論文の概要: Stress-Query and Temporal Reliability of Vision-Language Models as copilots in Autonomous UAV Navigation
- arxiv url: http://arxiv.org/abs/2610.23877v1
- Date: Mon, 21 Sep 2026 18:14:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 23:05:08.709778
- Title: Stress-Query and Temporal Reliability of Vision-Language Models as copilots in Autonomous UAV Navigation
- Title（参考訳）: 自律型UAVナビゲーションにおける協調動作としての視覚言語モデルのストレスクエリと時間信頼性
- Abstract要約: 本稿では, モデルスケール, ハードウェア制約, 飛行信頼性のトレードオフについて検討する。
本研究では,中級軽量アーキテクチャが最適バランスを達成し,劣化した環境でのナビゲーションのリハビリに成功していることを示す。
- 参考スコア（独自算出の注目度）: 0.12763548454133697
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Integrating Vision-Language Models (VLMs) into autonomous UAV navigation enables high-level semantic reasoning but introduces critical temporal bottlenecks that can destabilize flight control. This paper presents a systematic benchmark that evaluates the operational trade-offs among model scale, hardware constraints, and flight reliability. By subjecting the system to extensive stress tests on both a high-performance workstation and a constrained integrated-graphics laptop, we isolate the kinetic impact of inference latency against reasoning accuracy. Our findings reveal a performance dichotomy: lightweight models struggle with structural hallucinations that break deterministic state machines, while heavyweight models induce trajectory overcorrections due to inference lag. We demonstrate that a mid-weight architecture strikes the optimal balance, successfully rehabilitating navigation in degraded environments without compromising real-time stability across different hardware profiles.
- Abstract（参考訳）: VLM(Vision-Language Models)を自律型UAVナビゲーションに統合することで、高いレベルのセマンティック推論が可能になるが、飛行制御を不安定にする重要な時間的ボトルネックがもたらされる。
本稿では, モデルスケール, ハードウェア制約, 飛行信頼性のトレードオフを評価するためのシステムベンチマークを提案する。
高性能ワークステーションと制約付き統合グラフィックラップトップの双方で広範囲なストレステストを行うことで、推論遅延の速度論的影響を推論精度に対して分離する。
重み付けモデルでは推論遅延による軌道過補正が生じるのに対し,軽量モデルは決定論的状態機械を壊す構造幻覚に苦しむ。
我々は、中級軽量アーキテクチャが最適なバランスをとっており、異なるハードウェアプロファイル間のリアルタイム安定性を損なうことなく、劣化した環境におけるナビゲーションのリハビリに成功していることを示した。
関連論文リスト
- A Neural Network Based Teleoperation for Remote Controlled Vehicles [98.38733381483934]
車両の直接遠隔操作は重要な技術的ボトルネックに直面している。
通信遅延とオペレーターの 物理的に知覚できない 未モデル化の環境障害。
本稿では,一方的な遠隔操作フレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-11T01:51:08Z) - Real-time fall detection based on vision for low-power edge platforms [7.916664096508434]
転倒検知は、高齢者のケアとインテリジェントな監視にとって不可欠である。
一般的な視覚ベースのアプローチは、主に静的ポーズ分類または離散時間パターンマッチングとして構成する。
本稿では, 転倒を安定化イベントとして再放送する物理情報を用いた転倒検出フレームワークを提案する。
論文 参考訳（メタデータ） (2026-07-14T15:43:41Z) - DriveVer: Lightweight Trajectory Evaluator as Test-Time Verifier for Autonomous Driving [8.267228986831894]
DriveVerはライトウェイトでプラグ&プレイのTest-Time Verifierで、自動運転システムが高価な重い訓練をすることなく軌道の検証と洗練を可能にする。
本稿では,DriveVerが基本計画モデルの性能を大幅に向上させることを示す。特に,34Mパラメータしか持たない極めてコンパクトなモデルとして,DriveVerは最小の計算オーバーヘッドを導入し,競争力のある結果を得る。
論文 参考訳（メタデータ） (2026-07-01T03:50:45Z) - A Physics-Grounded Benchmark for Multi-Agent Dynamics in World Models [96.64934195520802]
我々は、世界モデルの物理的信頼性をストレステストするために設計された物理地上評価フレームワークであるCrashTwinを紹介する。
CrashTwinは、25K制御可能な合成12K実世界の衝突シーケンスを含む、多様なマルチエージェント衝突シナリオのデータセットを結合している。
本稿では,時間的一貫性,運動量,運動エネルギーの保存,世界力学の整合性という3つの次元を体系的に評価する診断スイートを提案する。
論文 参考訳（メタデータ） (2026-06-27T06:13:35Z) - Hardware- and Vision-in-the-Loop Validation of Deep Monocular Pose Estimation for Autonomous Maritime UAV Flight [2.0935101589828244]
本稿では,船内における完全自律飛行を実現するハードウェア検証型ビジョン・イン・ザ・ループ・フレームワークを提案する。
その結果、艦載配備前に海上でのUAV自律性を開発するための安全で現実的な中間段階が確立された。
論文 参考訳（メタデータ） (2026-06-17T15:18:11Z) - Balancing Accuracy and Efficiency: Adaptive Dynamics Orchestration for Model Predictive Control [8.262724319342945]
高忠実度力学モデルは、軌道のロールアウト中に複雑な車両とテランの相互作用を正確に予測できるが、計算コストは相当である。
軽量モデルは高速な更新と高密度サンプリングを可能にするが、安全クリティカルな条件下で誤った予測を発生させる可能性がある。
本稿では,現在のナビゲーションコンテキストに対して最適な動的モデルを動的に選択するフレームワークであるAdaptive Dynamics Orchestration (ADO)を提案する。
論文 参考訳（メタデータ） (2026-05-22T19:05:25Z) - Bench2Drive-Robust: Benchmarking Closed-Loop Autonomous Driving under Deployment Perturbations [122.22391796628408]
Bench2Drive-Robustは、クローズドループのエンドツーエンド自動運転のための最初のデバイス中心の堅牢性ベンチマークである。
我々は,カメラストリーム障害,エゴ状態推定誤差,計算による制御遅延という3つの主要な原因から生じる展開指向の摂動を系統的に評価した。
以上の結果から,これらの展開に伴う摂動は閉ループ駆動性能を著しく低下させる可能性が示唆された。
論文 参考訳（メタデータ） (2026-05-18T08:45:24Z) - Fast-Slow Test-Time Adaptation for Online Vision-and-Language Navigation [67.18144414660681]
オンラインビジョン・アンド・ランゲージナビゲーション(VLN)のためのFSTTA(Fast-Slow Test-Time Adaptation)アプローチを提案する。
提案手法は,4つのベンチマークにおいて顕著な性能向上を実現する。
論文 参考訳（メタデータ） (2023-11-22T07:47:39Z) - Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate
Model Predictive Trajectory Tracking [76.27433308688592]
クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。
本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。
提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
論文 参考訳（メタデータ） (2022-06-07T13:51:35Z)
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。