論文の概要: When to Ask for Help: Uncertainty-Triggered Aerial Refinement for Off-Road Navigation

• arxiv url: http://arxiv.org/abs/2611.06702v1
• Date: Wed, 04 Nov 2026 16:02:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 03:25:58.194756
• Title: When to Ask for Help: Uncertainty-Triggered Aerial Refinement for Off-Road Navigation
• Title（参考訳）: オフロードナビゲーションのための不確実性トリガー空気のリファインメント
• Abstract要約: 本稿では,UGVの現在のMPPIロールアウトに対して,不確実な地図情報がどのように影響するかを評価するための,プランナーによる空地支援手法を提案する。 ナビゲーションが劣化したままである場合、解決されたマップ仮説の下で同じロールアウトを記録し、最も有用な改善を施したマップ層を選択し、対応する空中測定を要求し、返却された情報を融合し、再計画する。 3つのオフロードルートでの180回のシミュレーション試験では、平均UAV飛行時間を87.7%削減し、98.9%の目標達成を達成した。
• 参考スコア（独自算出の注目度）: 25.723882952494765
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Heterogeneous air-ground teams can use aerial sensing to address the limited range and viewpoint of ground-vehicle sensors, but deciding when the UGV needs assistance and what information the UAV should collect remains a challenge. This paper presents a planner-conditioned air-ground assistance method that evaluates how uncertain map information affects the UGV's current MPPI rollouts. When navigation remains degraded, we score the same rollouts under resolved map hypotheses, select the map layer with the largest useful improvement, request the corresponding aerial measurement, fuse the returned information, and replan. Unlike approaches driven by fixed support roles, task structure, or uncertainty alone, our method conditions assistance on whether resolving uncertainty improves predicted ground navigation. Across 180 simulation trials on three off-road routes, the method achieves 98.9% goal attainment while reducing mean UAV flight time by 87.7% relative to continuous greedy aerial mapping. Aggregated across the routes, each second of estimated UAV flight time saves 2.94 s of UGV navigation time. Field experiments spanning approximately 2 km of UGV operation demonstrate uncertainty resolution and successful navigation recovery.
• Abstract（参考訳）: 不均一な地上チームは、地上車両センサーの限られた範囲と視点に対応するために空中センサーを使用することができるが、UGVがいつ支援を必要とし、UAVが収集すべき情報を決定することは依然として課題である。 本稿では,UGVの現在のMPPIロールアウトに対して,不確実な地図情報がどのように影響するかを評価するための,プランナーによる空地支援手法を提案する。 ナビゲーションが劣化したままである場合、解決されたマップ仮説の下で同じロールアウトを記録し、最も有用な改善を施したマップ層を選択し、対応する空中測定を要求し、返却された情報を融合し、再計画する。 固定支援の役割,タスク構造,不確実性のみによって駆動されるアプローチとは異なり,不確実性解消が予測された地上航行を改善するか否かを条件として,提案手法の条件を定めている。 3つのオフロードルートでの180回のシミュレーション試験では、平均UAV飛行時間を87.7%削減し、98.9%の目標達成を達成した。 航路を横切ると、推定UAV飛行時間の1秒ごとにUGV航法時間が2.94秒節約される。 約2kmのUGV運転にまたがるフィールド実験では、不確実性の解決と航法回復が成功した。

関連論文リスト

• Benchmarking UAV-based Vehicle Re-Identification under Simulated Weather Conditions [0.5226396748560348]
  UAVベースの車両ReIDは、交通監視、都市監視、公共安全アプリケーションのための有望な技術として登場した。 近年のUAVベースの車両ReIDベンチマークの進歩にもかかわらず、悪天候下での既存手法の堅牢性は十分に研究されていない。 UAVベースの2つのベンチマークにおいて,CLIP-ReID,MSINet,AdaSPの3つの代表的な車両ReID手法の比較検討を行った。
  論文  参考訳（メタデータ） (2026-07-12T05:41:29Z)
• A Digital Twin Framework for Traffic-Aware UAV Pavement Monitoring without Lane Closure [0.0]
  本稿では、車線閉鎖のない交通対応UAV舗装監視のためのUnityベースのデジタルツインフレームワークを提案する。 提案した環境は、手続き的に生成された道路欠陥、動的車両と歩行者、無人UAVナビゲーション、組込み道路損傷認識パイプラインを統合している。 デジタル双生児は、ホバー・アンド・リチェック、マイクロ・リポジション、スキップ・アンド・リバイジットという、閉鎖された道路セグメントの3つの回復戦略を評価するために使用された。
  論文  参考訳（メタデータ） (2026-06-17T20:30:52Z)
• Dynamic UGV-UAV Cooperative Path Planning in Uncertain Environments [4.941630596191806]
  我々は、不確実な道路網における安全な経路を見つけるために、UGV-UAV協力を最適化する戦略を提案する。 複数のUAVを用いてUGVの走行時間を短縮し,関連する時間を評価する。
  論文  参考訳（メタデータ） (2026-04-28T06:26:43Z)
• HUNT: High-Speed UAV Navigation and Tracking in Unstructured Environments via Instantaneous Relative Frames [50.83645076723809]
  HUNT (High-speed UAV Navigation and Tracking) は、1つの相対的な定式化の中で統合、取得、追跡を行うリアルタイムフレームワークである。 密林、コンテナ化合物、および車両やマネキンによる捜索救助活動の試行は、グローバルな方法が失敗した場合の堅牢な自律性を示している。
  論文  参考訳（メタデータ） (2025-09-23T18:07:10Z)
• Bayesian-Driven Graph Reasoning for Active Radio Map Construction [96.08082552413117]
  本稿では,経路ナビゲーションに適したグラフベースの推論を明示的に活用する不確実性を考慮した無線地図再構成フレームワークを提案する。 提案手法は,(1)空間的不確実性をリアルタイムで推定するベイズニューラルネットワーク,(2)グローバル推論を行う注意に基づく強化学習ポリシの2つの重要な深層学習要素を統合した。 実験の結果,URAMは既存のベースラインよりも最大で34%の精度で復元できることがわかった。
  論文  参考訳（メタデータ） (2025-07-29T03:32:01Z)
• AeroLite-MDNet: Lightweight Multi-task Deviation Detection Network for UAV Landing [9.858832286469765]
  本稿では,AeroLite-MDNetと呼ばれる新しい視覚モデルを用いたUAV着陸の偏差警報システムを提案する。 AWD(Average Warning Delay)と呼ばれる新しい評価指標を導入し,着陸偏差に対するシステムの感度を定量化する。 実験の結果, 偏差検出精度98.6%で0.7秒のAWDを実現した。
  論文  参考訳（メタデータ） (2025-06-25T13:48:30Z)
• 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)
• UAV Obstacle Avoidance by Human-in-the-Loop Reinforcement in Arbitrary 3D Environment [17.531224704021273]
  本稿では, 深部強化学習に基づく無人航空機(UAV)の連続制御に着目した。 本稿では,UAVが飛行中の障害物を自動的に回避できる深層強化学習(DRL)法を提案する。
  論文  参考訳（メタデータ） (2023-04-07T01:44:05Z)
• A Multi-UAV System for Exploration and Target Finding in Cluttered and GPS-Denied Environments [68.31522961125589]
  複雑なGPSを用いた複雑な環境において,UAVのチームが協調して目標を探索し,発見するための枠組みを提案する。 UAVのチームは自律的にナビゲートし、探索し、検出し、既知の地図で散らばった環境でターゲットを見つける。 その結果, 提案方式は, 時間的コスト, 調査対象地域の割合, 捜索・救助ミッションの成功率などの面で改善されていることがわかった。
  論文  参考訳（メタデータ） (2021-07-19T12:54:04Z)

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。