Sir Airffic Go全部読まんでもええ。テーマで絞って、気になる1本の要約と「事業への示唆」だけ読んでみんさい。
論文の読み方
- 要約は、中学2年生にわかる言葉に言い換えたもの。正確な内容は原文で確かめてほしい。
- 事業への示唆は、編集部の解釈じゃ。
- 読んだ深さは、本文まで読んだか、要旨（論文のまとめ）だけかを示す。
論文を全部見る (51)
Parallel Tracking and Mapping for Small AR Workspaces ↗
カメラ1台で「自分がどこにいるか」を追う処理と「周りの3D地図を作る」処理を、別々の流れで同時に動かす方法を示した。これで重い地図づくりをしながらも、リアルタイムで位置を追えるようになった。
戦略上の意味: 追跡と地図作成を分けるこの設計は、後のドローン用ビジュアルSLAMの基本形となり、GPSのない屋内飛行製品の土台になった。
限界: 小さな机の上のような狭い空間向けに作られており、広い屋外や速い飛行には向かない。
A Multi-State Constraint Kalman Filter for Vision-aided Inertial Navigation ↗
カメラの画像と加速度・回転を測るセンサー（IMU）を組み合わせて、乗り物の位置と向きを推定するフィルター（MSCKF）を提案した。計算量を抑えつつ精度を保つ工夫がされている。
戦略上の意味: 軽い計算で動く視覚慣性航法の原型として、スマホAR・ドローン・宇宙機の位置推定に広く受け継がれている。
限界: フィルター方式のため、長時間飛ぶと誤差が少しずつたまり、ループ閉じ込みなどの補正は別途必要になる。
Minimum snap trajectory generation and control for quadrotors ↗
クアッドコプターが決められた点を通りながら、急な動きを避けたなめらかな軌道をリアルタイムで計算する方法を示した。狭い屋内で速く飛ぶスラローム実験で効果を確かめた。
戦略上の意味: 「ミニマムスナップ」軌道は今も多くの機体・制御ソフトで使われる標準技術で、機敏な自律飛行の基盤になっている。
限界: 実験は外部のモーションキャプチャで位置を測る前提で、機体だけで周囲を見て飛ぶものではない。
Trajectory generation and control for precise aggressive maneuvers with quadrotors ↗
クアッドコプターに、すき間をくぐり抜けたり止まり木に止まったりするような、正確で激しい動きをさせる軌道と制御の方法をまとめた。小型ドローンの「機敏さ」を世界に示した代表的研究である。
戦略上の意味: 機敏な飛行の可能性を示したことで、点検・配送・レースなど高い運動性能を売りにする事業の技術的な期待値を引き上げた。
限界: 室内の外部カメラで機体の位置を正確に測ることが前提で、屋外の実環境にはそのまま使えない。
Towards A Swarm of Agile Micro Quadrotors ↗
重さ73g・幅21cmの小さなクアッドコプターを作り、20機のチームで隊形を組んで飛ばした。機体が小さいほど機敏になり、密集した隊形でも飛べることを示した。
戦略上の意味: 小型機を大量に協調させる発想は、後のドローンショーや群制御ビジネスの原点の一つになった。
限界: 位置は外部のモーションキャプチャ頼みで、機体が自分で周囲を見て協調しているわけではない。
Polynomial Trajectory Planning for Aggressive Quadrotor Flight in Dense Indoor Environments ↗
障害物の多い屋内でクアッドコプターを速く飛ばすため、多項式でなめらかな飛行経路をすばやく安定して計算する方法を示した。最大秒速8mで狭い屋内を飛ぶことに成功した。
戦略上の意味: 著者のBryとRoyの研究室の流れはSkydio創業につながっており、学術的な経路計画が商用自律ドローンへ移った好例である。
限界: 大域的に最適な経路が得られる保証はなく、地図が事前にあることを前提としている。
Vision-Controlled Micro Flying Robots: From System Design to Autonomous Navigation and Mapping in GPS-Denied Environments ↗
欧州のsFlyプロジェクトの成果として、カメラとIMUだけでGPSなしに自律飛行し地図を作る小型ドローンの全体設計をまとめた。複数機で地図を共有する仕組みも含まれる。
戦略上の意味: カメラだけで飛ぶ小型ドローンが実用レベルに近づいたことを示し、GPSが使えない屋内・災害現場の市場を切り開いた。
限界: 当時の計算資源の制約から、飛行速度や環境の複雑さには限りがあった。
SVO: Fast Semi-Direct Monocular Visual Odometry ↗
画像の明るさを直接使う方式と特徴点を使う方式を組み合わせ、カメラ1台で自分の動きをとても速く推定する方法（SVO）を作った。小型ドローンの非力なコンピューターでも動くことを狙っている。
戦略上の意味: 省電力・高速な位置推定はバッテリーと計算資源が限られるドローンで決定的に重要で、多くの機体開発に影響した。
限界: カメラ1台だけでは距離の絶対的な大きさがわからず、IMUなど他のセンサーとの組み合わせが必要になる。
ORB-SLAM: a Versatile and Accurate Monocular SLAM System ↗
カメラ1台で、狭い室内から広い屋外まで、自分の位置推定と地図作りを同時に行うSLAMシステムを作った。同じ場所に戻ったことに気づいて誤差を直す機能もあり、ソースコードも公開された。
戦略上の意味: オープンソースで広く使われ、ドローンを含むロボット企業が視覚SLAMを素早く試作できる共通基盤になった。
限界: カメラ1台版は距離の縮尺がわからず、速い動きや模様のない場所では追跡を失いやすい。
Keyframe-based visual-inertial odometry using nonlinear optimization ↗
カメラとIMUの情報を、重要な画像（キーフレーム）にしぼって最適化計算でまとめ、正確に自分の動きを求める方法（OKVIS）を示した。フィルター方式より精度が高くなりやすい。
戦略上の意味: 最適化型の視覚慣性オドメトリを実用化に近づけ、産業用ドローンやARの高精度位置推定の選択肢を広げた。
限界: フィルター方式に比べて計算が重く、小さな機体の組み込みコンピューターでは負担になる。
Robust visual inertial odometry using a direct EKF-based approach ↗
画像の小さな領域の明るさを直接使い、IMUと組み合わせて拡張カルマンフィルターで動きを推定する方法（ROVIO）を示した。計算が軽く、ドローンでよく使われた。
戦略上の意味: 軽量で頑健なオープンソースの位置推定は、研究用・産業用ドローンの開発コストを下げた。
限界: 追跡できる特徴の数が限られ、長距離では誤差がたまりやすい。
Science, technology and the future of small autonomous drones ↗
小型の自律ドローンが農業・災害対応・物流などの民間分野で広がる未来を展望した総説である。課題は、飛び続けるためのエネルギーと、ごちゃごちゃした場所で周りを理解して判断する力だと指摘した。
戦略上の意味: 市場拡大のボトルネックが「電池」と「知覚・判断」にあると整理しており、空のフィジカルAIへの投資テーマを示している。
限界: 展望論文であり、新しい技術を実験で示したものではない。
A Machine Learning Approach to Visual Perception of Forest Trails for Mobile Robots ↗
深層ニューラルネットワークに森の小道の写真を学ばせ、道がどちらに曲がっているかを1枚の画像から判断させた。人間並みの精度に達し、ドローンで初めての小道をたどる予備実験も行った。
戦略上の意味: 手作りのルールではなくデータから学ぶ知覚でドローンを操る流れの先がけとなり、学習型ナビゲーション市場の出発点になった。
限界: 出力は左・正面・右の大まかな方向だけで、障害物回避や高度の判断は扱っていない。
A Benchmark and Simulator for UAV Tracking ↗
低空のドローンから撮った123本の高画質動画に正解ラベルを付けた追跡ベンチマーク（UAV123）と、リアルなドローンシミュレーターを公開した。どの追跡手法がドローン向きかを比べられるようにした。
戦略上の意味: 共通の評価データがあることで、追尾撮影や監視などの映像AI製品の性能比較と改良が加速した。
限界: 映像の種類や天候・時間帯が限られ、実運用の多様な条件をすべてはカバーしていない。
On-Manifold Preintegration for Real-Time Visual-Inertial Odometry ↗
IMUのたくさんの測定値を、重要な画像と画像の間で1つの「動きのまとめ」にしてから計算する方法（プリインテグレーション）を、回転の数学を正しく扱う形で示した。これで高精度な位置推定をリアルタイムで行えるようになった。
戦略上の意味: この手法はVINS-Monoなど多くの位置推定ソフトに組み込まれ、業界標準の基礎技術になった。
限界: IMUのノイズモデルが正しいことを前提にしており、センサーの特性がずれると精度が落ちる。
Toward Low-Flying Autonomous MAV Trail Navigation using Deep Neural Networks for Environmental Awareness ↗
NVIDIAの研究者が、森の小道に沿って低空を飛ぶ安価なドローンを作った。中心となるニューラルネット「TrailNet」が道の向きと中心からのずれを推定し、すべての計算を機体に積んだJetson TX1で行って1kmの自律飛行を達成した。
戦略上の意味: GPU搭載の小型エッジAIボードでドローンの知覚を完結できることを示し、半導体メーカーがドローン市場に入る足がかりになった。
限界: 小道という比較的単純な環境向けで、複雑な都市空間や高速飛行はあつかっていない。
CAD2RL: Real Single-Image Flight Without a Single Real Image ↗
3DのCADモデルで作った仮想空間だけでドローンの操縦AIを強化学習で訓練し、実物の写真を1枚も使わずに本物の屋内で衝突せずに飛ばした。仮想空間の見た目をわざとバラバラに変えて学ばせるのがコツである。
戦略上の意味: 「シミュレーションで学び現実で使う」（ドメインランダム化）路線を確立し、高価な実機データ収集のコストを下げる道を示した。
限界: 屋内の比較的ゆっくりした飛行が対象で、高速や屋外での性能は示されていない。
AirSim: High-Fidelity Visual and Physical Simulation for Autonomous Vehicles ↗
マイクロソフトが、ゲームエンジン（Unreal Engine）を使って見た目も物理もリアルなドローン・自動車用シミュレーター「AirSim」を作った。実機の飛行と比べて、ソフトの部品がきちんと再現できることを確かめた。
戦略上の意味: オープンソースの高品質シミュレーターは、AI学習用データ生成や安全な試験を安くし、ドローン開発の参入障壁を下げた。
限界: シミュレーションと現実の差（シム・トゥ・リアルギャップ）は残り、実機検証は欠かせない。
Reluplex: An Efficient SMT Solver for Verifying Deep Neural Networks ↗
ニューラルネットワークが「絶対にこう動く」ことを数学的に証明する検証手法Reluplexを提案した。無人航空機用の衝突回避システムACAS Xuのニューラルネット版で試し、従来より10倍大きなネットを検証できた。
戦略上の意味: AIを航空の安全認証に使うには「証明できる」ことが必要であり、ドローンの衝突回避AIを規制当局に認めてもらう道筋を示した。
限界: 検証できるネットの大きさにはまだ限りがあり、カメラ画像を扱う大きな知覚AIには直接使いにくい。
Crazyswarm: A Large Nano-Quadcopter Swarm ↗
手のひらサイズの小型ドローン（Crazyflie）を数十機まとめて飛ばすための、ハードとソフトの仕組み「Crazyswarm」を作った。研究者が大規模な群飛行を手軽に試せるようにした。
戦略上の意味: 安価なオープンな群飛行の実験基盤は、群制御アルゴリズムの研究と人材育成を世界中で加速させた。
限界: 室内のモーションキャプチャなどに頼る構成が中心で、屋外の実用群飛行とは条件が異なる。
VINS-Mono: A Robust and Versatile Monocular Visual-Inertial State Estimator ↗
カメラ1台と安いIMUだけで、実際の距離の大きさを含めて機体の位置と向きを推定するシステムVINS-Monoを作った。初期化・失敗からの回復・ループ検出まで備え、ドローンの実飛行やiPhoneでも動かしてコードを公開した。
戦略上の意味: 安価なセンサーで高精度な自己位置推定ができるオープンソースとして、多くのドローン企業・研究室の標準部品になった。
限界: 暗い場所や模様のない壁、急な照明変化ではカメラが頼れず精度が落ちる。
DroNet: Learning to Fly by Driving ↗
8層の軽いニューラルネット「DroNet」が、カメラ画像1枚から「どちらに曲がるか」と「ぶつかりそうか」を出し、ドローンが街中を飛べるようにした。学習には自動車や自転車が撮った道路の映像を使い、危険なドローン飛行データを集めずに済ませた。
戦略上の意味: 他分野（自動運転）のデータを流用してドローンAIを作れることを示し、データ収集コストの削減という事業上の利点を示した。
限界: 地図や計画を持たない反射的な操縦なので、遠くの目的地に向かう任務には別の仕組みが必要である。
The Unmanned Aerial Vehicle Benchmark: Object Detection and Tracking ↗
約10時間のドローン映像から約8万枚の画像を選び、車などに枠と天気・高度などの属性を付けたデータセットUAVDTを作った。最新の手法でも、小さな物体や密集、カメラの動きのせいで性能が落ちることを示した。
戦略上の意味: 交通監視など空撮映像解析の事業では、地上視点のAIをそのまま使えず、ドローン専用データが競争力になることを示した。
限界: 対象は主に車両で、人や他の物体の種類は限られている。
DOTA: A Large-Scale Dataset for Object Detection in Aerial Images ↗
上空から撮った画像の中の飛行機・船・車などを見つけるための大規模データセットDOTAを作った。物体が斜めを向いていても正確に囲めるよう、回転した枠で正解を付けている。
戦略上の意味: 上空視点の物体検出の標準ベンチマークとなり、衛星・ドローン画像解析サービスの精度競争の土台になった。
限界: 主に航空写真・衛星画像で、低空を飛ぶドローンの斜め視点の映像とは見え方が違う。
Optimized flocking of autonomous drones in confined environments ↗
鳥の群れのように、中央の司令なしで数十機のドローンが屋外で一緒に飛ぶ仕組みを作った。進化的な最適化で動きのルールの数値を調整し、狭い場所でもぶつからずに群れで飛べるようにした。
戦略上の意味: 分散型の群制御が屋外で実証されたことで、点検・捜索・農業などでの多数機運用の現実味が増した。
限界: 位置共有にGPSと無線通信を使うため、GPSが使えない場所や通信が切れる状況には弱い。
Radar micro-Doppler signatures of drones and birds at K-band and W-band ↗
レーダーでドローンと鳥を見分けるため、プロペラや羽ばたきが生む細かな速度の揺れ（マイクロドップラー）を2つの周波数帯で測って比べた。ドローンの回転翼は鳥とは違う特徴を示す。
戦略上の意味: 鳥の誤検知は対ドローン（C-UAS）レーダーの最大の課題の一つで、識別技術が空港・重要施設向け製品の差別化要因になる。
限界: 測定は限られた機種と条件での実験で、遠距離や混雑した空での性能は別途確かめる必要がある。
MAVBench: Micro Aerial Vehicle Benchmarking ↗
小型ドローンの自律飛行で、計算の速さ・消費電力・バッテリー寿命がどう関係するかを調べるためのシミュレーターとベンチマーク集MAVBenchを作った。計算機の設計を工夫すると、バッテリー消費を最大1.8倍改善できると示した。
戦略上の意味: 「計算が速いほど早く飛び終えて電池が持つ」という関係を示し、ドローン専用チップや計算機設計の事業機会を裏付けた。
限界: 多くの評価がシミュレーション上で行われており、実機の多様な条件とは差がある。
A 64mW DNN-based Visual Navigation Engine for Autonomous Nano-Drones ↗
手のひらサイズの超小型ドローンに、わずか64ミリワットで動く超低消費電力チップを載せ、DroNetのニューラルネットを機体上で動かして自律飛行させた。
戦略上の意味: 数十グラム級の機体でもAI自律飛行が可能になり、超低電力エッジAIチップという新しい市場を示した。
限界: 使えるネットは小さく、複雑な環境での判断力や速度には大きな制約がある。
Machine Learning-Based Drone Detection and Classification: State-of-the-Art in Research ↗
機械学習を使ってドローンを見つけ分類する研究を、レーダー・音・カメラ・電波（RF）という4つの方法ごとに整理した総説である。それぞれの長所と短所を比べている。
戦略上の意味: 単一センサーでは限界があることを整理しており、複数センサーを組み合わせるC-UASシステムの事業的な必要性を示している。
限界: 2019年時点の総説で、その後の深層学習の急速な進歩は反映されていない。
RF-based drone detection and identification using deep learning approaches: An initiative towards a large open source drone database ↗
ドローンと操縦機の間でやり取りされる電波（RF）を記録した公開データベースを作り、深層学習でドローンの有無・機種・飛行状態を見分けた。
戦略上の意味: 電波によるドローン検知は安価で受動的なため、公開データが整うことでRF型C-UAS製品の開発が進みやすくなった。
限界: 電波を出さずに自律飛行するドローンや、データにない機種は見つけにくい。
Event-based Vision: A Survey ↗
画像を一定間隔で撮るのではなく、明るさが変わった画素だけをすぐに知らせる「イベントカメラ」について、仕組み・アルゴリズム・応用をまとめた総説である。とても速い動きや明暗差の大きい場面に強い。
戦略上の意味: 高速飛行や逆光に強い新センサーの基礎知識を整理し、イベントカメラを使ったドローン製品・部品市場の入り口となった。
限界: イベントカメラはまだ高価で解像度も低めで、普通のカメラ向けAIをそのまま使えない。
Dynamic obstacle avoidance for quadrotors with event cameras ↗
明るさの変化だけをすぐ知らせるイベントカメラを使い、ドローンが投げつけられたボールのような速い物体をよける。普通のカメラより反応までの時間がずっと短い。
戦略上の意味: 動く障害物が多い都市や現場で、低遅延センサーが安全機能の差別化要因になりうることを示した。
限界: 屋内の限られた条件での実証で、複雑な背景や多数の物体がある屋外では検証が足りない。
Deep Drone Acrobatics ↗
ループや宙返りなどの曲芸飛行を、シミュレーションの中だけで学んだニューラルネットワークで実機ドローンに行わせる。カメラと慣性センサーの情報から直接操縦を決める。
戦略上の意味: シミュレーションで学ばせて実機に移す手法が、高度な飛行技能にも使えることを示し、訓練コストを下げる道を開いた。
限界: 決められた技を決められた環境で行うもので、未知の場所や長時間の任務への一般化は示されていない。
Flightmare: A Flexible Quadrotor Simulator ↗
ドローンの動きの計算と、ゲームエンジンによる映像づくりを分けて動かす、速くて柔軟なシミュレーターである。多数の機体を並べて強化学習を速く回せる。
戦略上の意味: オープンな高速シミュレーターは、自律飛行AIの開発の入り口を広げ、学習データ作りのコストを下げる。
限界: シミュレーションと現実の見た目や空気の流れの差は残り、実機での確認は欠かせない。
Radar-Inertial Ego-Velocity Estimation for Visually Degraded Environments ↗
小さなレーダーと慣性センサーを組み合わせ、煙やほこり、暗闇でカメラが使えないときでもドローン自身の速さを求める方法である。
戦略上の意味: レーダーを航法センサーとして使う道を示し、地下・災害現場向けの機体やレーダー部品の需要につながる。
限界: 速さは求められるが位置のずれは時間とともに積み重なり、長時間の飛行には他の手段が必要である。
Evaluating collision avoidance for small UAS using ACAS X ↗
小型ドローンと有人機が近づく場面を大量にシミュレーションし、どちらがよけるべきかを比べた。上昇力の弱い小型ドローンでも使える、ACAS Xをもとにした回避ルールを示した。
戦略上の意味: 標準化された衝突回避ロジック（ACAS sXu）が、目視外飛行の認証と空域統合の前提になることを示した。
限界: シミュレーションによる評価で、実際のセンサーの誤差や通信の遅れは単純化されている。
Learning high-speed flight in the wild ↗
シミュレーションで「お手本の操縦者」をまねて学んだAIが、森や建物のまわりを最大で秒速10メートルほどで障害物をよけながら飛ぶ。地図を作らずにセンサーから直接飛び方を決める。
戦略上の意味: 地図作りを省いた学習型の飛行が、点検や捜索で速く安く動けるドローンにつながる可能性を示した。
限界: 成功率は環境と速度で下がり、失敗したときの安全をどう保証するかは未解決である。
Time-optimal planning for quadrotor waypoint flight ↗
いくつかの通過点を、機体の性能の限界まで使って最短時間で飛ぶ道すじを計算する方法である。実験では人間のプロ操縦者より速く飛んだ。
戦略上の意味: 機体の限界を使い切る計画は、配送や点検の所要時間と電池消費の短縮につながる。
限界: 計算に時間がかかり、その場での再計画や未知の障害物には向かない。
EGO-Planner: An ESDF-free Gradient-based Local Planner for Quadrotors ↗
障害物までの距離を地図全体で計算する重い処理を省き、ぶつかりそうな所だけを見て道すじを直す軽い計画方法である。小さなコンピューターでも速く動く。
戦略上の意味: 公開コードとして広く使われ、安価な機体でも自律回避を載せられる土台になった。
限界: 局所的な計画のため、行き止まりのような大きな迷路では遠回りや失敗が起こりうる。
EGO-Swarm: A Fully Autonomous and Decentralized Quadrotor Swarm System in Cluttered Environments ↗
各ドローンが自分で考えて互いにぶつからないように飛ぶ、中央の司令塔がいない群れのシステムである。森のような場所を複数機で飛び抜けた。
戦略上の意味: 中央管理なしの群れ飛行は、通信が弱い現場での捜索や点検の運用を現実に近づける。
限界: 機体数は少数で、大規模な群れや電波妨害下での性能は確かめられていない。
Detection and Tracking Meet Drones Challenge ↗
ドローンから撮った大量の画像と動画に、人や車などの位置を書き込んだデータセット「VisDrone」と、その競技会の結果をまとめた論文である。上空から小さく写る物を見つける難しさを示した。
戦略上の意味: 空撮AIの性能を比べる共通の物差しとなり、検知AIベンダーの競争を促した。
限界: 主に中国の都市で撮影されており、他の地域や天候、夜間にそのまま当てはまるとは限らない。
Real-Time Drone Detection and Tracking With Visible, Thermal and Acoustic Sensors ↗
普通のカメラ、熱を見るカメラ、マイクを組み合わせて、空飛ぶドローンを見つけて追いかける仕組みを作った。鳥や飛行機との見分けにも使えるデータを公開した。
戦略上の意味: 複数センサーの組み合わせが対ドローン製品の基本形になることを裏づけ、データ公開で検知AI開発を促した。
限界: 検知できる距離は数百メートル程度で、軍事用途の長距離や群れの検知には足りない。
Swarm of micro flying robots in the wild ↗
手のひらサイズのドローンの群れが、GPSや外部の位置計測なしに、竹林などの深い森を自分たちだけで飛び抜ける。各機が自分のカメラと計算機で判断する。
戦略上の意味: 小型・安価な機体でも群れの自律飛行ができることを示し、群れ技術の民間・防衛応用を後押しした。
限界: 飛行時間が短く、運べる荷物も少ないため、実務の任務にすぐ使える段階ではない。
FAST-LIO2: Fast Direct LiDAR-inertial Odometry ↗
LiDARの点の集まりと慣性センサーを組み合わせ、自分の位置と周りの地図を速く正確に求める方法である。特徴点を取り出さず、点をそのまま使う。
戦略上の意味: オープンソースで広く採用され、GPSが届かない屋内や森でのLiDARドローン点検の基盤技術になった。
限界: LiDARは重く高価で、形の特徴が少ない長い通路などでは位置がずれやすい。
FASTER: Fast and Safe Trajectory Planner for Navigation in Unknown Environments ↗
未知の場所では、見えている安全な空間と見えていない空間の両方を使って速い道すじを作り、いつでも安全な空間に逃げられる予備の道を持つ。速さと安全を両立させる。
戦略上の意味: 「速いが安全を保証する」設計の型を示し、後のSUPERなど高速自律飛行の考え方の土台になった。
限界: 位置推定や地図が正しい前提で、センサーの誤りがあると安全の保証は崩れる。
Champion-level drone racing using deep reinforcement learning ↗
強化学習で鍛えたAI「Swift」が、機体に積んだカメラと計算機だけで、人間の世界トップ級のドローンレース選手に勝った。物理的な競技でAIが人間のチャンピオンに勝った例である。
戦略上の意味: 学習型の自律飛行が人間の操縦技能を超えうることを示し、防衛や高速点検でのAI操縦への期待を高めた。
限界: 決まったコースと照明に合わせて学んでおり、環境が変わると性能が落ちる。
AerialVLN: Vision-and-Language Navigation for UAVs ↗
「あの建物の屋上まで行って」のような言葉の指示に従い、ドローンが街の中を飛ぶ課題とデータセットを作った。既存のAIは人間より大きく劣ることを示した。
戦略上の意味: 言葉で指示できるドローンという新市場の評価基準を作り、言語AIを空へ広げる研究の起点となった。
限界: シミュレーション上の評価で、実機や実際の街での動作は確かめていない。
RT-2: Vision-Language-Action Models Transfer Web Knowledge to Robotic Control ↗
インターネットの画像と文章で学んだ大きなAIに、ロボットの動作も「言葉」として出力させる方法である。教えていない物や指示にもある程度対応できた。
戦略上の意味: 視覚・言語・行動を一つにした基盤モデルの型を示し、ドローン向け基盤モデルの開発競争の手本となった。
限界: 地上のロボットアームでの実験で、動作が遅く、速い飛行制御にはそのまま使えない。
ChatGPT for Robotics: Design Principles and Model Abilities ↗
ChatGPTに、人がふだんの言葉で指示を出し、ドローンなどのロボットを動かすプログラムを書かせるための工夫をまとめた。シミュレーターでのドローン点検などの例を示した。
戦略上の意味: 専門知識のない人でも言葉でドローン業務を組める可能性を示し、操作ソフトの差別化軸を変えた。
限界: 人が出力を確認する前提で、言語モデルの誤りを安全に防ぐ仕組みは示されていない。
OpenFly: A Versatile Toolchain and Large-scale Benchmark for Aerial Vision-Language Navigation ↗
言葉の指示でドローンを飛ばすAIのために、さまざまな仮想の街や景色からデータを自動で大量に作る道具と、大きな評価用データセットを公開した。
戦略上の意味: データ作りを自動化することで、ドローン用基盤モデルの最大の壁である学習データ不足を下げる方向を示した。
限界: 作られたデータは主に仮想空間のもので、実際の飛行で同じ性能が出るかはわからない。
Safety-assured high-speed navigation for MAVs ↗
LiDARを積んだ小型ドローン「SUPER」が、GPSや明かりがなくても、森の中を時速70キロ前後の高速で安全に飛ぶ。常に止まれる安全な道すじを確保しながら速い道を選ぶ。
戦略上の意味: 高速と安全を両立する設計が、夜間の捜索や点検など暗所・高速の業務の実用化を近づける。
限界: LiDARの重さと値段がかかり、細い電線のような小さな障害物への対応には限界がある。
当てはまる資料がないんよ。言葉を変えてみんさい。