論文の概要: ClearNav: Perception-Aligned Quadrotor Flight Using Differential-Physics
- arxiv url: http://arxiv.org/abs/2610.17419v1
- Date: Mon, 12 Oct 2026 21:33:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:15.459264
- Title: ClearNav: Perception-Aligned Quadrotor Flight Using Differential-Physics
- Title（参考訳）: ClearNav: 差動物理を用いた知覚適応型クアドロター飛行
- Abstract要約: ClearNavは2つの報酬項で訓練されたナビゲーションポリシーで、観測方向への動きを制限し、前方に向いた方向を目標とし、横方向の速度にペナルティを与える。
シミュレーションでは、訓練中に見つからないポリシー毎の2304回の飛行を含む18の保留シナリオにおいて、ClearNavは成功率を6.8ポイント改善し、衝突速度を芸術の状況と比較して65%削減し、最大で5m/sで飛行する。
- 参考スコア（独自算出の注目度）: 2.650860836597657
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Autonomous quadrotor flight in cluttered environment is an key capability for tasks like inspection and search. Navigation policies trained in simulation and transferred to hardware can fly at high speed in open space, but they can still collide as obstacle clearance shrinks. We attribute most of these collisions to a single mechanism, namely motion in directions the onboard camera does not observe. Heading that is not aligned with the direction of travel and lateral excursion during obstacle avoidance both carry the vehicle toward obstacles outside its field of view. We introduce ClearNav, a navigation policy trained with two reward terms that constrain motion to the observed direction, a forward-looking heading target and a penalty on lateral velocity. A third term penalizes speed near obstacles so that an obstacle entering the field of view remains avoidable. In simulation, across 18 held-out scenarios with 2304 paired flights per policy unseen in training, ClearNav improves success by 6.8 points, cuts the collision rate by 65% relative to the state of the arts, and flies at maximum 5m/s. For the proximity term alone under matched commanded speeds, the collision reduction still holds at 70%. The effect is significant on static scenes and consistent in direction on moving obstacles, though not significant there at the suite level, showing that safer flight in clutter is possible even on the limited sensors and compute of small drones. We also validate our navigation policy in a real-world cluttered environment, showing that it enables the quadrotor to navigate through the cluttered environment successfully and safely.
- Abstract（参考訳）: 乱雑な環境での自律的な四極子飛行は、検査や探索といったタスクにおいて重要な機能である。
シミュレーションで訓練され、ハードウェアに転送されるナビゲーションポリシーは、オープンスペースで高速で飛行することができるが、障害物クリアランスが小さくなるにつれて衝突することがある。
これらの衝突のほとんどは、1つのメカニズム、すなわち搭載カメラが観測しない方向の動きによるものである。
障害物回避時の走行方向や横方向の移動方向と一致しない方向は、どちらも視野外の障害物に向かって車両を運ぶ。
ClearNavは2つの報酬項で訓練されたナビゲーションポリシーで、観測方向への動きを制限し、前方に向いた方向を目標とし、横方向の速度にペナルティを与える。
第3項は、視野に入る障害物が避けられるように障害物の近くで速度をペナライズする。
シミュレーションでは、訓練中に見つからないポリシー毎の2304回の飛行を含む18の保留シナリオにおいて、ClearNavは成功率を6.8ポイント改善し、衝突速度を最先端と比較して65%削減し、最大で5m/sで飛行する。
一致した指令速度下での近接項だけでは、衝突の減少は70%に留まる。
この効果は静的なシーンにおいて重要であり、移動障害物に対して一貫した方向が一致しているが、スイートレベルでは重要ではない。
また,実世界の乱雑な環境でのナビゲーションポリシーを検証することで,クオータが乱雑な環境を正常かつ安全にナビゲートできることを示す。
関連論文リスト
- NMPP: Nonlinear Model Predictive Planning for Agile UAV Flight in Cluttered Environments [3.5945543871230274]
本研究では,認知障害をハード制約として課すモデル予測計画(NMPP)を提案する。
また, 直線軌道平面よりも58 %低い位置RMSE, 軌道平面より41-70 %低い位置RMSEを実現した。
実際の展開では、未知の乱雑な環境で5.5m/-67までの信頼性の高い実行が見られた。
論文 参考訳（メタデータ） (2026-10-06T17:10:59Z) - FutureRay: Control-Aligned Future Range for Agile Quadruped Navigation [10.539788012768236]
移動障害物は、四足歩行ロボットがモーションコマンドを実行する間、前もって明確な経路を塞ぐことができる。
我々は、遭遇リスクとともに、視線方向と未来時間の範囲を予測できるFutureRayを提案する。
共同作業範囲と遭遇リスク予測は,移動方針を再訓練することなく障害物回避を改善できることを示す。
論文 参考訳（メタデータ） (2026-09-26T02:25:49Z) - AquaOrbit: Sim-to-Real Reinforcement Learning for Underwater Target Orbiting under Intermittent Visual Feedback [51.92060148406936]
間欠的な視覚的損失は、水中周回中の目標相対的なフィードバックを妨害する。
AquaOrbitは、水中の目標軌道を周回するリカバリモジュールを備えた強化学習用コントローラである。
論文 参考訳（メタデータ） (2026-09-21T03:29:45Z) - Learning Agile Navigation in Crowded Environments for Quadruped Robots [19.29089241882416]
VOP-Navは四足歩行ロボットのための新しいナビゲーションシステムである。
これは、Velocity Obstaclesの幾何学的安全性と、エンドツーエンドの学習のアジャイル適応性を組み合わせたものです。
VOP-Navは速度と衝突回避のバランスをとりながら、すべてのベースラインよりも高い成功率を達成する。
論文 参考訳（メタデータ） (2026-07-16T14:16:19Z) - Fly360: Omnidirectional Obstacle Avoidance within Drone View [23.21774398877285]
無人航空機(UAV)の障害物回避は、空間知性への注目が高まり、注目を集めている。
現在の障害物回避法は主に視野の限られたセンサーに依存しており、UAVのシナリオには適していない。
この制限は、パノラマドローンの完全な視界を持つ全方位障害物回避を探求する動機となる。
論文 参考訳（メタデータ） (2026-03-06T18:59:43Z) - Quadrotor Navigation using Reinforcement Learning with Privileged Information [4.901668556622818]
本稿では,大規模障害物を回避するための強化学習に基づく四角形ナビゲーション手法を提案する。
提案手法は,地図を特権情報とヨーアライメント損失として利用し,ロボットを大きな障害物の周りに誘導する。
このアプローチは86%の成功率を実現し,ベースライン戦略を34%上回る結果となった。
論文 参考訳（メタデータ） (2025-09-09T22:56:35Z) - 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) - Instantaneous Perception of Moving Objects in 3D [86.38144604783207]
周囲の交通参加者の3次元運動の認識は、運転安全に不可欠である。
本研究では,物体点雲の局所的な占有率の達成を利用して形状を密度化し,水泳人工物の影響を軽減することを提案する。
広汎な実験は、標準的な3次元運動推定手法よりも優れた性能を示す。
論文 参考訳（メタデータ） (2024-05-05T01:07:24Z) - Coupling Vision and Proprioception for Navigation of Legged Robots [65.59559699815512]
我々は視覚と受容の相補的な強みを利用して、脚のあるロボットでポイントゴールナビゲーションを実現する。
車輪付きロボット(LoCoBot)のベースラインよりも優れた性能を示す。
また,センサーと計算能力を備えた四足歩行ロボットに,我々のシステムを実環境に展開することも示す。
論文 参考訳（メタデータ） (2021-12-03T18:59:59Z) - Augmented reality navigation system for visual prosthesis [67.09251544230744]
反応ナビゲーションと経路計画のソフトウェアを組み込んだ視覚補綴用拡張現実ナビゲーションシステムを提案する。
対象を地図上に配置し、対象の軌道を計画し、対象に示し、障害なく再計画する。
その結果,目標を達成するための時間と距離を減らし,障害物衝突の回数を大幅に減らし,航法性能の向上を図っている。
論文 参考訳（メタデータ） (2021-09-30T09:41:40Z)
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。