論文の概要: DroneDiffusion: Uncertainty-Guided Diffusion Path Planner for UAV Navigation
- arxiv url: http://arxiv.org/abs/2611.15277v1
- Date: Wed, 11 Nov 2026 10:08:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.0983
- Title: DroneDiffusion: Uncertainty-Guided Diffusion Path Planner for UAV Navigation
- Title(参考訳): ドローン拡散:UAVナビゲーションのための不確実誘導拡散経路プランナー
- Abstract要約: ローカル3次元UAV軌道生成のための認識対応拡散プランナであるDroneDiffusionを提案する。
視覚言語による知覚的安全性推定器は、劣化した知覚の領域をハイライトする画素対応の信頼性マップを生成する。
本研究では,3次元ユークリッド符号距離場上でのトレーニング不要なCHOMPガイダンスを適用した。
- 参考スコア(独自算出の注目度): 2.447056387242269
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present DroneDiffusion, a perception-aware diffusion planner for local 3-D UAV trajectory generation that explicitly models and avoids failure zones caused by lens flare, overexposure, and reflective surfaces. A vision-language perceptual safety estimator produces a pixel-aligned reliability map that highlights regions of degraded sensing. A denoising diffusion probabilistic model (DDPM) is conditioned on this map together with the onboard RGB image, goal point, and initial velocity to generate egocentric 3-D trajectories. To enforce obstacle avoidance at inference time without retraining, we apply training-free CHOMP guidance over a 3-D Euclidean signed distance field. The model is trained entirely in simulation and deployed zero-shot on a real drone. Reliability conditioning raises the mean perceptual reliability along generated trajectories to 0.71, compared with 0.63 for a geometric baseline, while guidance halves the collision rate of the learned prior from 14.7% to 7.8%. Perceptual safety conditioning and geometric guidance are therefore complementary: treating sensor reliability as a first-class signal reduces incursions into unreliable regions while maintaining competitive navigation performance.
- Abstract(参考訳): 我々は、レンズフレア、過剰露光、反射面による故障ゾーンを明示的にモデル化し、回避するローカル3次元UAV軌道生成のための認識対応拡散プランナーであるDroneDiffusionを提案する。
視覚言語による知覚的安全性推定器は、劣化した知覚の領域をハイライトする画素対応の信頼性マップを生成する。
RGB画像,目標点,初期速度とともにDDPM(denoising diffusion probabilistic model)をこのマップ上に条件付けし,エゴセントリックな3次元軌道を生成する。
本研究では,3次元ユークリッド符号距離場上でのトレーニング不要なCHOMPガイダンスを適用した。
モデルはシミュレーションで完全に訓練され、実際のドローンにゼロショットを配備する。
信頼性条件付けにより、生成された軌道に沿った平均知覚信頼性は0.71に上昇し、幾何学的ベースラインは0.63に、ガイダンスは14.7%から7.8%に低下する。
センサ信頼性を第一級信号として扱うことで、競争力のあるナビゲーション性能を維持しながら、信頼できない領域への侵入を減らすことができる。
関連論文リスト
- Variance-Guided Spatial Attention Fusion for Robust End-to-End Driving under Asymmetric Sensor Degradation [14.393656149682068]
本稿では,VG-SAF(Variance-Guided Space Attention Fusion)を提案する。
まず、物理的に接地されたオーグメンタは、代表カメラとLiDARの故障をシミュレートし、連続した空間マスクを放出する。
第2に、モダリティ特有の専門家は、ログ空間におけるクロスブランチ密度の蒸留を通じて、ピクセル当たりの信頼性のスケールを予測する。
第3に、キャリブレーションされた信頼性マップは、局所的な空間ゲートを持つ信頼できない細胞を抑圧するハイブリッドアテンション機構を駆動する。
論文 参考訳(メタデータ) (2026-08-25T10:27:02Z) - Dense Soft Weighting for Radar Ego-Velocity Estimation [6.356174487225252]
本稿では,エゴ速度推定のための分析レーダフロントエンドであるDense Soft Weightingを提案する。
すべてのレンジドップラーセルを2値検出閾値を強制するのではなく、連続した信頼度にマッピングする。
これは、最強のCFARポイントクラウドベースラインと比較して平均的な絶対的なポーズエラーを31-45%削減する。
論文 参考訳(メタデータ) (2026-07-29T14:37:52Z) - Guided Diffusion with Distilled Vision-Language Reliability for Aerial Navigation [2.186077977059593]
3次元UAVナビゲーションのための信頼性を考慮した拡散プランナを提案する。
これは、シーンレベルの信頼性ヒートマップとともに、観測上の軌道生成を条件付ける。
再訓練をせずに、目に見えない環境に一般化するため、2段階のESDFコストでデノナイズ処理を行う。
論文 参考訳(メタデータ) (2026-06-11T20:18:34Z) - Uncertainty-Aware 3D Position Refinement for Multi-UAV Systems [0.3867363075280543]
本稿では, 無人航空機の局部推定値を, 近隣の共有状態サマリーやUAV間距離, 近接制約と組み合わせることで, 頑健性を向上する分散軽量な3次元位置補正層を提案する。
提案手法は, 冷間開始時の平均局所化誤差を著しく低減し, 局所推定器が安定化した後も競争力を保ち, 信頼のない核融合と比較して悪質ノードの割合が増加するにつれて, 低い誤差を保ち続けることを示す。
論文 参考訳(メタデータ) (2026-05-13T13:22:14Z) - Instance-level Visual Active Tracking with Occlusion-Aware Planning [61.982298426203165]
Visual Active Tracking (VAT)は、カメラを3D空間でターゲットに追従することを目的としている。
VATは、視覚的に類似したイントラクタからの混乱と、閉塞下での深刻な障害という、現実世界のデプロイメントにおいて2つの重要なボトルネックに直面している。
3つの相補的なモジュールを持つ統一パイプラインであるOA-VATを提案する。
論文 参考訳(メタデータ) (2026-04-23T09:11:50Z) - ImpedanceDiffusion: Diffusion-Based Global Path Planning for UAV Swarm Navigation with Generative Impedance Control [1.9182058480922208]
ImpedanceDiffusionは、乱雑な屋内環境における安全な群れナビゲーションのための階層的なフレームワークである。
このフレームワークは,RGB画像から直接幾何学的グローバルな軌跡を生成する。
安定なインピーダンスベース生成制御を維持しつつ、有界振動と飛行中の衝突のない92%の成功率を達成する。
論文 参考訳(メタデータ) (2026-03-10T00:06:55Z) - BadCLIP++: Stealthy and Persistent Backdoors in Multimodal Contrastive Learning [73.46118996284888]
マルチモーダル・コントラスト学習モデルに対するバックドア攻撃の研究は、ステルスネスと永続性という2つの大きな課題に直面している。
両課題に対処する統合フレームワークであるBadCLIP++を提案する。
ステルスネスのために,タスク関連領域付近に知覚不可能なパターンを埋め込むセマンティックフュージョンQRマイクロトリガーを導入する。
持続性については、半径縮小とセントロイドアライメントによるトリガ埋め込みを安定化する。
論文 参考訳(メタデータ) (2026-02-19T08:31:16Z) - Adaptive Dual Uncertainty Optimization: Boosting Monocular 3D Object Detection under Test-Time Shifts [80.32933059529135]
TTA(Test-Time Adaptation)メソッドが出現し、推論中にターゲット分布に適応する。
我々は、堅牢なM3ODの両不確実性を共同で最小化するために設計された、最初のTTAフレームワークであるDual Uncertainity Optimization (DUO)を提案する。
並列に,明瞭な意味的手がかりを持つ領域における幾何学的コヒーレンスを保存する意味認識型正規場制約を設計する。
論文 参考訳(メタデータ) (2025-08-28T07:09:21Z) - 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) - Ada3Diff: Defending against 3D Adversarial Point Clouds via Adaptive
Diffusion [70.60038549155485]
ディープ3Dポイントクラウドモデルは敵攻撃に敏感であり、自律運転のような安全クリティカルなアプリケーションに脅威をもたらす。
本稿では,適応強度推定器と拡散モデルを用いて,プリスタンデータ分布を再構築できる新しい歪み認識型防衛フレームワークを提案する。
論文 参考訳(メタデータ) (2022-11-29T14:32:43Z)
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。