Source : preprint arXiv:2402.02405v1 [cs.RO], 4 février 2024 ; le PDF porte la mention « Copyright © 2024, Association for the Advancement of Artificial Intelligence » (volume et pages non imprimés) · DOI non imprimé · Zhejiang University, Zhejiang University of Technology, Ningbo Innovation Center (Zhejiang University) · accès OPEN · PDF AngleRobustnessUAV2024.pdf, sha256 9bd07f49b9ddb31a…, 10 pages Lu le : 2026-11-02. LECTURE COMPLÈTE : texte, Tab. 1 à 3 (relus sur la page), Fig. 4 consultée ; les références n’ont pas été relues une à une. Statut summarized. Thème : simulation · navigation visuelle d’UAV sans GNSS Métadonnées vérifiées dans le PDF : titre, auteurs et année conformes au corpus. Aucun DOI imprimé. Le PDF est la version arXiv ; la conférence AAAI n’est attestée que par la ligne de copyright, ce qui n’est pas une référence de publication complète.

Contexte et question

Les UAV s’appuient sur le GNSS pour la navigation point à point, mais les bâtiments, les reliefs, la météo et les interférences magnétiques dégradent le signal. Les méthodes visuelles existantes sont en deux étapes (prédire une position, puis en déduire l’angle) : par classification (image rangée dans une catégorie de position) ou par appariement (image comparée à des images candidates). Les auteurs reprochent aux deux de cumuler des erreurs quand le vent ou d’autres perturbations dévient le vol, et à l’appariement de demander du stockage et du temps. Question : prédire directement l’angle de cap à partir des images récentes, pour corriger la déviation en cours de vol.

Méthode

• Tâche : à partir de K images précédentes (chacune avec sa coordonnée 2D) et de l’image du point d’arrivée, prédire un angle θ dans (−180°, 180°] servant de commande de navigation (§Task Definition). K = 5 (p. 5).
• Adaptive Feature Enhance Module : MobileNetV3-Small préentraîné sur ImageNet extrait un embedding par image (576 dimensions) ; un module de déplacement encode le déplacement normalisé entre positions successives (512 dimensions) ; concaténation puis projection linéaire en un jeton Zk de 512 dimensions.
• Cross-knowledge Attention-guided Module : transformeur décodeur seul (encodage de position appris, 4 couches, 8 têtes, dimension cachée 1024, dropout 0,1). Seul le dernier jeton Z′K+1 sert à prédire l’angle.
• Robust Task-oriented Head : la tête d’angle (LayerNorm, module d’activation robuste à base de HardTanh et FFN, puis FFN) sort le couple (sin θ, cos θ), converti en degrés par arctangente. Justification des auteurs : le cap est fixé par le départ et l’arrivée, le couple ne peut pas sortir de la plage d’angles par troncature, et l’apprentissage non linéaire est facilité. Deux têtes auxiliaires classent la position courante (CPH) et la position suivante (NPH) parmi C catégories.
• Entraînement : AdamW, taux d’apprentissage 1e-3, décroissance de poids 0,1, CosineAnnealingWarmRestarts, perte à incertitude de tâche (Kendall et al.), 120 époques, lot de 128, images recadrées et redimensionnées à 224 × 224.
• Boucle de test (SFTI, Simulation Flight Testing Instrument) : seuls le départ et l’arrivée ont une coordonnée GNSS. À chaque pas, le modèle prédit l’angle, la position suivante est P̂2 = P1 + (sin θ1, cos θ1) × D avec D = 30 m, une vue Google Earth est capturée (vol parallèle au sol, tangage 90°, altitude idéale 80 m), des perturbations sont ajoutées, et la fenêtre glisse pour garder K images. Le vol s’arrête à moins de 25 m ou 50 m de l’arrivée, au-delà de 250 pas, ou hors de la carte de 5328 × 2300 m².
• Perturbations simulées : décalage horizontal (vent aléatoire, vent unidirectionnel), décalage vertical (altitude), puis avec imgaug : cutout, pluie, neige, brouillard, luminosité.
• Références comparées : MobileNetV3-Small, ResNet18, ViT-B/16 (classification) ; FSRA, RK-Net, LPN (appariement) ; deux variantes de l’architecture proposée : « Backbone » (sans module de déplacement) et « Backbone-FC » (sans module d’activation robuste).

Données

• UAV AR368 : 368 routes, 56 880 images (p. 5). 184 routes capturées à vitesse de 5 à 15 m/s et altitude de 60 à 100 m, chaque route dépassant 5 800 m, puis 184 routes générées avec imgaug (cutout, pluie, neige, brouillard, luminosité), car les conditions extrêmes sont difficiles à capturer. Images de 320 × 180, chacune avec sa coordonnée GNSS.
• Découpage en 100 catégories selon la position géographique ; apprentissage 45 398 images, test 11 482 images.
• Évaluation : 100 vols de test en environnement idéal et 160 en environnement perturbé, de plus de 5 800 m ; D = 30 m (p. 5).
• Métriques : SR@25 et SR@50 (taux d’arrivée à moins de 25 m et 50 m), MEPE (erreur moyenne au point d’arrivée, vols réussis), MRE et MRD (erreur et distance moyennes de route sans s’écarter de la route prescrite, écart maximal 200 m), temps d’inférence (ms), stockage (Mo).

Résultats chiffrés

Colonnes « w/o » = sans perturbation, « w/ » = avec perturbations (Tab. 1, p. 6).

• SR@25 du modèle proposé : 100.0 % sans perturbation, 67.5 % avec — « achieves SR@25 of 100.0% and 67.5% in ideal and disturbed environments » (Tab. 1, p. 6).
• SR@50 du modèle proposé : 100.0 % et 78.8 % — « SR@50 of 100.0% and 78.8% in ideal and disturbed situations » (Tab. 1, p. 6).
• Classification : 0.0 % partout — « classification-based methods fail all flights with success rate of 0.0% » (p. 6). Les auteurs l’expliquent par une mauvaise classification des images initiales.
• Appariement : « improve the success rate to around 3.0% » (p. 6) ; au mieux, SR@50 de 7.0 % (FSRA, sans perturbation, Tab. 1).
• Gains annoncés : 26,0 points et 45,6 points de SR@25 « par rapport aux références » (§Quantitative Comparison Results, p. 6). Ces écarts correspondent, d’après Tab. 1, à la variante Backbone-FC de leur propre architecture (100.0 − 74.0 ; 67.5 − 21.9), pas aux méthodes de classification ou d’appariement externes. Pour SR@50 : 26,0 et 43,2 points (100.0 − 74.0 ; 78.8 − 35.6).
• MEPE : 13.2 m (modèle proposé) contre 15.3 m (Backbone-FC) sans perturbation, soit environ 13,7 % de moins ; avec perturbations, 19.7 m contre 16.7 m pour Backbone, qui est meilleur (Tab. 1).
• MRE : « (20 m vs. 30 m; 31 m vs. 41 m) » (p. 6). MRD : 4484 m et 3820 m contre 3783 m et 2288 m pour Backbone-FC, soit environ 1,2 et 1,7 fois (Tab. 1).
• Coût : 10,7 M de paramètres et 419,7 M de FLOPs (p. 6-7), temps d’inférence « only 49 ms » (p. 7), aucun stockage de banque d’images au-delà du modèle.
• Ablation, SR@25 sans / avec perturbations (Tab. 3, p. 7) : sans AFEM ou sans CAM, 0.0 % / 0.0 % ; sans CPH, 63.0 % / 32.5 % ; sans NPH, 68.0 % / 47.5 % ; sans CPH ni NPH, 0.0 % / 0.6 % ; sans RAM, 74.0 % / 21.9 % ; modèle complet, 100.0 % / 67.5 %. Ancre : « removal of the CPH and NPH reduces the SR@25 to 63.0% and 68.0% » (p. 7).
• Nombre de candidats pour l’appariement (Tab. 2, p. 7) : le meilleur nombre est 33 (FSRA) et 25 (RK-Net) selon le texte, 17 (LPN) sans perturbation et 9 avec ; aucune configuration n’atteint 8.0 % de SR@50.

Limites déclarées par les auteurs

• Le modèle n’atteint pas 100 % en environnement perturbé. Causes envisagées : échantillons d’apprentissage insuffisants, un seul type de routes de test avec peu d’angles de vérité terrain, sur- ou sous-apprentissage ; elles ne sont pas explorées.
• Validation « on limited route samples » ; l’extension à un cadre de navigation préentraîné à grande échelle (pays, monde) est annoncée comme travail futur.

Ce que ça change pour Teleforge (interprétation, hors de l’article)

• Les chiffres élevés sont obtenus en simulation sur images satellites Google Earth, sur un petit nombre de routes d’une même zone (carte de 5328 × 2300 m²) ; ils ne disent rien d’une navigation réelle. Les perturbations (vent, météo) sont simulées après coup sur ces images.
• Les gains « de 26,0 et 45,6 points » sont mesurés contre une variante ablatée de leur propre modèle, pas contre un état de l’art externe : à citer avec cette réserve.
• Le test en boucle fermée (la prédiction fait avancer la position, le bruit est injecté à chaque pas) est une idée réutilisable pour évaluer un guidage ou une fusion en conditions dégradées, par opposition à une évaluation image par image.
• La représentation de l’angle par (sin θ, cos θ) évite la troncature et le saut à ±180° ; pertinent pour toute sortie de cap apprise.
• Le papier traite la vision seule et ne concerne ni les capteurs inertiels ni le véhicule terrestre : ancrage faible pour la chaîne, utile surtout comme point de comparaison méthodologique.