論文の概要: Scalable FastMDP for Pre-departure Airspace Reservation and Strategic
De-conflict
- arxiv url: http://arxiv.org/abs/2008.03518v1
- Date: Sat, 8 Aug 2020 13:25:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-01 11:56:02.196854
- Title: Scalable FastMDP for Pre-departure Airspace Reservation and Strategic
De-conflict
- Title(参考訳): 分割前の航空空間予約と戦略的非紛争のためのスケーラブルなfastmdp
- Authors: Joshua R Bertram, Peng Wei, Joseph Zambreno
- Abstract要約: 我々は,FastMDPをファースト・カム・ファースト・サービス・プレパーティショア・フライトプランのスケジューリングに適応させることができることを示す。
その結果,オンデマンド飛行スケジューリングが可能な大規模UAMスケジューラの実装が期待できることを示す。
- 参考スコア(独自算出の注目度): 2.6179073124975987
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Pre-departure flight plan scheduling for Urban Air Mobility (UAM) and cargo
delivery drones will require on-demand scheduling of large numbers of aircraft.
We examine the scalability of an algorithm known as FastMDP which was shown to
perform well in deconflicting many dozens of aircraft in a dense airspace
environment with terrain. We show that the algorithm can adapted to perform
first-come-first-served pre-departure flight plan scheduling where conflict
free flight plans are generated on demand. We demonstrate a parallelized
implementation of the algorithm on a Graphics Processor Unit (GPU) which we
term FastMDP-GPU and show the level of performance and scaling that can be
achieved. Our results show that on commodity GPU hardware we can perform flight
plan scheduling against 2000-3000 known flight plans and with server-class
hardware the performance can be higher. We believe the results show promise for
implementing a large scale UAM scheduler capable of performing on-demand flight
scheduling that would be suitable for both a centralized or distributed flight
planning system
- Abstract(参考訳): アーバン・エアモビリティ(UAM)と貨物輸送ドローンの事前出発予定は、大量の航空機をオンデマンドでスケジュールする必要がある。
fastmdp というアルゴリズムのスケーラビリティについて検討し,高密な空域環境における数十機の航空機の衝突の回避に有効であることを示した。
このアルゴリズムは, オンデマンドでコンフリクトフリーな飛行計画が生成されるような, 先着順の飛行計画スケジューリングに適応できることを示す。
我々は,FastMDP-GPUと呼ぶグラフィクスプロセッサユニット(GPU)上で,アルゴリズムの並列実装を実演し,実現可能な性能とスケーリングのレベルを示す。
その結果,コモディティGPUハードウェアでは,2000~3000の既知のフライトプランに対してフライトプランスケジューリングを行うことができ,サーバクラスのハードウェアでは性能が向上することが示された。
この結果から,集中型・分散型飛行計画システムに適したオンデマンド飛行スケジューリングが可能な大規模UAMスケジューラの実現が期待できると考えられる。
関連論文リスト
- Graph Learning-based Fleet Scheduling for Urban Air Mobility under
Operational Constraints, Varying Demand & Uncertainties [5.248564173595024]
本稿では,電気航空機のスケジュールと目的地のオンライン計画におけるグラフ強化学習手法を提案する。
それは、時間的な需要、垂直離着陸能力、航空機の容量および空域安全ガイドラインに関する制約、離陸遅延、天候によるルート閉鎖、予想外の航空機のダウンタイムに関する不確実性を考える。
論文 参考訳(メタデータ) (2024-01-09T23:46:22Z) - Planning as In-Painting: A Diffusion-Based Embodied Task Planning
Framework for Environments under Uncertainty [56.30846158280031]
具体的AIのためのタスクプランニングは、最も難しい問題の1つだ。
In-paintingとしての計画」というタスク非依存の手法を提案する。
提案するフレームワークは,様々な具体的AIタスクにおいて,有望なパフォーマンスを実現する。
論文 参考訳(メタデータ) (2023-12-02T10:07:17Z) - Fast Decision Support for Air Traffic Management at Urban Air Mobility
Vertiports using Graph Learning [7.2547164017692625]
アーバン・エアモビリティ(UAM)航空機は、バーティポートと呼ばれる小さな空港から運用される。
このスケジュールをリアルタイムで管理することは、従来の航空交通管制官にとって難しいが、代わりに自動化されたソリューションを求めている。
本稿では,UAM-VSM(Urban Air Mobility - Vertiport Schedule Management)問題に対する新しいアプローチを提案する。
論文 参考訳(メタデータ) (2023-08-17T16:05:44Z) - GraphDAC: A Graph-Analytic Approach to Dynamic Airspace Configuration [24.461948296296274]
ナショナル・エアスペース・システム(NAS)は、航空交通量の増加により能力に到達しており、時代遅れの戦術的計画に基づいている。
本研究では,よりダイナミックな空域構成(DAC)アプローチを提案する。
論文 参考訳(メタデータ) (2023-07-29T03:04:22Z) - MultiZenoTravel: a Tunable Benchmark for Multi-Objective Planning with
Known Pareto Front [71.19090689055054]
多目的AI計画では、既知のPareto Frontsを示すベンチマークが不足している。
提案するベンチマーク生成器と専用ソルバは、結果のインスタンスの真のParetoを確実に計算する。
本稿では,制約された問題に対して最適な計画を示すとともに,制約された問題に対する一般的な問題を減らす方法を示す。
論文 参考訳(メタデータ) (2023-04-28T07:09:23Z) - VIP-SLAM: An Efficient Tightly-Coupled RGB-D Visual Inertial Planar SLAM [25.681256050571058]
本稿では,RGB,Depth,IMU,構造化平面情報とを融合した密結合SLAMシステムを提案する。
我々は、最適化において多数の平面点のパラメータを除去するために、ホモグラフィ制約を用いる。
グローバルバンドル調整はスパースポイントベースのSLAMアルゴリズムの約2倍高速である。
論文 参考訳(メタデータ) (2022-07-04T01:45:24Z) - Deep Learning Aided Packet Routing in Aeronautical Ad-Hoc Networks
Relying on Real Flight Data: From Single-Objective to Near-Pareto
Multi-Objective Optimization [79.96177511319713]
航空アドホックネットワーク(AANET)のルーティングを支援するために、ディープラーニング(DL)を起動する。
フォワードノードによって観測された局所的な地理的情報を最適な次のホップを決定するために必要な情報にマッピングするために、ディープニューラルネットワーク(DNN)が考案される。
DL支援ルーティングアルゴリズムを多目的シナリオに拡張し,遅延を最小化し,経路容量を最大化し,経路寿命を最大化する。
論文 参考訳(メタデータ) (2021-10-28T14:18:22Z) - Better than the Best: Gradient-based Improper Reinforcement Learning for
Network Scheduling [60.48359567964899]
パケット遅延を最小限に抑えるため,制約付き待ち行列ネットワークにおけるスケジューリングの問題を考える。
我々は、利用可能な原子ポリシーよりも優れたスケジューラを生成するポリシー勾配に基づく強化学習アルゴリズムを使用する。
論文 参考訳(メタデータ) (2021-05-01T10:18:34Z) - Spatio-Temporal Data Mining for Aviation Delay Prediction [15.621546618044173]
本研究では,商業飛行における長期記憶ネットワーク(LSTM)に基づく航空機遅延予測システムを提案する。
このシステムは、自動監視放送(ADS-B)メッセージから歴史的軌跡から学習する。
従来と比べ,大規模なハブ空港ではより堅牢で正確であることが実証された。
論文 参考訳(メタデータ) (2021-03-20T18:37:06Z) - Edge Federated Learning Via Unit-Modulus Over-The-Air Computation
(Extended Version) [64.76619508293966]
本稿では,効率の良いエッジフェデレーション学習を実現するために,UM-AirCompフレームワークを提案する。
ローカルモデルパラメータを同時にアップロードし、アナログビームフォーミングを通じてグローバルモデルパラメータを更新する。
車両間自動運転シミュレーションプラットフォームにおけるUM-AirCompの実装を実演する。
論文 参考訳(メタデータ) (2021-01-28T15:10:22Z) - Taurus: A Data Plane Architecture for Per-Packet ML [59.1343317736213]
本稿では,線数推論のためのデータプレーンであるTaurusの設計と実装について述べる。
Taurus スイッチ ASIC の評価は,Taurus がサーバベースコントロールプレーンよりも桁違いに高速に動作することを示す。
論文 参考訳(メタデータ) (2020-02-12T09:18:36Z)
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。