging Benchmark for Aerial Visual Grounding by Exploring Positional Relations [51.44608822712786]
  ビジュアルグラウンドイングは、自然言語記述に基づいたイメージ内のターゲットオブジェクトのローカライズを目的としている。 AerialVGは、例えば外見に基づく接地は、複数の視覚的に類似した物体を識別するには不十分である。 5Kの空中画像,50Kの注釈付き記述,103Kのオブジェクトからなる,最初のAerialVGデータセットを紹介した。
  論文  参考訳（メタデータ） (2025-04-10T15:13:00Z)
• Vision-Based Detection of Uncooperative Targets and Components on Small Satellites [6.999319023465766]
  宇宙デブリと不活性衛星は、運用宇宙船の安全性と完全性に脅威をもたらす。 コンピュータビジョンモデルの最近の進歩は、そのような非協調的な目標を追跡する既存の方法を改善するために利用することができる。 本稿では,これらの物体を学習とコンピュータビジョンを用いて識別・監視する自律検出モデルを提案する。
  論文  参考訳（メタデータ） (2024-08-22T02:48:13Z)
• POMP: Pomcp-based Online Motion Planning for active visual search in indoor environments [89.43830036483901]
  本稿では, 屋内環境におけるオブジェクトのアクティブビジュアルサーチ(AVS)の最適ポリシーを, オンライン設定で学習する問題に焦点をあてる。 提案手法はエージェントの現在のポーズとRGB-Dフレームを入力として使用する。 提案手法を利用可能なAVDベンチマークで検証し,平均成功率0.76,平均パス長17.1とした。
  論文  参考訳（メタデータ） (2020-09-17T08:23:50Z)
• Perceiving Traffic from Aerial Images [86.994032967469]
  本研究では,空中画像中の物体を検出するために,バタフライ検出器と呼ばれる物体検出手法を提案する。 UAVDT(UAVDT)とVisDrone 2019(VisDrone 2019)の2つのUAVデータセット上でButterfly Detectorを評価し、従来の最先端の手法よりも高速に動作し、かつリアルタイムに動作可能であることを示す。
  論文  参考訳（メタデータ） (2020-09-16T11:37:43Z)
• Reinforcement Learning for UAV Autonomous Navigation, Mapping and Target Detection [36.79380276028116]
  本研究では,無人航空機(UAV)に低高度レーダーを装備し,未知の環境下での飛行における共同検出・マッピング・ナビゲーション問題について検討する。 目的は、マッピング精度を最大化する目的で軌道を最適化することであり、目標検出の観点からは、測定が不十分な領域を避けることである。
  論文  参考訳（メタデータ） (2020-05-05T20:39:18Z)

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。