ドリフト補正単眼VIOと知覚考慮型プランニングによる自律ドローンレース
Drift-Corrected Monocular VIO and Perception-Aware Planning for Autonomous Drone Racing
単眼カメラと低品質IMUのみで高速自律ドローンレースを行うため、YOLOゲート検出とカルマンフィルタでVIOドリフトを補正し、ゲート視認性を考慮した軌道計画を統合したシステムを開発した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ 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: Maulana Bisyir Azhari, Donghun Han, Je In You, Sungjun Park, David Hyunchul Shim
分類: cs.RO
原文アブストラクト
The Abu Dhabi Autonomous Racing League(A2RL) x Drone Champions League competition(DCL) requires teams to perform high-speed autonomous drone racing using only a single camera and a low-quality inertial measurement unit -- a minimal sensor set that mirrors expert human drone racing pilots. This sensor limitation makes the system susceptible to drift from Visual-Inertial Odometry (VIO), particularly during long and fast flights with aggressive maneuvers. This paper presents the system developed for the championship, which achieved a competitive performance. Our approach corrected VIO drift by fusing its output with global position measurements derived from a YOLO-based gate detector using a Kalman filter. A perception-aware planner generated trajectories that balance speed with the need to keep gates visible for the perception system. The system demonstrated high performance, securing podium finishes across multiple categories: third place in the AI Grand Challenge with top speed of 43.2 km/h, second place in the AI Drag Race with over 59 km/h, and second place in the AI Multi-Drone Race. We detail the complete architecture and present a performance analysis based on experimental data from the competition, contributing our insights on building a successful system for monocular vision-based autonomous drone flight.
関連論文
- 多様で未知の障害物環境における堅牢な視覚ベースドローンレースの実現ドローンレース
- 動的環境における自律ドローンレースのための多項式ベースオンライン計画ドローンレース
- AIドローンレース優勝チームの技術解説ドローンレース
- 熟練度がドローンレースのパフォーマンスに与える影響ドローンレース
- 美女と野獣：最適手法と学習の融合によるドローンレースドローンレース
