LiDARFlow: 未知環境におけるオンボードLiDARを用いたリアルタイムパネル法MAV誘導

- 未知で clutter な環境を飛行する micro aerial vehicle (MAV) 向けの guidance algorithm。 - 搭載 LiDAR のみを用い、onboard sensing で完結する。 - aerodynamic potential-flow theory 由来の panel formulation を基盤とする。 - 局所的に知覚した障害物から滑らかで衝突回避的な guidance vector を生成。 - 未知環境へ拡張するため、onboard LiDAR 計測から障害物表現を online で構築・更新。 - 得られた obstacle-avoidance field を nominal guiding vector field と統合し、最終制御入力とする。

- 従来の panel 法は既知環境を前提としていたが、本手法は未知環境へ拡張。 - onboard LiDAR から障害物表現を online 構築・更新する点が新しい。 - 計算が軽量で onboard 実装に適することを示した。 - 実機 indoor flight で waypoint navigation と directional guidance の両方を検証。 - 要旨からは、比較対象となる具体的な先行研究名は不明。

- aerodynamic potential-flow theory から導出された panel formulation を guidance に応用。 - 局所障害物から滑らかな collision-free guidance vector を生成。 - onboard LiDAR 計測から障害物表現を online で構築・更新。 - obstacle-avoidance field と nominal guiding vector field を統合。 - 統合結果を最終 control input として MAV に与える。 - 計算負荷が軽く onboard 実装可能な設計。

- indoor flight tests を実施。 - シナリオは waypoint navigation と directional guidance の 2 つ。 - 両シナリオで機体はタスクを完遂し、全障害物を回避。 - リアルタイムで onboard perception のみを使用。 - 計算が軽量で onboard 実装に適することを実証。 - pointcloud processing が主な実用的制約と特定。

- 計算が軽量で onboard 実装に適する点を強調。 - pointcloud processing が主な practical limitation と指摘。 - 未知環境での lightweight onboard guidance の実現可能性を支持。 - 要旨からは、他の限界や失敗事例、定量的評価の詳細は不明。

- 要旨で参照・比較されている具体的な先行研究は不明。 - 関連手法として aerodynamic potential-flow theory に基づく panel method が挙げられる。 - 同分野の定番として LiDAR-based obstacle avoidance、potential field 法、vector field guidance が考えられる。 - 具体的な論文名は要旨からは不明。