画像ゴールナビ/ドローン2026/10/27arXiv:2610.36968

全方位視覚でドローンを目標画像へ導く機上ナビゲーション

Omni-IGN: Onboard Image-Goal Navigation for Drones with Omnidirectional Vision

4つの魚眼カメラと強化学習ポリシー、衝突回避層を組み合わせ、未知環境で目標画像の場所へドローンを自律誘導する機上システムを実現した。

詳しい要約

1. どんなもの？

- ドローン向けの Image-goal navigation (ImageNav) システム「Omni-IGN」 - 未知環境で goal image が示す地点へ到達するタスクを対象 - 完全オンボードで動作 - 構成要素 - quad-fisheye 知覚 - attention ベースの reinforcement learning (RL) policy - collision-aware safety layer - 単一視点ではなく全方位視覚を用いる点が特徴

2. 先行研究と比べてどこがすごい？

- 既存の aerial ImageNav 手法は single-view 観測に基づく - 視野外の goal 関連手がかりを探すため回転や探索が追加で必要 - Omni-IGN は quad-fisheye により複数視点を統合 - goal 関連特徴を適応的に融合し連続ナビゲーションの方向指示を得る - 専用 depth sensor なしで ImageNav と障害物回避を両立 - Habitat benchmark で連続行動ベースライン中 best performance - 詳細な比較対象名は要旨からは不明

3. 技術・手法の肝は？

- quad-fisheye RGB 画像による全方位知覚 - attention ベースの RL policy - 複数視点の goal 関連特徴を適応的に融合 - 連続行動のための方向 guidance を生成 - collision-aware safety layer - 学習ベースの depth estimation と組み合わせて衝突回避 - 専用 depth sensor を必要としない設計 - 外部 localization や fine-tuning なしの zero-shot sim-to-real を実現

4. どうやって有効だと検証した？

- Habitat benchmarks - 連続行動ベースライン中で best performance - IsaacSim での flight tests - 学習ベース depth estimation と action safety layer の統合による衝突回避の有効性を検証 - 実世界実験 - fine-tuning や外部 localization なしで zero-shot sim-to-real transfer を実証

5. 議論はある？

- 実世界で zero-shot sim-to-real を達成した点を主張 - 専用 depth sensor なしの障害物回避の実現可能性を示唆 - 具体的な限界・失敗事例・計算資源の定量評価は要旨からは不明 - baseline の詳細や安全性指標の議論は要旨からは不明

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究 - 既存の aerial ImageNav 手法（single-view ベース） - Habitat benchmarks 上の連続行動ベースライン - 関連手法として挙げられる要素 - attention ベース RL policy - learning-based depth estimation - collision-aware safety layer - 個別論文名は要旨からは不明

※ 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: Zichen Yan, Rui Huang, Shenao Wang, Yucong Wang, Nuthasith Gerdpratoom, Lin Zhao

分類: cs.RO

原文アブストラクト

Image-goal navigation (ImageNav) requires an agent to reach a location specified by a goal image in an unknown environment. For drones, this task demands exploration, goal- directed navigation, and collision avoidance under limited onboard computing resources. Existing aerial ImageNav methods are built on single-view observations, requiring additional rotation and exploration to search for goal-relevant cues outside the field of view. In this paper, we present Omni-IGN, a fully onboard ImageNav system that integrates quad-fisheye perception, an attention-based reinforcement learning (RL) policy, and a collision-aware safety layer. The policy adaptively fuses goal-relevant features across multiple views to provide directional guidance for continuous navigation. The quad-fisheye RGB images support both ImageNav and obstacle avoidance without a dedicated depth sensor. On Habitat benchmarks, Omni-IGN achieves the best performance among continuous-action baselines. Moreover, flight tests in IsaacSim validate the effectiveness of integrating learning-based depth estimation with the action safety layer for collision avoidance. Finally, real-world experiments demonstrate zero-shot sim-to-real transfer without any fine-tuning or external localization. The code and model checkpoints will be released upon acceptance.

arXivで原文を読む →arXiv概要ページ

← 論文一覧