論文の概要: Lightweight Path-Aware Frontier Re-ranking for LiDAR-Based UAV Exploration
- arxiv url: http://arxiv.org/abs/2611.09561v1
- Date: Fri, 06 Nov 2026 15:03:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-10 12:00:36.689307
- Title: Lightweight Path-Aware Frontier Re-ranking for LiDAR-Based UAV Exploration
- Title(参考訳): LiDARによるUAV探査における軽量パス認識フロンティアの再評価
- Abstract要約: 本稿では,LiDARを用いたUAV探査のための軽量経路認識フロンティア再評価手法を提案する。
3つの倉庫型環境における実験により,提案手法は従来のフロンティアベースラインよりも短い探査軌道を連続的に生成することが示された。
- 参考スコア(独自算出の注目度): 1.4941013982958211
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Autonomous 3D exploration with UAVs requires efficient target selection under limited flight time and onboard computation. In conventional Euclidean-distance-based frontier pipelines, geometric distance may poorly represent the actual collision-free travel cost in cluttered environments, leading to inefficient frontier choices. This paper presents a lightweight path-aware frontier re-ranking method for LiDAR-based UAV exploration. The method first retains a small top-N set of promising frontier candidates using a lightweight utility function and then applies time-bounded RRT* planning to estimate their feasible path costs for re-ranking. The path generated for the selected frontier is further reused for navigation to reduce redundant global planning. Experiments in three warehouse-like environments show that the proposed method consistently produces shorter exploration trajectories than conventional frontier baselines, with traveled-distance reductions of up to 14.1%, while reducing exploration time by up to 9.5% in two environments and remaining competitive in the third. The method maintains map detail comparable to the conventional OctoMap-based baseline, demonstrating an effective trade-off between exploration efficiency and mapping quality.
- Abstract(参考訳): UAVによる自律的な3D探査には、限られた飛行時間と車載計算下での効率的な目標選択が必要である。
従来のユークリッド距離に基づくフロンティアパイプラインでは、幾何学的距離は、散らばった環境における実際の衝突のない移動コストを低く表現し、非効率なフロンティア選択をもたらす可能性がある。
本稿では,LiDARを用いたUAV探査のための軽量経路認識フロンティア再評価手法を提案する。
提案手法は,まず軽量なユーティリティ関数を用いて有望なフロンティア候補の小さなトップN集合を保持し,次に時間境界付きRTT*計画を適用して,再ランク付け可能なパスコストを見積もる。
選択されたフロンティアで生成された経路は、余剰なグローバルプランニングを減らすためにナビゲーションのためにさらに再利用される。
3つの倉庫のような環境での実験では、提案手法は従来のフロンティアベースラインよりも短い探査軌道を連続的に生成し、走行距離を最大14.1%削減し、2つの環境での探査時間を最大9.5%削減し、3番目の競争力を維持した。
この方法は従来のOctoMapベースラインに匹敵するマップの細部を維持し、探索効率とマッピング品質の効果的なトレードオフを示す。
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) - TAPE: Tether-Aware Path Planning for Autonomous Exploration of Unknown 3D Cavities Using a Tangle-Compatible Tethered Aerial Robot [4.297070083645049]
この手紙は、移動距離とテザリングの長さを最小化することに焦点を当てた、未知の空洞を3次元(3次元)で自律的に探査する最初の方法を示す。
テザーの絡み合いがグローバルパスの影響をほとんど受けていないことを考えると,本手法では2レベルの階層アーキテクチャを採用している。
論文 参考訳(メタデータ) (2026-06-29T18:44:56Z) - Semantic-Aware Autonomous Exploration for UAVs in Unknown Indoor Environments [2.379911867541422]
本稿では,ロードマップに基づく探索戦略に意味情報を追加する意味認識探索フレームワークを提案する。
意味のあるオブジェクトや構造を含む領域を優先するためにセマンティック報酬関数が導入され、UAVはより高い情報値を持つ領域に集中することができる。
複数のシミュレーション環境における実験結果から,提案手法は90%から94%の探査範囲を達成できることが示された。
論文 参考訳(メタデータ) (2026-06-21T21:07:40Z) - Explore From Sketch: Accelerating UAV Exploration in Large-scale Environments with Prior Maps [20.559950853029]
本稿では,LiDARをベースとしたUAV探査において,スパース,アンアライメント,さらには2次元事前地図の離散化を生かした新しい探索フレームワークを提案する。
ベンチマーク評価では、探査効率が34.2%向上し、飛行距離が37.9%減少した。
論文 参考訳(メタデータ) (2026-06-10T06:30:29Z) - 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) - FrontierNet: Learning Visual Cues to Explore [54.8265603996238]
この研究は、3Dマップからゴールポーズを抽出する制限に対処するため、効率的な自律探索に2Dビジュアルキューを活用することを目的としている。
本稿では、FrontierNetをコアコンポーネントとする、視覚のみのフロンティアベースの探索システムを提案する。
提案手法は,既存の3次元目標抽出手法に代わるもので,早期探索効率の15%向上を実現している。
論文 参考訳(メタデータ) (2025-01-08T16:25:32Z) - OTO Planner: An Efficient Only Travelling Once Exploration Planner for Complex and Unknown Environments [6.128246045267511]
オンリートラベル・ワン・プランナー」は複雑な環境下で繰り返し経路を減少させる効率的な探索プランナーである。
高速フロンティア更新、視点評価、視点改善が含まれる。
探査時間と移動距離を10%から20%削減し、フロンティア検出の速度を6~9倍向上させる。
論文 参考訳(メタデータ) (2024-06-11T14:23:48Z) - Confidence-Controlled Exploration: Efficient Sparse-Reward Policy Learning for Robot Navigation [72.24964965882783]
強化学習(RL)はロボットナビゲーションにおいて有望なアプローチであり、ロボットは試行錯誤を通じて学習することができる。
現実世界のロボットタスクは、しばしばまばらな報酬に悩まされ、非効率な探索と準最適政策に繋がる。
本稿では,RLに基づくロボットナビゲーションにおいて,報酬関数を変更せずにサンプル効率を向上させる新しい手法であるConfidence-Controlled Exploration (CCE)を紹介する。
論文 参考訳(メタデータ) (2023-06-09T18:45:15Z)
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。