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:2606.04111

AgenticDiffusion: 視覚ベースUAVナビゲーションのためのエージェント型拡散経路計画

AgenticDiffusion: Agentic Diffusion-based Path Planning for Vision-Based UAV Navigation

シェア:XThreadsFacebookLINEはてブBluesky

言語指示と複数視点(前方視点と俯瞰視点)を組み合わせ、拡散モデルによる経路計画とNMPCを統合した屋内UAVナビゲーションフレームワークを提案。実環境で80%の成功率を達成。

詳しい要約

1. どんなもの?

- 屋内UAVナビゲーションのためのマルチビュー枠組み - 言語誘導推論、オープンボキャブラリ目標接地、拡散計画、NMPCを統合 - 自然言語指示とFPV/トップビュー観測から情報量の多い視点を選択 - 目標を接地し、視点固有の拡散プランナで軌道生成 - 乱雑な屋内環境でのナビゲーション効率を改善

2. 先行研究と比べてどこがすごい?

- 既存の視覚ベースナビゲーションは単一視点観測に依存 - 遮蔽、目標可視性、全局構造の推論が限定的 - 本手法はマルチビューで補完し、目標探索の繰り返しを削減 - 屋内乱雑環境でのナビゲーション効率を向上

3. 技術・手法の肝は?

- 言語誘導推論とオープンボキャブラリ目標接地を統合 - 同期したFPVとトップビューから情報量の多い視点を決定 - ミッションプランを事前生成し、目標を接地 - 視点固有の拡散プランナで軌道生成し、NMPCで実行

4. どうやって有効だと検証した?

- 実世界UAVナビゲーションの4シナリオで検証 - 適応的視点選択、多段ミッション実行、長距離ナビゲーション、安全着陸地点選択 - 40回の実世界試行で全体ミッション成功率80% - 拡散プランナの軌道生成成功率100%

5. 議論はある?

- 要旨からは不明

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究は明示されていない - 関連手法としてvision-based navigation、diffusion planning、NMPC、open-vocabulary groundingが挙げられる

※ 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: Faryal Batool, Muhammad Ahsan Mustafa, Fawad Mehboob, Valerii Serpiva, Dzmitry Tsetserukou

分類: cs.RO, cs.AI, cs.SY, eess.SY

原文アブストラクト

Indoor UAV navigation requires efficient exploration, scene understanding, and reliable trajectory execution under limited field-of-view observations. Existing vision-based navigation frameworks typically rely on single-view observations, limiting their ability to reason about occlusions, target visibility, and global scene structure. In this work, we propose AgenticDiffusion, a multi-view UAV navigation framework that coordinates language-guided reasoning, open-vocabulary target grounding, vision-based diffusion planning, and NMPC within a unified aerial navigation pipeline. Given a natural language instruction and synchronized first-person-view (FPV) and top-view observations, the framework determines the most informative viewpoint for navigation and generates a mission plan prior to trajectory execution. The targets are localized using an open-vocabulary grounding model, after which viewpoint-specific diffusion planners generate navigation trajectories for UAV execution. Using complementary viewpoints, the proposed framework reduces repeated target exploration and improves navigation efficiency in cluttered indoor environments. The framework was validated in four real-world UAV navigation scenarios involving adaptive viewpoint selection, multi-stage mission execution, long-horizon navigation, and safe landing-site selection. The experimental results demonstrated an overall mission success rate of 80% in 40 real-world trials, while the diffusion planners achieved a trajectory generation success rate of 100%.

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. 2GXO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
  3. 3newmo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
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  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