QuadAgent: 視覚言語ガイドによるクアッドローター俊敏飛行のための応答性エージェントシステム
QuadAgent: A Responsive Agent System for Vision-Language Guided Quadrotor Agile Flight
視覚と言語の入力に基づいてクアッドローターを俊敏に飛行させる、訓練不要のエージェントシステムを提案。非同期マルチエージェント構成で高次推論と低次制御を分離し、シミュレーションと実機で有効性を実証した。
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: Ao Zhuang, Feng Yu, Tianbao Zhang, Linzuo Zhang, Danping Zou
分類: cs.RO
原文アブストラクト
We present QuadAgent, a training-free agent system for agile quadrotor flight guided by vision-language inputs. Unlike prior end-to-end or serial agent approaches, QuadAgent decouples high-level reasoning from low-level control using an asynchronous multi-agent architecture: Foreground Workflow Agents handle active tasks and user commands, while Background Agents perform look-ahead reasoning. The system maintains scene memory via the Impression Graph, a lightweight topological map built from sparse keyframes, and ensures safe flight with a vision-based obstacle avoidance network. Simulation results show that QuadAgent outperforms baseline methods in efficiency and responsiveness. Real-world experiments demonstrate that it can interpret complex instructions, reason about its surroundings, and navigate cluttered indoor spaces at speeds up to 5 m/s.
