SAGA：安全なUAV自律航行のための頑健な自己注意とゴール対応型アンカー・ベース・プランナ

要旨: 障害物が密集した環境における機敏な無人航空機（UAV）のナビゲーションでは、複数の実行可能な運動を推論できる構造表現力と、計算効率の両立を可能にする計画アーキテクチャが必要とされる。本論文では、安全なUAV自律航行のための、頑健な自己注意と目標認識アンカーに基づくプランナーであるSAGAを提案する。SAGAは、局所計画を、固定された運動アンカーの格子上での1段階の結合回帰とランキング（順位付け）の問題として定式化する。深度画像と機体座標系フレームの運動状態が与えられると、プランナーは1回の順伝播で、すべてのアンカーについて洗練された終端状態と計画スコアを予測する。その後、最良の候補を動力学的に実行可能な軌道へ復号する。SAGAの鍵となるアイデアは、アンカー整列（アライン）された特徴を幾何学を意識したトークンに変換し、自己注意によってアンカー間でのクロスアンカーの大域推論を行うことである。トークン空間における方向性の構造を保持するために、さらにアンカーのヨー角とピッチ角に基づく極座標（ポーラ）位置エンコーディングを導入する。加えて、目標認識モジュールが、最終的なスコア予測の前に、トークン表現へ速度、加速度、目標情報を注入する。最大速度2.0、3.0、4.0~m/sの設定の下で、障害物が密集した柱状マップ環境で行った実験では、SAGAは一貫して100%の成功率を達成するのに対し、YOPOは90.91%から62.50%へ、Ego-plannerは71.43%から52.63%へ、Fast-plannerは52.63%から38.46%へ低下する。最大速度4.0~m/sの設定では、SAGAはYOPOに対して平均の安全性を1.9843~mから2.3888~mへ、最小の安全性を0.4390~mから0.7576~mへ改善しつつ、総飛行時間を40.4631~sから27.4901~sへ削減する。さらに、PPEなしのSAGAとの比較により、明示的な極座標位置エンコーディングが、密集したシーンでの安定したクロスアンカー推論と安全な通過選択に不可欠であることが示される。