logo móvil
Contáctanos

AGCNeRF: Mapeo Visual y Navegación Colaborativa Aire-Tierra a través de Campos de Radiancia Neurales Mejorados por Puntos de Referencia

Autores: Lu, Chenxi; Yu, Meng; Wang, Yin; Li, Hua

Idioma: Inglés

Editor: MDPI

Año: 2026

Descargar PDF

Acceso abierto

Artículo científico
2026

AGCNeRF: Mapeo Visual y Navegación Colaborativa Aire-Tierra a través de Campos de Radiancia Neurales Mejorados por Puntos de Referencia


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Robótica

Palabras clave

Vehículos no tripulados
Misiones de alto riesgo
AGC-NeRF
Marco de exploración colaborativa aire-tierra
UAVs
UGVs

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 1

Citaciones: Sin citaciones


Descripción
Los vehículos no tripulados se están volviendo cada vez más esenciales para llevar a cabo misiones de alto riesgo en entornos desconocidos, como la búsqueda y el rescate. A medida que la complejidad de los entornos operativos aumenta, realizar tareas no tripuladas se vuelve engorroso o incluso inviable para un solo vehículo, obstaculizado por una percepción limitada y restricciones operativas. Con el objetivo de mejorar la flexibilidad de las operaciones no tripuladas en escenarios complicados, este estudio presenta AGC-NeRF, un innovador marco de exploración colaborativa aire-tierra que aprovecha la complementariedad funcional de los UAV y los UGV, permitiendo que un UGV navegue a través de un escenario complejo con la asistencia de un UAV mediante la referencia a un mapa de radiancia neural. Primero, se emplea un UAV para recopilar imágenes aéreas para reconstruir el entorno que será explorado por un UGV, aprovechando su perspectiva aérea para lograr una cobertura de área amplia y una percepción ambiental global que es inalcanzable para un solo UGV. Concurrentemente, se introduce un enfoque innovador de evaluación de saliencia de imágenes para seleccionar meticulosamente los hitos que son contribuyentes al sistema de navegación del UGV, generando un modelo NeRF preentrenado de la escena de operación. Luego, se diseñan un estimador de ego-moción de 6 grados de libertad consciente de hitos y un optimizador de trayectoria libre de colisiones para el UGV basado en el mapa NeRF. Finalmente, se establece una arquitectura de replanteamiento en línea que depende de una estación terrestre para el entrenamiento de NeRF y la optimización del estado al sinergizar el planificador de trayectoria y el estimador de estado, lo que forma un pipeline de navegación solo visual de doble agente. Las simulaciones y experimentos validan que AGC-NeRF permite una planificación de trayectoria confiable para el UGV y una estimación de estado en entornos desconocidos, demostrando una eficacia y robustez superiores del paradigma colaborativo aire-tierra.

Otros recursos que podrían interesarte

Temas Virtualpro