小型飛行ロボットは、その機動性、低コスト、そして大型プラットフォームではアクセスできない雑然とした空間を通過できる能力により、閉鎖的で危険な環境での捜索救助に特に適している。しかし、完全な暗闇での自律ナビゲーションを実現することは依然として大きな課題である。なぜなら、小型飛行ロボットは大量のペイロード、電力、計算リソースを必要とする知覚システムを簡単に搭載できないからだ。
この課題に対し、Deepak Singhらによる論文「NightSight: Passive Computation for Navigation in Dark Using Events」は、軽量な知覚アプローチを提案している。このシステムは、単眼イベントカメラ、符号化開口レンズ、赤外線ドットプロジェクタを巧みに組み合わせている。赤外線プロジェクタがシーンにドットパターンを投影し、そのパターンが符号化開口レンズを通して結像されると、深度に依存したぼけ特徴が生じ、シーンの幾何情報が暗黙的に符号化される。
研究チームは、これらのぼけ特徴を解読して高密度の深度マップを生成する畳み込みニューラルネットワーク（CNN）を訓練した。特筆すべきは、訓練には単純な平面壁の設定から生成された合成データのみを使用した点である。このような最小限の訓練条件にもかかわらず、モデルは複雑な実世界のシーンにゼロショットで汎化し、強力な汎化能力を示した。
ハードウェア面では、システムはNVIDIA Jetson Orin Nano上で20 Hzのフレームレートでリアルタイム動作し、リソース制約のあるプラットフォームへの適合性を実証している。論文ではさらに、異なる符号化開口設計が深度推定性能に与える影響を分析している。実験結果によると、この手法は2.5メートル範囲まで高精度を達成し、l1誤差は7.0センチ、相対誤差は2.80%であった。
これらの結果は、構造化照明、符号化光学、イベントベースセンシングを組み合わせることで、完全な暗闇での堅牢な知覚とナビゲーションを実現する可能性を強調している。この研究は、暗闇環境での小型ロボットの自律作業に向けた、低消費電力・低計算の有望なソリューションを提供する。
論文番号はarXiv:2605.26330で、2026年5月25日に提出され、ロボティクス（cs.RO）分野に属し、全6ページ、7枚の図で構成されている。