FY26W21 ドローン論文まとめ

一言概要: 全天球画像が持つ回転対称性を利用し、ドローン視点での長距離にわたる記憶保持を実現するパノラマ世界モデルPanoWorld。

背景・目的: パノラマ世界モデルでは、長距離にわたる記憶の保持が課題となっている。全天球(オムニディレクショナル)表現には回転が暗黙の幾何変換として扱えるという回転等変性があり、この性質を活かせば長距離記憶の問題を簡略化できるのではないかという着想からPanoWorldが提案された。

提案手法: PanoWorldはカメラの軌跡を固定した向きでの並進運動として単純化し、現在の行動のモデル化にはDense Panoramic Ray-Conditioning(DPRC)、長距離記憶にはGeometry-aware Memory Augmentation(GMA)を用いる。さらに各構成要素を段階的に最適化する3段階の学習パイプラインを導入し、実世界のパノラマドローン映像とAirSim360による高品質なシミュレーション映像からなる評価用データセットWorld360も構築した。

結果: World360データセットを用いた大規模な実験により、大きな空間変化や様々な照明条件下での物理的な整合性を評価したところ、PanoWorldは既存手法を大きく上回る性能を示した。モデル・学習コード・データセットは今後公開される予定である。

一言概要: 将来予測の不確実性を分離してスコアリングすることで、少ない予測回数でも頑健な経路選択ができるドローン向け世界モデルUA-NWM。

背景・目的: 目標画像で示された地点へ到達する空撮ナビゲーションでは、既存の世界モデルベース手法は候補軌道を予測された将来の状態で評価するが、点予測を1つないし少数しか使わないため、不確実性の大きい広域屋外環境では性能が不十分だった。

提案手法: 提案手法UA-NWMは、軌道のスコアリングを条件付き分布外検出の問題として定式化する効率的な潜在世界モデルである。もっともらしい将来状態を不確実性の部分空間として表現し、予測と目標のずれを不確実性で説明できる成分とできない成分に分解した上で、説明できない残差のみをスコアリングに用いることで、複数の将来サンプルを用いずとも頑健な経路選択を可能にしている。

結果: 大規模な実験により、UA-NWMは低い推論遅延を保ちながら既存のナビゲーション世界モデルを一貫して上回る性能を示した。実機のドローンを用いた実世界実験でも有効性が確認され、実用面での適用可能性が示された。

一言概要: 周囲空間の理解だけでなく機体自身の状態認識力も評価する、ドローン向けの新しいベンチマークSIS-Benchを提案する研究。

背景・目的: 自律型ドローンは複雑な実環境で動作するためマルチモーダル大規模言語モデル(MLLM)に頼ることが増えているが、既存のUAV向け研究やベンチマークは周囲空間の理解に偏っており、機体自身の状態を捉える自己認識は暗黙のままだった。

提案手法: 著者らはSIS-Benchを構築し、空間と自己という2つの軸、知覚・記憶・推論という3段階の階層で評価を行う。1,646本の実世界UAV映像からタスク条件付きの構築パイプラインと専門家による検証を経て、13タスク・4,856問の質問応答ペアを作成した。さらに光学フローと視覚特徴を融合し機体自身の動きを取り込む動き認識表現も検討している。

結果: 評価の結果、現行のMLLMは動的で機体中心のプロセスのモデル化に根本的な限界を抱え、空間認識力と自己認識力の間に明確な不均衡があり、認知レベルが上がるほど性能が段階的に低下することが分かった。一方、機体の動きをモデル化した動き認識表現は知覚・記憶の両面で性能を一貫して改善し、下流のUAV意思決定タスクにも汎化することが確認された。

一言概要: 地雷検出用RGBデータセットSULANDのアノテーション不備を修正し、ドメインシフトへの頑健性を測れるベンチマークにした研究。

背景・目的: RGB画像を使ったUAV/UGVによる地表地雷検出は低コストな手段として期待されるが、物体検出器の検証は十分に行われていなかった。既存のベンチマークデータセットSULANDには、アノテーションの欠落・誤り、位置精度の低さ、可視性基準の不整合、分布外(OOD)クラスIDの規則の逆転など多数の問題があった。

提案手法: 著者らは元の画像と分割はそのままに、アノテーションを手作業で精査・修正したSULAND_v2を作成した。33,771枚の画像と12,433個のバウンディングボックスからなり、9系統・35通りの検出器構成でベンチマークを行い、分布内(IID)と分布外(OOD)双方の性能を評価している。

結果: アノテーション修正によりYOLOv8の分布内mAP@50は14.6〜19.6ポイント改善し、OODのクラスID規則の修正によりYOLOv8の分布外mAP@50は平均で約25ポイント向上した。最終的にYOLOv12-Smallが分布内で最高のmAP@50(0.908)を、RF-DETR-Largeが分布外で最も高い性能(mAP@50 0.799、再現率0.675)を達成し、分布内精度の高さが実運用への信頼性を保証しないことが示された。

一言概要: 地雷検出用のハイスペクトル画像処理において、探索候補への人間による段階的な確認を取り込みながら分光シグネチャを洗練させていく手法の検証。

背景・目的: ハイスペクトルイメージング(HSI)は素材の識別に有用だが、実運用での地雷スクリーニングでは目標を発見するまでに何件の誤検知を確認する必要があるかが実際の負担を左右する。本研究はUAVで撮影した可視・近赤外HSIを用い、SAM・MF・ACE・CEMという4種の検出手法でPFM-1地雷検出を検証している。

提案手法: 地上計測したSVCシグネチャ、シーン内の完全情報を持つコア画素シグネチャ、そして人間の確認を段階的に取り込んでシグネチャを洗練させるシミュレーションの3条件を比較した。ROC-AUCや平均適合率に加え、目標発見までの過程を示す発見曲線と、確認が必要だった候補地点数も記録している。

結果: 段階的なシグネチャ洗練は、7つの目標領域すべてを確認した時点で完全情報のシグネチャと同等の性能に到達したが、必要な確認作業量は手法によって大きく異なった。ACEは2ラウンド・9件の候補確認ですべての領域を確定できた一方、SAM系の手法は最終的な目標特定までに数千件の候補確認を要した。

一言概要: 地図を作らずにUGVとドローンが連携してトンネル内を点検するための、高速で信頼性の高い経路計画手法FLISPを提案する研究。

背景・目的: 水力発電用トンネルの点検はインフラ維持に欠かせないが、人手による点検は非効率で危険を伴う。従来の地図ベースの経路計画は地図の作成コストやサンプリングに基づく手法の不安定さといった構造的なボトルネックを抱えており、地中のような特徴の乏しい線状インフラでは特に課題が大きかった。

提案手法: FLISPは地図を作らないUGV-UAV協調点検向けの経路計画フレームワークで、地上車両1台に搭載したLiDAR-IMUセンサ一式だけで両プラットフォームの経路を同期生成する統一アーキテクチャを持つ。UGVの障害物回避には改良版ファイアフライアルゴリズム、UAVの飛行には動的な反復最適化ソルバーをそれぞれ用い、状態推定のドリフトを起こさずに運動学的な実現可能性を保証する階層的な洗練戦略も導入している。

結果: 全長1.2kmの実際のトンネルでのベンチマークにより、FLISPは地図のラスタ化コストが生じる従来手法(Fast-LIO2+A*)やサンプリングの不安定さを抱える手法(LIO-SAM+RRT*)の弱点を回避し、成功率100%・遅延7ミリ秒を達成した。これは格子ベース手法比で7倍、サンプリングベース手法比で3桁の高速化にあたり、実際の水力発電トンネルでの検証を通じて実運用への適用可能性が示された。

一言概要: 熱赤外映像を用いて小型ドローンの群れを追跡する際に、認識精度と計算コストの両立を目指したエッジ向け追跡パイプラインの提案。

背景・目的: 熱赤外(TIR)映像は視界の悪い環境でのドローン群運用に不可欠だが、小型UAVは見た目の手がかりが乏しく遮蔽や急な機動も多いため追跡が難しい。既存手法の多くは精度を優先しリアルタイムなエッジデバイスでの計算制約を軽視しており、効率的な標準カルマンフィルタは等速運動の仮定が崩れやすいという課題があった。

提案手法: 提案手法は、状態に応じた運動モデリングで線形カルマンフィルタを拡張した適応運動学カルマンフィルタ(AKKF)を中核とするエッジ向けオンライン追跡パイプラインである。これに一時的な誤検知を抑制する仕組みと運動学に基づく予測的な補間を組み合わせることで、リアルタイム性を保ちながら厳しいTIR条件下での軌跡の連続性を高めている。

結果: Beyond Strong Baseline(BSB)ベンチマークでの実験により、追跡性能と計算効率を同時に評価する枠組みが示され、エッジでのリアルタイムなドローン群追跡実現に向けた出発点となる知見が得られた。