論文の概要: LiDARFlow: Real-Time Panel-Based MAV Guidance in Unknown Environments

• arxiv url: http://arxiv.org/abs/2610.01573v1
• Date: Thu, 01 Oct 2026 12:33:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:24.114153
• Title: LiDARFlow: Real-Time Panel-Based MAV Guidance in Unknown Environments
• Title（参考訳）: LiDARFlow: 未知環境におけるリアルタイムパネルベースMAVガイダンス
• Abstract要約: 本稿では,未知の乱雑な環境下でのマイクロエアロ車両の誘導アルゴリズムを提案する。 この方法は、もともと空力電位-流れ理論から導かれたパネルの定式化に基づいている。 局所的に知覚される障害物からスムーズで無衝突誘導ベクトルを生成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents a guidance algorithm for micro aerial vehicles operating in unknown, cluttered environments using only onboard sensing. The method is based on a panel formulation originally derived from aerodynamic potential-flow theory and generates smooth, collision-free guidance vectors from locally perceived obstacles. The approach is extended to unknown environments by constructing and updating the obstacle representation online from onboard LiDAR measurements. The resulting obstacle-avoidance field is integrated with a nominal guiding vector field to produce the final control input. The system is experimentally validated in indoor flight tests under two scenarios: waypoint navigation and directional guidance. In both cases, the vehicle successfully completes its task while avoiding all obstacles in real time using only onboard perception. The results demonstrate that the method is computationally lightweight and suitable for onboard implementation, with pointcloud processing identified as the main practical limitation. These results support the feasibility of lightweight onboard guidance in unknown environments.
• Abstract（参考訳）: 本論文は,オンボードセンシングのみを用いて,未知の乱雑な環境で動作する小型航空機の誘導アルゴリズムを提案する。 本手法は, もともと空力電位流理論から導かれたパネル定式化に基づいて, 局所的に知覚される障害物からスムーズで無衝突誘導ベクトルを生成する。 このアプローチは、LiDAR上の測定結果からオンラインの障害物表現を構築し、更新することで、未知の環境に拡張される。 得られた障害物回避フィールドは、名目案内ベクトルフィールドと統合され、最終的な制御入力を生成する。 このシステムは、2つのシナリオ(ウェイポイントナビゲーションと方向誘導)で屋内飛行試験で実験的に検証されている。 どちらの場合も、車載認識のみを使用して、すべての障害物をリアルタイムで回避しながら、そのタスクを完了させる。 その結果,本手法は計算量的に軽量で実装に適しており,ポイントクラウド処理が主な実用的限界であることが示された。 これらの結果は、未知の環境での軽量なオンボードガイダンスの実現性を支持する。

関連論文リスト

• WISE: A Lightweight, Weakly-Supervised Model for Onboard Fire Smoke Detection and Localization [55.18555004736124]
  WISE (Weakly-supervised Inference- efficient Smoke extract) は, 着火煙の検出と位置推定のための配置指向フレームワークである。 3つのモデル変種は平均推定時間0.10秒、0.14秒、0.26秒を達成し、オンボードの資源制限内でほぼリアルタイムなタイル当たりの推測を示す。 最もパフォーマンスの良い変種は平均タイルレベルF1スコアが0.964、平均ピクセルレベルF1スコアが10ランで0.750、パラメータが0.12Mで約3GFLOPである。
  論文  参考訳（メタデータ） (2026-09-16T07:00:48Z)
• FLAP: FOV-Constrained Active Perception Planning for Prior-Map-Free 3D Navigation [11.226202958671502]
  本稿では,アクティブな知覚を軌道最適化に直接統合する新しい計画フレームワークを提案する。 パラメトリック起動時最適化を用いたアクティブな知覚サブ軌道セグメントを導入し、遅延障害物検出による衝突リスクを軽減した。 我々の定式化は、主に水平運動のために設計された従来の方法を超えて、任意の3D操作中にアクティブな知覚を可能にする。
  論文  参考訳（メタデータ） (2026-06-16T07:40:30Z)
• MetricNet: Recovering Metric Scale in Generative Navigation Policies [51.90872764552077]
  MetricNetは、ウェイポイント間の距離を予測するジェネレーティブナビゲーションのための効果的なアドオンである。 MetricNetスケールのウェイポイントの実行はナビゲーションと探索の両方のパフォーマンスを大幅に改善することを示す。 また、MetricNetをナビゲーションポリシーに統合し、目標に向かって移動しながら障害物からロボットを誘導するMetricNavを提案する。
  論文  参考訳（メタデータ） (2025-09-17T13:37:13Z)
• Grid2Guide: A* Enabled Small Language Model for Indoor Navigation [6.341317643879287]
  本研究では,A*探索アルゴリズムとSmall Language Model(SLM)を組み合わせるハイブリッドナビゲーションフレームワークを提案する。 提案手法を,リアルタイム屋内ナビゲーション支援のための軽量かつインフラストラクチャフリーなソリューションとして検証した。
  論文  参考訳（メタデータ） (2025-08-11T15:39:27Z)
• ROLO-SLAM: Rotation-Optimized LiDAR-Only SLAM in Uneven Terrain with Ground Vehicle [49.61982102900982]
  荒地における地上車両の姿勢推定精度を向上させるために,LiDARを用いたSLAM法を提案する。 累積誤差の低減を支援するために,グローバルスケールの因子グラフが確立されている。 その結果,ROLO-SLAMは地上車両の姿勢推定に優れ,既存のLiDAR SLAMフレームワークよりも優れていた。
  論文  参考訳（メタデータ） (2025-01-04T02:44:27Z)
• Angle Robustness Unmanned Aerial Vehicle Navigation in GNSS-Denied Scenarios [66.05091704671503]
  本稿では、ポイントツーポイントナビゲーションタスクにおける飛行偏差に対処する新しい角度ナビゲーションパラダイムを提案する。 また、Adaptive Feature Enhance Module、Cross-knowledge Attention-guided Module、Robust Task-oriented Head Moduleを含むモデルを提案する。
  論文  参考訳（メタデータ） (2024-02-04T08:41:20Z)
• Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
  スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。 本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
  論文  参考訳（メタデータ） (2023-08-14T16:48:57Z)
• Towards bio-inspired unsupervised representation learning for indoor aerial navigation [4.26712082692017]
  本研究では,生物にインスパイアされた深層学習アルゴリズムによる同時位置決めとマッピング(SLAM)とそのドローンナビゲーションシステムへの応用について述べる。 本稿では,低次元潜在状態記述子を出力し,知覚的エイリアスに対する感度を軽減し,高効率な組込みハードウェアの開発を行う教師なし表現学習手法を提案する。 設計したアルゴリズムは,室内の倉庫環境において収集されたデータセットに基づいて評価され,最初の結果はロバストな屋内航法の実現可能性を示している。
  論文  参考訳（メタデータ） (2021-06-17T08:42:38Z)
• Efficient and Robust LiDAR-Based End-to-End Navigation [132.52661670308606]
  我々は,LiDARをベースとした効率的なエンドツーエンドナビゲーションフレームワークを提案する。 本稿では,スパース畳み込みカーネル最適化とハードウェア対応モデル設計に基づくFast-LiDARNetを提案する。 次に,単一の前方通過のみから予測の不確かさを直接推定するハイブリッド・エビデンシャル・フュージョンを提案する。
  論文  参考訳（メタデータ） (2021-05-20T17:52:37Z)
• FAITH: Fast iterative half-plane focus of expansion estimation using event-based optic flow [3.326320568999945]
  本研究では, 小型航空機(MAV)の走行経路を決定するためのFAst ITerative Half-plane (FAITH)法を提案する。 その結果,提案手法の計算効率は高い精度を維持しながら最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2021-02-25T12:49:02Z)
• PillarFlow: End-to-end Birds-eye-view Flow Estimation for Autonomous Driving [42.8479177012748]
  鳥眼ビュー(BeV)におけるLIDARに基づくフロー推定のためのエンドツーエンドディープラーニングフレームワークを提案する。 本手法は連続点雲対を入力とし,各セルの動的状態を記述する2次元BeVフローグリッドを生成する。 実験の結果, 提案手法は2次元BeV流れを正確に推定するだけでなく, 動的物体と静的物体の両方の追尾性能も向上することがわかった。
  論文  参考訳（メタデータ） (2020-08-03T20:36:28Z)

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。