論文の概要: Current Advancements on Autonomous Mission Planning and Management
Systems: an AUV and UAV perspective
- arxiv url: http://arxiv.org/abs/2007.05179v1
- Date: Fri, 10 Jul 2020 05:56:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-11 22:27:39.365130
- Title: Current Advancements on Autonomous Mission Planning and Management
Systems: an AUV and UAV perspective
- Title(参考訳): 自律型ミッションプランニング・マネジメントシステムの現状と展望--AUVとUAVの視点から
- Authors: Adham Atyabi, Somaiyeh MahmoudZadeh, Samia Nefti-Meziani
- Abstract要約: 本稿では,UVのミッションプランニング・マネジメントシステムについて紹介する。
本研究は,UVの自律性評価に関する総合的な調査である。
本論文は、ヒューマノイドと自律システムの性能を別々に説明し、UV運用における人間の役割と影響を明らかにする。
- 参考スコア(独自算出の注目度): 0.43036809606968096
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Advances in hardware technology have enabled more integration of
sophisticated software, triggering progress in the development and employment
of Unmanned Vehicles (UVs), and mitigating restraints for onboard intelligence.
As a result, UVs can now take part in more complex mission where continuous
transformation in environmental condition calls for a higher level of
situational responsiveness. This paper serves as an introduction to UVs mission
planning and management systems aiming to highlight some of the recent
developments in the field of autonomous underwater and aerial vehicles in
addition to stressing some possible future directions and discussing the
learned lessons. A comprehensive survey over autonomy assessment of UVs, and
different aspects of autonomy such as situation awareness, cognition, and
decision-making has been provided in this study. The paper separately explains
the humanoid and autonomous system's performance and highlights the role and
impact of a human in UVs operations.
- Abstract(参考訳): ハードウェア技術の進歩により、高度なソフトウェアの統合が促進され、無人車両(UV)の開発と雇用が進展し、搭載されたインテリジェンスに対する抑制が緩和された。
その結果、uvsはより複雑なミッションに参加し、環境条件における継続的な変換はより高いレベルの状況応答性を必要とする。
本稿は,無人水中・航空車両分野における最近の発展を浮き彫りにすることを目的とした,UVのミッションプランニング・マネジメントシステムの導入として,将来的な方向性を強調し,学習した教訓について議論することを目的としている。
本研究は,UVの自律性評価と,状況意識,認知,意思決定といった自律性の異なる側面に関する総合的な調査である。
論文はヒューマノイドと自律システムの性能を別々に説明し、uvs運用における人間の役割と影響を強調する。
関連論文リスト
- Forging Vision Foundation Models for Autonomous Driving: Challenges,
Methodologies, and Opportunities [59.02391344178202]
ビジョンファウンデーションモデル(VFM)は、幅広いAIアプリケーションのための強力なビルディングブロックとして機能する。
総合的なトレーニングデータの不足、マルチセンサー統合の必要性、多様なタスク固有のアーキテクチャは、VFMの開発に重大な障害をもたらす。
本稿では、自動運転に特化したVFMを鍛造する上で重要な課題について述べるとともに、今後の方向性を概説する。
論文 参考訳(メタデータ) (2024-01-16T01:57:24Z) - Open-sourced Data Ecosystem in Autonomous Driving: the Present and
Future [131.69699438604533]
このレビューは、70以上のオープンソースの自動運転データセットを体系的に評価する。
高品質なデータセットの作成の基礎となる原則など、さまざまな側面に関する洞察を提供する。
また、解決を保障する科学的、技術的課題も検討している。
論文 参考訳(メタデータ) (2023-12-06T10:46:53Z) - LLM4Drive: A Survey of Large Language Models for Autonomous Driving [67.843551583229]
大規模言語モデル(LLM)は、文脈理解、論理的推論、回答生成などの能力を示した。
本稿では,自動走行のための大規模言語モデル (LLM4AD) に関する研究ラインを体系的にレビューする。
論文 参考訳(メタデータ) (2023-11-02T07:23:33Z) - A Comprehensive Review of AI-enabled Unmanned Aerial Vehicle: Trends,
Vision , and Challenges [0.6827423171182153]
この研究は、AIがナビゲーション、物体の検出と追跡、野生生物のモニタリング、精密農業の強化、救助活動の促進、監視活動の実施、環境に配慮した計算技術を用いたUAV間のコミュニケーションの確立にどのように貢献するかを検討する。
可能性を見据えながら、倫理的考慮、安全性に関する懸念、確立すべき規制フレームワーク、AIに強化されたUAVシステムの責任ある展開についても検討する。
論文 参考訳(メタデータ) (2023-10-25T04:52:16Z) - Rethinking Integration of Prediction and Planning in Deep Learning-Based
Automated Driving Systems: A Review [62.997667081978825]
最近の研究は、安全で効率的で快適な運転を実現するためには、相互依存のジョイントステップにおける予測と計画の統合が必要であることを示唆している。
我々は、最先端のディープラーニングベースの予測、計画、統合予測と計画モデルについて体系的にレビューする。
論文 参考訳(メタデータ) (2023-08-10T17:53:03Z) - Assurance for Autonomy -- JPL's past research, lessons learned, and
future directions [56.32768279109502]
幅広い状況の変動が、事前計画された応答を妨げている場合、自律性が必要である。
ミッション・アシュアランス(Mission Assurance)は、信頼性を提供する上で重要な貢献者であるが、何十年にもわたって宇宙飛行に輝く保証の実践は、自律性に関する経験が比較的少ない。
JPLのソフトウェア保証グループの研究者は、自律性の保証に特化した技術の開発に関与している。
論文 参考訳(メタデータ) (2023-05-16T18:24:12Z) - Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts,
Datasets and Metrics [77.34726150561087]
本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。
両センサと融合に関する概念と特徴を提示する。
本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
論文 参考訳(メタデータ) (2023-03-08T00:48:32Z) - Survey of Deep Learning for Autonomous Surface Vehicles in the Marine
Environment [15.41166179659646]
今後数年以内に、幅広い用途で利用できる高度な自動運転技術が提供される予定だ。
本稿では,ASV関連分野におけるディープラーニング(DL)手法の実装に関する既存研究について検討する。
論文 参考訳(メタデータ) (2022-10-16T08:46:17Z) - Towards Explaining Autonomy with Verbalised Decision Tree States [1.101002667958165]
この研究は、ミッション中に自動運転車が行う決定と行動を説明するためのフレームワークを提供することを目的としている。
異なる自律システムに異なる自律性を持たせるために、この研究は、自律性の内部動作を決定点から切り離す。
蒸留した決定木の出力は、自然言語の説明と組み合わせられ、演算子に文として報告される。
論文 参考訳(メタデータ) (2022-09-28T10:28:01Z) - Deep Learning and Reinforcement Learning for Autonomous Unmanned Aerial
Systems: Roadmap for Theory to Deployment [0.9176056742068812]
機械学習、特にディープラーニングと強化学習の進歩が、次世代の自律型UASの開発にどのように活用できるかを論じる。
UASへの自律性を実現する上で不可欠な重要な領域は、コンピュータビジョンである。
論文 参考訳(メタデータ) (2020-09-07T18:10:16Z) - Autonomy and Unmanned Vehicles Augmented Reactive Mission-Motion
Planning Architecture for Autonomous Vehicles [3.2013172123155615]
本書は、内外の状況意識におけるUVの自律性とその関連性に関する包括的調査を提供することを目的としている。
人間の監督への依存を最小限に抑えるためには、先進的なインテリジェンスレベルが不可欠である。
自律的なシステムには、境界を自律的な構造へと押し上げるための堅牢なミッション管理戦略が必要です。
論文 参考訳(メタデータ) (2020-07-19T02:34:48Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。