論文の概要: Benchmarking Interaction-Oriented Aerial Mobility across Heterogeneous Environments

• arxiv url: http://arxiv.org/abs/2610.18381v1
• Date: Tue, 13 Oct 2026 13:33:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 21:36:56.972952
• Title: Benchmarking Interaction-Oriented Aerial Mobility across Heterogeneous Environments
• Title（参考訳）: 不均質環境における対話指向空気移動のベンチマーク
• Abstract要約: この研究は異種環境を横断するインタラクション指向の空中モビリティのベンチマークであるCrossFlyを紹介した。 CrossFlyには、20以上の再構成されたシーンにわたる15Kの軌道が含まれており、統一されたシミュレーションと評価のフレームワークである。 代表的な5つの視覚言語アクション(VLA)エージェントとCrossFly-Agentによる実験は、Indoor$leftrightarrow$Outdoor設定が単一環境設定よりも難しいことを示している。
• 参考スコア（独自算出の注目度）: 35.42188847917375
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Aerial mobile manipulation requires unmanned aerial vehicles (UAVs) to traverse heterogeneous environments such as indoor and outdoor domains, and connect navigation with subsequent physical interaction within the same trajectories. Existing aerial benchmarks are typically confined to single-environment settings, limiting evaluation of agents across continuous environmental transitions. When interaction is evaluated, agents are often initialized near the target, leaving the transition from navigation to interaction largely unassessed. This work introduces CrossFly, a benchmark for long-horizon interaction-oriented aerial mobility across heterogeneous environments. CrossFly contains 15K trajectories across more than 20 reconstructed scenes under a unified simulation and evaluation framework, covering Indoor, Outdoor, and Indoor$\leftrightarrow$Outdoor trajectories. It further introduces Interaction Readiness Rate (IRR) to assess whether terminal navigation states provide suitable conditions for downstream interaction without assuming a specific manipulation policy. Experiments with five representative aerial vision-language-action (VLA) agents and the proposed CrossFly-Agent show that Indoor$\leftrightarrow$Outdoor settings are more challenging than single-environment settings, with the highest success rate reaching 9.7% on unseen scenes. A downstream manipulation case study further validates the relevance of interaction-oriented arrival to subsequent physical interaction. We hope CrossFly helps advance aerial embodied intelligence toward unified mobility and physical interaction in heterogeneous environments.
• Abstract（参考訳）: 航空機の移動操作には、無人航空機(UAV)が屋内や屋外ドメインなどの異種環境を横断し、ナビゲーションと同一軌道内での物理的な相互作用を接続する必要がある。 既存の航空ベンチマークは、通常、単一環境設定に限定され、連続的な環境遷移におけるエージェントの評価を制限する。 インタラクションを評価する場合、エージェントはターゲットの近くで初期化され、ナビゲーションからインタラクションへの遷移はほとんど未評価のままである。 この研究はクロスフライ(CrossFly)という異種環境にまたがる長距離相互作用指向の空中移動のベンチマークを導入している。 CrossFlyには、インドア、アウトドア、インドア$\leftrightarrow$Outdoor trajectoriesを含む、20以上の再構成されたシーンの15Kトラジェクトリが含まれている。 さらに、特定の操作ポリシーを仮定することなく、下流での操作に適した条件を端末のナビゲーション状態が提供するかどうかを評価するために、Interaction Readiness Rate (IRR)を導入する。 5つの代表的視覚言語アクション(VLA)エージェントと提案されたクロスフライ・アジェント(CrossFly-Agent)による実験では、Indoor$\leftrightarrow$Outdoor設定は単一環境設定よりも困難であり、最も成功率が9.7%に達する。 下流操作ケーススタディは、その後の物理的相互作用に対する相互作用指向の到着の関連性をさらに検証する。 CrossFlyは、異種環境における統合モビリティと物理的相互作用に向けて、空中の具体化インテリジェンスを前進させることを願っている。

関連論文リスト

• DESCENT: Directed Edge Scene Encoding for Airport Surface Movement Prediction [54.94692733670454]
  DESCENTは変圧器ベースのアーキテクチャで、不均一な力学と厳密なトポロジ的制約を扱うように設計されている。 本手法は,飛行場環境コンテキストを適応的に収集する,潜在的到達性セット(PRS)コンテキストサンプリング機構を備えている。 Amelia-10ベンチマークによる評価では,最先端のベースラインよりも大幅な性能向上が見られた。
  論文  参考訳（メタデータ） (2026-08-26T16:49:50Z)
• Inter-X++: A Comprehensive Benchmark for Multimodal Human-Human Interaction Analysis [55.78822230833247]
  We present Inter-X++, a comprehensive and large-scale benchmark designed to empower useful HHI analysis。 インターX++は11,388個の高忠実な相互作用シーケンスと8.1Mフレームを提供する。 インタラクションの再構築と意味理解を協調的に最適化する,単一かつ統一されたHHI表現とモデリングフレームワークOpenHHIを提案する。
  論文  参考訳（メタデータ） (2026-08-20T17:51:48Z)
• HERMES: Heterogeneous Edge-Relational Multi-Head Embedded SSM Attention for Traffic Conflict Prediction at Signalized Intersections [1.2123876307427102]
  本研究では,時間的ヘテロジニアスなシーングラフ分類として,交通コンフリクトの評価を定式化する。 車両と歩行者は異質なノードとして表現され、車両と歩行者、歩行者と歩行者の相互作用は関係固有のエッジとしてエンコードされる。 信号化都市交差点から109,028個の軌道由来配列を用いてハーメスの評価を行った。
  論文  参考訳（メタデータ） (2026-07-02T20:37:08Z)
• Learn Weightlessness: Imitate Non-Self-Stabilizing Motions on Humanoid Robot [56.377161933570335]
  人間は自然に非自己安定化(NSS)運動中に「無重力」状態を利用する。 この生物学的メカニズムに着想を得て,データセットのアノテーションに対する無重力自動ラベル方式を提案する。 我々の研究は、正確な軌道追跡と適応的な環境相互作用のギャップを埋め、接触リッチなヒューマノイド制御のための生物学的にインスパイアされたソリューションを提供する。
  論文  参考訳（メタデータ） (2026-04-23T07:10:05Z)
• A Hierarchical Hybrid Learning Framework for Multi-agent Trajectory Prediction [4.181632607997678]
  深層学習(DL)と強化学習(RL)の階層的ハイブリッドフレームワークを提案する。 DLの段階では、トラフィックシーンは、トランスフォーマースタイルのGNNが異種相互作用を符号化するために採用される複数の中間スケールの異種グラフに分割される。 RLの段階では、DLの段階で予測される重要な将来点を利用して、交通シーンを局所的なサブシーンに分割する。
  論文  参考訳（メタデータ） (2023-03-22T02:47:42Z)
• Unlimited Neighborhood Interaction for Heterogeneous Trajectory Prediction [97.40338982628094]
  マルチプライカテゴリにおける異種エージェントの軌跡を予測できる,シンプルで効果的な非境界相互作用ネットワーク (UNIN) を提案する。 具体的には、提案した無制限近傍相互作用モジュールは、相互作用に関与するすべてのエージェントの融合特徴を同時に生成する。 階層型グラフアテンションモジュールを提案し,カテゴリ間相互作用とエージェント間相互作用を求める。
  論文  参考訳（メタデータ） (2021-07-31T13:36:04Z)

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。