VANGUARD: GPS 신호가 제한된 환경에서 UAV의 지상 샘플 거리 추정을 위한 차량 기반 방법

VANGUARD: Vehicle-Anchored Ground Sample Distance Estimation for UAVs in GPS-Denied Environments

GPS 신호가 제한되거나 통신 환경이 열악한 환경에서 작동하는 자율 비행 로봇은 종종 카메라 메타데이터와 텔레메트리에 대한 접근 권한을 잃어, 탑재된 인식 시스템이 장면의 절대적인 물리적 크기를 복구하는 데 어려움을 겪습니다. LLM/VLM 기반 계획기가 임베디드 시스템의 상위 레벨 에이전트로 점점 더 많이 사용됨에 따라, 이러한 계획기가 물리적 차원을 추론하는 능력은 안전에 매우 중요합니다. 그러나 우리의 실험 결과, 최첨단 VLM 5가지가 공간적 크기 환상을 겪으며, 중앙값 영역 추정 오류가 50%를 초과한다는 것을 보여줍니다. 우리는 VANGUARD를 제안합니다. VANGUARD는 경량의 결정론적인 기하학적 인식 기술으로, 모든 LLM 기반 에이전트가 호출하여 지상 샘플 거리(GSD)를 복구할 수 있는 도구입니다. 이 도구는 환경에 존재하는 작은 차량을 감지하여 GSD를 추정합니다. 방향 박스를 통해 감지된 차량의 대표적인 픽셀 길이를 커널 밀도 추정법을 통해 안정적으로 추정하고, 미리 보정된 기준 길이를 사용하여 GSD로 변환합니다. 이 도구는 GSD 추정값과 함께 복합적인 신뢰도 점수를 반환하며, 이를 통해 호출하는 에이전트는 측정값을 신뢰할지 또는 다른 전략을 사용할지 자율적으로 결정할 수 있습니다. DOTA~v1.5 벤치마크에서 VANGUARD는 306개의 이미지에서 중앙값 GSD 오류 6.87%를 달성했습니다. SAM 기반 분할을 활용하여 후속 영역 측정을 수행한 파이프라인은 100개의 항목으로 구성된 벤치마크에서 중앙값 오류 19.7%를 보였으며, 최첨단 VLM 기준 모델보다 범주 의존성이 2.6배 낮고 심각한 오류 발생 횟수가 4배 적었습니다. 이는 에이전트에 결정론적인 기하학적 도구를 제공하는 것이 안전한 자율적 공간 추론에 필수적임을 보여줍니다.

Autonomous aerial robots operating in GPS-denied or communication-degraded environments frequently lose access to camera metadata and telemetry, leaving onboard perception systems unable to recover the absolute metric scale of the scene. As LLM/VLM-based planners are increasingly adopted as high-level agents for embodied systems, their ability to reason about physical dimensions becomes safety-critical -- yet our experiments show that five state-of-the-art VLMs suffer from spatial scale hallucinations, with median area estimation errors exceeding 50%. We propose VANGUARD, a lightweight, deterministic Geometric Perception Skill designed as a callable tool that any LLM-based agent can invoke to recover Ground Sample Distance (GSD) from ubiquitous environmental anchors: small vehicles detected via oriented bounding boxes, whose modal pixel length is robustly estimated through kernel density estimation and converted to GSD using a pre-calibrated reference length. The tool returns both a GSD estimate and a composite confidence score, enabling the calling agent to autonomously decide whether to trust the measurement or fall back to alternative strategies. On the DOTA~v1.5 benchmark, VANGUARD achieves 6.87% median GSD error on 306~images. Integrated with SAM-based segmentation for downstream area measurement, the pipeline yields 19.7% median error on a 100-entry benchmark -- with 2.6x lower category dependence and 4x fewer catastrophic failures than the best VLM baseline -- demonstrating that equipping agents with deterministic geometric tools is essential for safe autonomous spatial reasoning.