無人航空機（UAV）の自動運用レベルが高度化する中で、非協力的で非構造化された環境での無支援回収能力の実現が課題となっています。安全な自動着陸を実現するには、着陸可能な地形と危険な障害物を区別するための高忠実度のセマンティック解析が必要ですが、注釈付き航空画像データセットの不足が開発の障壁となっていました。 本研究は、自動着陸タスクにおけるシミュレーション環境から実環境への移行ギャップを埋めるための包括的な認識およびデータ生成パイプラインを提案しています。研究チームは、ドメインランダミゼーション技術を用いて、自動化されたセマンティック注釈付きで光学的に現実的な都市環境を生成する手続き的合成データエンジンを開発しました。生成されたデータを用いて、マルチヘッドセルフアテンション機構を備えたTransformer型のOneFormerアーキテクチャを専門的に調整しました。 運用安全性を確保するため、決定論的な着陸モジュールはユークリッド距離変換（EDT）と動的推論ロジックを活用し、障害物周辺のクリアランスバッファを厳密に保ちながら、最大の内接安全着陸ゾーンを特定します。UAVidデータセットに対する定量的ベンチマークテストではロバストなセマンティックセグメンテーション性能が実証され、実世界のUAV映像による定性的検証では、未知の環境における衝突なしの着陸地点を識別する能力が確認されました。この成果は、高忠実度の手続き的シミュレーションが手動注釈の必要性を排除し、自動UAV回収のためのエッジデバイス配置可能で堅牢な状況認識を提供する可能性を示唆しています。