マルチモーダル認識2026/10/19arXiv:2610.25869

AeroIntent: UAVミッション意図認識のための同期マルチモーダルベンチマーク

AeroIntent: A Synchronized Multimodal Benchmark for UAV Mission Intent Recognition

UAVのミッション意図をマルチモーダル観測から認識するためのベンチマークAeroIntentと、レーダー軌跡・視覚情報・タスク知識を統合するAeroMIRを提案した論文。

詳しい要約

1. どんなもの？

- 低高度空域の監視・セキュリティ向けに、UAVのmission-level intentをmultimodal観測から認識するベンチマークと手法の提案 - AeroIntent: 22のtrajectory programから生成した990の同期multimodal sequenceを含むシミュレーションベースbenchmark - 5つのmission intentを対象 - radar, RGB, infrared, depthの観測を提供 - program-disjoint, radar-gap, observation-prefixの評価protocolを備える - AeroMIR: 候補ベースのUAV intent認識を行うstructured Multimodal Intent Reasoner

2. 先行研究と比べてどこがすごい？

- 既存のmultimodal UAV datasetはdetection, tracking, localizationが中心で、mission-intent認識の評価支援が限定的 - held-out trajectory programや不完全なradar履歴への対応評価が不足していた - AeroIntentはprogram-disjoint, radar-gap, observation-prefixのprotocolを用意し、未見の戦術的実現やradar欠損下での評価を可能にする - AeroMIRはprogram-disjoint protocolでtrajectory-only最強baselineを7.79 Macro-F1ポイント、従来のradar-RGB late-fusion baselineを19.32ポイント上回る

3. 技術・手法の肝は？

- AeroMIRはradar trajectory、派生behavioral feature、選択したvisual evidence、task knowledgeを統合する - 候補ベースのUAV intent認識を行うstructured Multimodal Intent Reasoner - AeroIntentは22のtrajectory programから990の同期multimodal sequenceをシミュレーションで生成 - radar, RGB, infrared, depthの観測を同期して提供 - program-disjoint, radar-gap, observation-prefixの評価protocolを設計

4. どうやって有効だと検証した？

- program-disjoint protocolで未見の戦術的実現を評価 - 3つのseedでAeroMIRはmean accuracy 71.56%、mean Macro-F1 69.84%を達成 - trajectory-only最強baselineを7.79 Macro-F1ポイント上回る - 従来のradar-RGB late-fusion baselineを19.32ポイント上回る - 制御されたradar gap下およびearly intent recognition設定でも強い性能を示す

5. 議論はある？

- シミュレーションベースのbenchmarkであり、実環境への一般化については要旨からは不明 - radar gapやearly recognitionへの頑健性は示されるが、限界や失敗事例の詳細は要旨からは不明 - 5つのmission intent、22のtrajectory programという範囲での評価であり、他のintentやprogramへの拡張性は要旨からは不明

6. 次に読むべき論文は？

- trajectory-only baseline（具体的名称は要旨からは不明） - conventional radar-RGB late-fusion baseline（具体的名称は要旨からは不明） - 関連手法としてmultimodal UAV detection, tracking, localizationの既存dataset研究 - 同分野の定番としてmultimodal fusionおよびintent recognitionの一般的な手法

※ 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: Yutong Chen, Jingxin Mao, Zhiwei Wei, Bing Li, Jianzhong Ni, Rongqing Zhang

分類: cs.RO

原文アブストラクト

Reliable recognition of mission-level UAV intent from multimodal observations is essential for low-altitude airspace surveillance and security. Existing multimodal UAV datasets primarily support detection, tracking, and localization, leaving limited support for evaluating mission-intent recognition across held-out trajectory programs and incomplete radar histories. We introduce AeroIntent, a simulation-based benchmark comprising 990 synchronized multimodal sequences generated by 22 trajectory programs across five mission intents. The benchmark provides radar, RGB, infrared, and depth observations, together with program-disjoint, radar-gap, and observation-prefix evaluation protocols. Building on this benchmark, we propose AeroMIR, a structured Multimodal Intent Reasoner that integrates radar trajectories, derived behavioral features, selected visual evidence, and task knowledge for candidate-based UAV intent recognition. Under a strict program-disjoint protocol evaluating unseen tactical realizations, AeroMIR achieves a mean accuracy of 71.56% and a mean Macro-F1 of 69.84% across three seeds, outperforming the strongest trajectory-only baseline by 7.79 Macro-F1 points and a conventional radar-RGB late-fusion baseline by 19.32 points. AeroMIR also demonstrates strong performance under controlled radar gaps and early intent recognition settings. AeroIntent and AeroMIR provide a reproducible foundation for multimodal UAV intent recognition. The benchmark is available at: https://anonymous.4open.science/r/AeroIntent

arXivで原文を読む →arXiv概要ページ

AeroIntent: UAVミッション意図認識のための同期マルチモーダルベンチマーク

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？

原文アブストラクト

関連論文

今週よく読まれている記事

MINISFORUM（ミニPC）

双腕モバイルマニピュレーター OpenShell