UAV/ビジュアルサーボ/制御2026/10/26arXiv:2610.35342

動的配管を追従するUAV向け視覚幾何サーボ制御フレームワークVisGeo-PipeTrack

VisGeo-PipeTrack: A Visual Geometric Servo Control Framework with MPC-RCAPID Control for UAV-Based Dynamic Pipes Tracking

シェア:X Threads Facebook LINE はてブ Bluesky

配管ラベルをYOLOv5で検出し視覚幾何拘束から位置を推定するとともに、モデル予測制御に基づく適応PIDで振動する配管をUAVが追従する枠組みを提案し、シミュレーションと実機で有効性を示した論文。

詳しい要約

1. どんなもの？

- UAVによるパイプライン点検を対象とした研究 - 既存研究は静的パイプを前提とするものが多い - 実環境では振動など動的な動きをするパイプが存在 - 動的パイプ追従のためのサーボ制御フレームワーク VisGeo-PipeTrack を提案 - 幾何拘束(geometric constraints)を利用したUAVの位置推定 - MPC-RCAPID 制御器による追従制御 - AirSim シミュレータと Tello UAV プラットフォームで有効性を検証

2. 先行研究と比べてどこがすごい？

- 先行研究の多くは静的パイプを仮定しており、動的環境への適用が課題 - 動的パイプでは適応制御と計算効率への要求が静的場合より厳しい - 提案手法は幾何拘束ベースの位置推定と MPC-RCAPID 制御を組み合わせる点が特徴 - シミュレーションで標準 PID、fractional-order PID、adaptive PID、fuzzy PID と比較 - MPC-RCAPID が最短整定時間 3.26 s、最低平均追従誤差 3.52% を達成 - Tello 実機実験で標準 PID 比の平均追従誤差を 3 次元で 55.52%、26.72%、26.52% 低減

3. 技術・手法の肝は？

- パイプ上のラベルを YOLOv5 で検出 - 検出ラベルに基づく視覚幾何拘束(visual geometric constraints)から位置を導出し高精度に位置推定 - MPC-RCAPID 制御器を提案 - Recursive Least Squares によるリアルタイムモデル推定 - rolling horizon optimization を統合し PID パラメータを動的に調整 - model predictive control ベースのリアルタイム補正適応 PID

4. どうやって有効だと検証した？

- AirSim シミュレータと Tello UAV プラットフォームの両方で実験 - シミュレーションで標準 PID、fractional-order PID、adaptive PID、fuzzy PID と比較 - MPC-RCAPID が最短整定時間 3.26 s、最低平均追従誤差 3.52% - Tello 実機で標準 PID と比較 - 3 つのテスト次元で平均追従誤差を 55.52%、26.72%、26.52% 低減 - 動的パイプ環境での効率的な自律追従を実証

5. 議論はある？

- 動的パイプ環境における適応制御と計算効率の要求に応える結果 - シミュレーションと実機の両方で有効性を確認 - 具体的な限界や失敗事例、計算コストの詳細な議論は要旨からは不明 - 実環境の多様な振動パターンや外乱への頑健性は要旨からは不明

6. 次に読むべき論文は？

- 比較対象として挙げられた標準 PID、fractional-order PID、adaptive PID、fuzzy PID の各手法 - ベースライン検出器として用いられた YOLOv5 - モデル推定に用いられた Recursive Least Squares - 制御枠組みとしての model predictive control - 検証環境である AirSim および Tello UAV プラットフォーム

※ 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: Zhenyang Gao, Jianlin Chen, Yang Yu, Honghao Shan, Jiale Gao, Ziyan Jia

分類: cs.RO

原文アブストラクト

While unmanned aerial vehicles (UAVs) are increasingly deployed for pipeline inspection, prevailing research predominantly assumes static pipes. In real-world industrial environments, pipes often exhibit dynamic movements, such as vibrations. This imposes more stringent requirements on UAVs' adaptive control and computational efficiency than in static scenarios. Therefore, this paper proposes a servo control framework named VisGeo-PipeTrack, which utilizes geometric constraints to enable UAV tracking of dynamic pipes. To achieve efficient UAV positioning, YOLOv5 is employed to detect labels on the pipe. The positions are derived from visual geometric constraints based on these detected labels to enable precise localization. To address tracking control challenges, a model predictive control based real-time corrected adaptive PID (MPC-RCAPID) controller is proposed. This controller employs the Recursive Least Squares method for real-time model estimation and integrates rolling horizon optimization to dynamically adjust PID parameters. Experiments conducted on both the AirSim simulator and the Tello UAV platform validate the effectiveness of the proposed framework. Simulation comparisons with standard PID, fractional-order PID, adaptive PID, and fuzzy PID demonstrate that MPC-RCAPID achieves the shortest settling time (3.26 s) and the lowest average tracking error (3.52%). In physical experiments on the Tello platform, compared with standard PID control, MPC-RCAPID reduces the average tracking error by 55.52%, 26.72%, and 26.52% across the three test dimensions. These results demonstrate that VisGeo-PipeTrack facilitates efficient autonomous tracking in dynamic pipe environments.

arXivで原文を読む →arXiv概要ページ

← 論文一覧