ESARBench：エージェント型UAVによる身体性検索・救助のためのベンチマーク

arXiv cs.RO / 2026/5/5

📰 ニュースDeveloper Stack & InfrastructureSignals & Early TrendsIdeas & Deep AnalysisModels & Research

共有:

要点

この論文では、UAVエージェントが複雑な環境を自律探索し、救助の手がかりを発見して、被害者の位置を推論することで意思決定を行う新しいタスクとしてESAR（Embodied Search and Rescue）を提案しています。
MLLM（マルチモーダル大規模言語モデル）を活用したUAVエージェントを、現実に近いSARシナリオで評価するための初めての包括的ベンチマークとしてESARBenchを提示します。
ESARBenchはUnreal Engine 5とAirSimを用いて構築され、4つの大規模でフォトリアルな環境を実世界のGISデータから生成し、地形の再現性を高めています。
天候、時間帯、手がかりの確率的配置といった動的要素を含め、600件のタスクと評価指標も提供します。
伝統的なヒューリスティックから、地上・空中のMLLMベースObjectNavエージェントまでを比較実験した結果、空間記憶と空中適応におけるボトルネック、そして捜索効率と飛行安全性のトレードオフが明らかになっています。