安全着陸ゾーン検出のための合成から現実へのパイプライン

無人航空機（UAV）の自律性が高まるにつれ、非協力的で非構造化環境における無支援回収能力の重要性が増している。安全な自律着陸を実現するには、航行可能な地形と危険な障害物を区別する高忠実度のセマンティック解像度が必要であるが、注釈付き航空データセットの不足が開発の妨げとなることが多い。本研究では、自律着陸タスクにおけるシミュレーションから現実へのギャップを埋める包括的な認識・データ生成パイプラインを提案する。

研究チームは、ドメインランダム化を用いてフォトリアルな都市環境を自動セマンティックアノテーションとともに生成する手続き型合成データエンジンを導入した。このエンジンは、多様な照明条件、季節、地形の変化を生成し、モデルの汎化能力を高める。TransformerベースのOneFormerアーキテクチャは、この合成データのみで微調整され、マルチヘッド自己注意機構によりグローバルな文脈を捉え、高精度なセマンティックセグメンテーションを実現する。

運用安全性を確保するため、パイプラインには決定論的着陸モジュールが含まれる。このモジュールはユークリッド距離変換（EDT）と動的推論ロジックを用いて、障害物周囲に厳格なクリアランスバッファを維持しながら、最大内接安全着陸ゾーンを特定する。リアルタイムで着陸可能領域を計算し、衝突を回避する。

UAVidデータセットを用いた定量的ベンチマークでは、ロバストなセマンティックセグメンテーション性能が示され、実世界のUAV映像を用いた定性的検証では、未知環境での衝突回避着陸地点の特定能力が確認された。結果は、高忠実度手続き型シミュレーションが手動アノテーションの必要性を排除し、自律UAV回収のためのエッジ展開可能な状況認識を提供する可能性を示している。この研究は、複雑な環境での安全な着陸に対する実践的な解決策を提供し、UAV物流、点検、緊急対応などの応用を促進することが期待される。