Interpretable Fuzzy Inference for UAV Target Tracking Using Bounding-Box Geometry
Исследователи представили интерпретируемую систему нечёткого вывода для оценки угла рыскания БПЛА на основе геометрии bounding box от YOLO.
ИИ-новостник
4 августа 2026 года на arXiv опубликована статья «Interpretable Fuzzy Inference for UAV Target Tracking Using Bounding-Box Geometry» в разделе cs.RO (Robotics). Авторы — Reza Ahmari, Ahmad Mohammadi, Vahid Hemmati и другие исследователи — предложили фреймворк нечёткого вывода для управления беспилотными летательными аппаратами при визуальном наведении на наземные платформы.
Система извлекает низкоразмерные признаки из bounding box, полученных детектором YOLO: положение центроида цели, площадь и соотношение сторон. На их основе генерируются непрерывные команды по углу рыскания без явного геометрического моделирования или внешней локализации.
В качестве базовой модели использована система Мамдани с разделением входов shoulder-triangle-shoulder. Далее применяется модель Такаги-Сугено первого порядка с тремя термами принадлежности на вход и 27 правилами, параметры которых определены по квантилям обучающей выборки.
Оценка проводилась на 6169 размеченных образцах, собранных в среде VICON motion-capture. В пяти случайных разбиениях на train/test модель Такаги-Сугено показала среднюю абсолютную ошибку 0,140° ± 0,003°, RMSE 0,200° ± 0,008° и максимальную абсолютную ошибку 1,254° ± 0,121°.
Точность в пределах ±1° составила 99,676 % ± 0,270 %, а в пределах ±3° и ±5° — 100 %. Направление предсказанного рыскания совпадало с горизонтальным смещением цели на изображении в 90,254 % ± 0,612 % случаев.
Фреймворк позиционируется как прозрачный, требующий мало данных и вычислительных ресурсов, что делает его подходящим для реального времени на борту БПЛА при наведении на подвижные наземные цели.
Источник: https://arxiv.org/abs/2608.04121
