日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

ナビゲーションarXiv:2511.14037

BIM差分駆動型アクティブセンシングによるUAV-UGV協調ナビゲーション

BIM-Discrepancy-Driven Active Sensing for Risk-Aware UAV-UGV Navigation

シェア:XThreadsFacebookLINEはてブBluesky

建設現場でUAVとUGVが協調するため、BIMとリアルタイムLiDARの差分からリスクを評価し、危険時にUAVが再スキャンして安全な経路再計画を行うフレームワークを提案した。

詳しい要約

1. どんなもの?

- 動的な建設環境における UAV と UGV の協調ナビゲーションのための枠組み - BIM-discrepancy-driven active sensing framework を提案 - 航空機と地上ロボットのリアルタイム LiDAR データを BIM 事前情報と継続的に融合し、更新される 2D occupancy map を維持 - ナビゲーション安全性を corridor-risk metric で定量化し、閾値超過時に UAV が自動再スキャンして再計画を可能にする

2. 先行研究と比べてどこがすごい?

- 従来のナビゲーションは静的 BIM 事前情報や限られたオンボード知覚に依存 - 本研究は BIM と実センシングの不一致 (discrepancy) を能動的に検出・解消する点が新しい - 静的 BIM ナビゲーションと比較して平均 corridor risk を 58%、map entropy を 43% 低減 - frontier-based exploration と比べ、同程度の不確実性低減を半分のミッション時間で達成

3. 技術・手法の肝は?

- 航空・地上ロボットの LiDAR データと BIM 事前情報を融合し、進化する 2D occupancy map を構築 - 統合 corridor-risk metric を定義 - occupancy uncertainty - BIM-map discrepancy - clearance - リスクが安全閾値を超えると UAV が影響領域を自律再スキャンし、不確実性を低減して安全な再計画を実現

4. どうやって有効だと検証した?

- PX4-Gazebo simulation と Robotec GPU LiDAR を用いて検証 - リスクトリガ型再スキャンにより、静的 BIM ナビゲーション比で平均 corridor risk 58% 減、map entropy 43% 減 - clearance margin を 0.4 m 以上に維持 - frontier-based exploration 比で同程度の不確実性低減を半分のミッション時間で達成

5. 議論はある?

- BIM 事前情報とリスク適応型航空センシングの統合が、建設ロボティクス向けのスケーラブルで不確実性を考慮した自律性を可能にすることを示唆 - 具体的な限界や失敗ケース、実機検証の有無については要旨からは不明

6. 次に読むべき論文は?

- frontier-based exploration(比較対象として言及) - BIM 事前情報を用いたナビゲーション関連研究 - active sensing / informative path planning の定番手法 - UAV-UGV 協調ナビゲーションに関する研究

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Hesam Mojtahedi, Reza Akhavian

分類: cs.RO

原文アブストラクト

This paper presents a BIM-discrepancy-driven active sensing framework for cooperative navigation between unmanned aerial vehicles (UAVs) and unmanned ground vehicles (UGVs) in dynamic construction environments. Traditional navigation approaches rely on static Building Information Modeling (BIM) priors or limited onboard perception. In contrast, our framework continuously fuses real-time LiDAR data from aerial and ground robots with BIM priors to maintain an evolving 2D occupancy map. We quantify navigation safety through a unified corridor-risk metric integrating occupancy uncertainty, BIM-map discrepancy, and clearance. When risk exceeds safety thresholds, the UAV autonomously re-scans affected regions to reduce uncertainty and enable safe replanning. Validation in PX4-Gazebo simulation with Robotec GPU LiDAR demonstrates that risk-triggered re-scanning reduces mean corridor risk by 58% and map entropy by 43% compared to static BIM navigation, while maintaining clearance margins above 0.4 m. Compared to frontier-based exploration, our approach achieves similar uncertainty reduction in half the mission time. These results demonstrate that integrating BIM priors with risk-adaptive aerial sensing enables scalable, uncertainty-aware autonomy for construction robotics.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  4. 4GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI