FY26W22 ドローン論文まとめ

一言概要: 全天球表現が持つ回転等変性を利用し、長距離記憶を備えたパノラマ世界モデルによって無人機視点の未来映像を予測する手法PanoWorldを提案した。

背景・目的: パノラマ世界モデルにおいては長距離記憶の扱いが課題であり、既存手法は比較的安定した環境を前提とするデータセットに依存していたため、大規模な空間変化や多様な照明条件下での物理的整合性を十分に評価できていなかった。

提案手法: PanoWorldは全天球表現が持つ回転等変性に着目し、カメラ軌道を固定方位への並進として単純化することで、現在の行動モデリングと長距離記憶の両方をDense Panoramic Ray-Conditioning(DPRC)とGeometry-aware Memory Augmentation(GMA)で扱う。3段階の学習パイプラインで各要素を段階的に最適化し、無人機で収集した実写映像とAirSim360による高品質な模擬映像からなる大規模データセットWorld360も新たに構築した。

結果: World360を用いた大規模な実験により、PanoWorldは他手法を大きく上回る性能を示し、大規模な空間変化や多様な照明条件下でも高い物理的整合性を保てることが確認された。モデル・学習コード・データセットは公開予定である。

一言概要: 将来状態の不確実性を明示的にモデル化することで、少ない予測サンプルでも頑健に軌道を評価できる無人機の画像目標ナビゲーション手法UA-NWMを提案した。

背景・目的: 画像で指定された目標地点へ無人機を導く空間画像目標ナビゲーションでは、既存の世界モデルベース手法は予測した将来状態を用いて候補軌道を評価するが、少数の点予測に頼るため、不確実性の大きい大規模屋外環境では性能が不十分だった。

提案手法: 著者らは軌道評価を条件付き分布外検知として定式化するUncertainty-Aware Navigation World Model(UA-NWM)を提案した。もっともらしい将来状態の集合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説明できない残差成分に分解して、後者のみをスコアリングに用いることで複数サンプルなしに頑健な選択を可能にした。

結果: 広範な実験により、UA-NWMは既存のナビゲーション世界モデルを一貫して上回りながら低い推論レイテンシを維持できることが示された。実世界の無人機実験でも実用性が確認され、大規模屋外環境における画像目標ナビゲーションの有効な手法であることが裏付けられた。

一言概要: 無人機向けマルチモーダルモデルの空間認知だけでなく自己認識も統一的に評価する新しいベンチマークSIS-Benchを構築し、現行モデルの限界を分析した。

背景・目的: 自律型の無人機システムはマルチモーダル大規模言語モデル(MLLM)に依存する場面が増えているが、既存の無人機向け手法やベンチマークは環境中心の空間理解に偏っており、エージェント自身の状態を保持する自己認識の評価が手薄なままだった。

提案手法: 著者らは空間と自己という2軸、知覚・記憶・推論の3階層からなる統一的な自己在空間の定式化のもとでSIS-Benchを構築した。1646本の実世界無人機映像からタスク条件付きの構築パイプラインと専門家検証を経て、13タスク・4856件の質問応答対を作成し、さらにオプティカルフローと視覚特徴を統合した動作認識型の表現も検討した。

結果: 評価の結果、現行のMLLMは動的でエージェント中心のプロセスのモデル化に根本的な限界を抱え、空間認知と自己認識の間に明確な不均衡があること、認知階層が上がるほど性能が段階的に低下することが判明した。動作認識型の表現を導入すると知覚・記憶・自己認識および下流の意思決定タスクの性能が一貫して向上した。

一言概要: RGB画像による地表地雷検出データセットSULANDの誤注釈や分布外クラスIDの不整合を修正し、分布外性能まで評価できる改良版ベンチマークSULAND_v2を構築した。

背景・目的: 無人機・無人車によるRGB画像は地表地雷検出の低コストな調査手段だが、この安全上重要な領域では物体検出器の評価が手薄で、既存のSULANDデータセットには欠落・誤注釈、位置ずれ、可視性基準の不一致、分布外クラスID規約の反転など複数の問題があり、検出器が実運用条件を汎化できるか判断できなかった。

提案手法: 著者らは元の画像と分割を保ったまま注釈を手作業で全面的に見直し、完全性・位置精度・ラベルの妥当性・クラスの一貫性を確保したSULAND_v2(画像33,771枚、バウンディングボックス12,433件)を構築した。9系統・35通りの検出器構成を分布内(IID)と分布外(OOD)の両方で網羅的にベンチマークしている。

結果: 注釈の修正によりYOLOv8のIID mAP@50が14.6〜19.6ポイント向上し、OODクラスID規約の修正でYOLOv8の平均OOD mAP@50が約25ポイント向上した。YOLOv12-SmallがIIDで最高(0.908)、RF-DETR-LargeがOODで最高(0.799)を記録し、高いIID精度が実運用の準備完了を保証しないことが示された。

一言概要: 無人機搭載のハイパースペクトル画像による地雷検出において、少ない候補確認回数で全ての目標を発見できる検出手法の組み合わせを比較検証した。

背景・目的: ハイパースペクトル画像(HSI)は材質識別に有用だが、実運用の地雷スクリーニングでは目標発見までに検査すべき誤検知の数が重要になる。著者らは無人機搭載のVNIR HSIによるPFM-1地雷検出を対象に、SAM・MF・ACE・CEMという4つの検出手法を比較検証した。

提案手法: 地上計測によるSVC署名、シーン内の完全既知の中心画素署名、人間参加型で段階的に構築する模擬署名ブートストラップという3種の署名を比較し、ROC-AUCや平均適合率に加えて、目標発見曲線と空間的な候補確認件数という運用上の指標も報告した。

結果: 全面確認によるブートストラップは全7目標領域の検証後に完全既知の場合と同水準に到達したが、必要な検査労力は手法間で大きく異なり、ACEはわずか2ラウンド・9件の候補確認で全領域を確認できた一方、SAM系の手法は最終目標の発見に数千件の候補確認を要した。

一言概要: 無人車に搭載した1台のLiDAR-IMUだけで無人車と無人機双方の経路を同期生成し、トンネル点検を高速かつ高成功率で実現する計画手法FLISPを提案した。

背景・目的: 水力発電トンネルの点検はインフラ健全性維持に不可欠だが、人手による方法は非効率かつ危険である。従来の地図ベースの計画は地図のラスタ化コストやサンプリングベース手法の不安定性という構造的なボトルネックを抱え、無人車・無人機の協調点検には不向きだった。

提案手法: FLISPは地図を使わないマップレス計画フレームワークで、無人車に搭載した単一のLiDAR-IMUが両プラットフォームの経路生成を同期駆動する統一アーキテクチャ、無人車の障害物回避には拡張ホタルアルゴリズム、無人機の飛行には動的反復最適化という機種別ソルバー、そして状態推定のドリフトなく運動学的実現可能性を保証する階層的な洗練戦略という3つの要素からなる。

結果: 全長1.2kmの実運用トンネルでのベンチマークにより、FLISPは地図ベース手法(Fast-LIO2+A*)のラスタ化オーバーヘッドやサンプリングベース手法(LIO-SAM+RRT*)の不安定性を回避し、成功率100%・レイテンシ7msを達成した。これはグリッドベース手法の7倍、サンプリングベース手法比で3桁の高速化に相当する。

一言概要: 熱赤外画像で小型無人機群を追跡する際の計算負荷を抑えつつ、機動的な動きにも頑健な精度を保つエッジデバイス向け軽量トラッキング手法を提案した。

背景・目的: 熱赤外(TIR)画像は視界不良環境での無人機群運用に不可欠だが、小型無人機の追跡は外見手がかりの乏しさや頻繁な遮蔽、急な機動により難しい。既存手法は精度を重視する一方でエッジ実行時の計算制約を軽視しており、標準的なカルマンフィルタも等速運動の仮定が機動的な無人機やセンサー揺らぎで破綻しやすかった。

提案手法: 著者らは、状態依存の運動学モデリングで線形カルマンフィルタを拡張しつつ実時間性を保つAdaptive Kinematic Kalman Filter(AKKF)を中心としたエッジ対応のオンライン追跡パイプラインを提案した。一時的な誤検知の抑制と運動学に基づく予測的な補間を組み合わせ、厳しいTIR条件下での軌道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のもとで本手法の有効性が示され、将来の実時間エッジ展開に向けた足がかりとなる知見が得られた。