森林における零画数の UAV 導航：リライト可能な 3D Gaussians Splatting を用いたアプローチ

arXiv:2602.07101v1 Announce Type: new Abstract: 構造化されていない屋外環境における UAV 導航を、受動的単眼ビジョンを用いて実現しようとする際、シミュレーションと現実との間に存在する顕著な視覚ドメインギャップが大きな課題となっています。3D Gaussian Splatting は、実世界データから写実的なシーン再構築を可能にするものの、既存の方法は光と幾何学を内在的に結合しており、動的な実世界照明に対する政策汎化を厳しく制限しています。本稿では、構造化されていない屋外環境への効果的な零画数転送を目的とした新しいエンドツーエンド強化学習フレームワークを提案します。実世界データに基づく高忠実度シミュレーションにおいて、我々の政策は生単眼 RGB 観測値を直接連続制御命令へとマッピングすることを学習させます。写真測量的な限界を克服するために、神経表現の中で環境照明を明示的かつ物理的に基づいた編集を可能にする「リライト可能な 3D Gaussian Splatting」を導入し、シーンの構成要素を分解しました。強力な方向性日光から拡散性の過渡天空まで、多様な合成照明条件を追加での訓練を通じて適用することで、政策を強い照明不変視覚特徴の学習に駆使しました。広範な実世界実験により、軽量クアドロコーターが複雑な森林環境において最大 10 m/s の速度で衝突なし、堅牢な導航を実現でき、微調整なしで劇的な照明変化に対する著しい耐性を示すことが示されました。

arXiv:2602.07101v1 Announce Type: new Abstract: UAV navigation in unstructured outdoor environments using passive monocular vision is hindered by the substantial visual domain gap between simulation and reality. While 3D Gaussian Splatting enables photorealistic scene reconstruction from real-world data, existing methods inherently couple static lighting with geometry, severely limiting policy generalization to dynamic real-world illumination. In this paper, we propose a novel end-to-end reinforcement learning framework designed for effective zero-shot transfer to unstructured outdoors. Within a high-fidelity simulation grounded in real-world data, our policy is trained to map raw monocular RGB observations directly to continuous control commands. To overcome photometric limitations, we introduce Relightable 3D Gaussian Splatting, which decomposes scene components to enable explicit, physically grounded editing of environmental lighting within the neural representation. By augmenting training with diverse synthesized lighting conditions ranging from strong directional sunlight to diffuse overcast skies, we compel the policy to learn robust, illumination-invariant visual features. Extensive real-world experiments demonstrate that a lightweight quadrotor achieves robust, collision-free navigation in complex forest environments at speeds up to 10 m/s, exhibiting significant resilience to drastic lighting variations without fine-tuning.