aerial-autonomy-stack：リアルタイムより速い、ア autopilot 弓道免許のない、ROS2 フレームワークで感知に基づくドローンをシミュレーションとデプロイする

無人飛行機は、農業やインフラモニタリングからロジスティクスおよび防衛までの諸分野で急速に変化しています。これらのシステムに更なる自律性を注入することで、そのようなシステムはより有効且つ安定的になる可能性があります。したがって、それらを迅速にデザイン並びにデプロイする能力は重要な戦略的重要性要素となります。2010年代にはハイパフォーマンスコンピュート、データ、そしてオープンソースソフトウェアとの交差によって、現在の深度学習及びAIのブームが引き起こされ、数十年前の理論的準備を解放しました。ロボティクスはこの新しい革新的な発展の中での転換点においてほぼ間近に控えています。ただし、物理的なAIについては、しばしばハードウェアやソフトウェアシステムとの高度な統合問題が「シミュレーションから実質へのギャップ」の下でしばしば表れます。これにはモデルの短所を含むと各個の垂直整合性において複雑なハイ퍼マルチデバイスがあります。これらに関するこれらの課題に対処するため、我々はaerial-autonomy-stackを開発し始めました。オープンソース、統合一貫したフрейマースを使用して知覚からアクションまでのパイプラインを簡素化します。我々の stack を用いることで、ROSMおよび2つの最の人気を有するアペピットとアルドルピートを使用した空域自律航空システムを開発が可能となります。またその stacks は、デバッグクイズ、そしてリリース間の作成テストサイクルを大幅に圧縮します。

arXiv:2602.07264v1 Announce Type: cross Abstract: Unmanned aerial vehicles are rapidly transforming multiple applications, from agricultural and infrastructure monitoring to logistics and defense. Introducing greater autonomy to these systems can simultaneously make them more effective as well as reliable. Thus, the ability to rapidly engineer and deploy autonomous aerial systems has become of strategic importance. In the 2010s, a combination of high-performance compute, data, and open-source software led to the current deep learning and AI boom, unlocking decades of prior theoretical work. Robotics is on the cusp of a similar transformation. However, physical AI faces unique hurdles, often combined under the umbrella term "simulation-to-reality gap". These span from modeling shortcomings to the complexity of vertically integrating the highly heterogeneous hardware and software systems typically found in field robots. To address the latter, we introduce aerial-autonomy-stack, an open-source, end-to-end framework designed to streamline the pipeline from (GPU-accelerated) perception to (flight controller-based) action. Our stack allows the development of aerial autonomy using ROS2 and provides a common interface for two of the most popular autopilots: PX4 and ArduPilot. We show that it supports over 20x faster-than-real-time, end-to-end simulation of a complete development and deployment stack -- including edge compute and networking -- significantly compressing the build-test-release cycle of perception-based autonomy.