A Step-by-Step Guide to Creating a Robust Autonomous Drone Testing Pipeline

要約

自律的なドローンは、航空提供やインフラストラクチャの検査から環境監視や災害対応に至るまで、産業を急速に再形成しています。
これらのシステムの安全性、信頼性、効率を確保することは、研究プロトタイプからミッションクリティカルなプラットフォームに移行する際に最も重要です。
このペーパーでは、各重要な段階をカバーする堅牢な自動運転ドローンテストパイプラインを確立するための段階的なガイドを紹介します。これは、ループ中のソフトウェア（SIL）シミュレーションテスト、ループのハードウェア（HIL）テスト、制御された現実世界のテスト、およびフィールドテストです。
マーカーベースの自律着陸システムなどの実用的な例を使用して、ドローンシステムの動作を体系的に検証し、統合の問題を特定し、パフォーマンスを最適化する方法を示します。
さらに、神経相とLLMの統合、共産環境の作成、デジタルツイン対応シミュレーションベースのテスト技術など、ドローンテストの将来を形作る新しい傾向を強調しています。
このパイプラインに従うことにより、開発者と研究者は包括的な検証を達成し、展開リスクを最小限に抑え、安全で信頼できる実世界の運用のために自律的なドローンを準備できます。

要約(オリジナル)

Autonomous drones are rapidly reshaping industries ranging from aerial delivery and infrastructure inspection to environmental monitoring and disaster response. Ensuring the safety, reliability, and efficiency of these systems is paramount as they transition from research prototypes to mission-critical platforms. This paper presents a step-by-step guide to establishing a robust autonomous drone testing pipeline, covering each critical stage: Software-in-the-Loop (SIL) Simulation Testing, Hardware-in-the-Loop (HIL) Testing, Controlled Real-World Testing, and In-Field Testing. Using practical examples, including the marker-based autonomous landing system, we demonstrate how to systematically verify drone system behaviors, identify integration issues, and optimize performance. Furthermore, we highlight emerging trends shaping the future of drone testing, including the integration of Neurosymbolic and LLMs, creating co-simulation environments, and Digital Twin-enabled simulation-based testing techniques. By following this pipeline, developers and researchers can achieve comprehensive validation, minimize deployment risks, and prepare autonomous drones for safe and reliable real-world operations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google