Fugu-MT 論文翻訳(概要): Drone-as-a-Service Composition Under Uncertainty

論文の概要: Drone-as-a-Service Composition Under Uncertainty

arxiv url: http://arxiv.org/abs/2103.06513v1
Date: Thu, 11 Mar 2021 07:29:26 GMT
ステータス: 処理完了
システム内更新日: 2021-03-12 14:37:30.162657
Title: Drone-as-a-Service Composition Under Uncertainty
Title（参考訳）: 不確実性下でのドローン・アズ・ア・サービス構成
Authors: Ali Hamdi, Flora D. Salim, Du Yong Kim, Azadeh Ghari Neiat, Athman Bouguettaya
Abstract要約: ドローンの動的時間特性に基づくドローン・アズ・ア・サービス(D)のサービスモデルを提案する。提案手法はスケジューリング,経路計画,構成の3つのコンポーネントから構成される。実験の結果,提案手法の有効性と有効性を示した。
参考スコア（独自算出の注目度）: 1.6449390849183356
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: We propose an uncertainty-aware service approach to provide drone-based delivery services called Drone-as-a-Service (DaaS) effectively. Specifically, we propose a service model of DaaS based on the dynamic spatiotemporal features of drones and their in-flight contexts. The proposed DaaS service approach consists of three components: scheduling, route-planning, and composition. First, we develop a DaaS scheduling model to generate DaaS itineraries through a Skyway network. Second, we propose an uncertainty-aware DaaS route-planning algorithm that selects the optimal Skyways under weather uncertainties. Third, we develop two DaaS composition techniques to select an optimal DaaS composition at each station of the planned route. A spatiotemporal DaaS composer first selects the optimal DaaSs based on their spatiotemporal availability and drone capabilities. A predictive DaaS composer then utilises the outcome of the first composer to enable fast and accurate DaaS composition using several Machine Learning classification methods. We train the classifiers using a new set of spatiotemporal features which are in addition to other DaaS QoS properties. Our experiments results show the effectiveness and efficiency of the proposed approach.
Abstract（参考訳）: 我々は、ドローンベースの配送サービスであるdrone-as-a-service(daas)を効果的に提供するための不確実性認識サービスアプローチを提案する。具体的には,ドローンの動的時空間的特徴と飛行中の文脈に基づくdaasのサービスモデルを提案する。提案されたDaaSサービスアプローチは、スケジューリング、ルート計画、構成という3つのコンポーネントで構成されている。まず、Skywayネットワークを介してDaaSの旅程を生成するためのDaaSスケジューリングモデルを開発する。第二に、気象不確実性下で最適なスカイウェイを選択する不確実性認識型DaaSルート計画アルゴリズムを提案する。第3に,計画経路の各駅で最適なdaas合成を選択するための2つのdaas合成手法を開発した。時空間DaaSの作曲家は、まず時空間の可用性とドローン能力に基づいて最適なDaaSを選択する。予測的なDaaS作曲家は、最初の作曲家の結果を利用して、機械学習の分類方法を用いて、高速で正確なDaaS合成を可能にする。我々は、他のDaaS QoS特性に加えて、新しい時空間的特徴セットを用いて分類器を訓練する。実験の結果,提案手法の有効性と有効性を示した。

関連論文リスト

LLM-DaaS: LLM-driven Drone-as-a-Service Operations from Text User Requests [0.0]
本稿では,自由文ユーザ要求を構造化し,動作可能なD操作タスクに変換する新しいDroneas-a-Serviceフレームワークを提案する。システムは、自由テキスト要求処理、構造化要求生成、動的D選択と構成の3つの主要コンポーネントで構成されている。
論文参考訳（メタデータ） (2024-12-16T11:25:56Z)
OPUS: Occupancy Prediction Using a Sparse Set [64.60854562502523]
学習可能なクエリの集合を用いて、占有された場所とクラスを同時に予測するフレームワークを提案する。 OPUSには、モデルパフォーマンスを高めるための非自明な戦略が組み込まれている。最も軽量なモデルではOcc3D-nuScenesデータセットの2倍 FPS に優れたRayIoUが得られる一方、最も重いモデルは6.1 RayIoUを上回ります。
論文参考訳（メタデータ） (2024-09-14T07:44:22Z)
OccNeRF: Advancing 3D Occupancy Prediction in LiDAR-Free Environments [77.0399450848749]
本稿では,OccNeRF法を用いて,3次元監視なしで占有ネットワークを訓練する手法を提案する。我々は、再構成された占有領域をパラメータ化し、サンプリング戦略を再編成し、カメラの無限知覚範囲に合わせる。意味的占有予測のために,事前学習した開語彙2Dセグメンテーションモデルの出力をフィルタリングし,プロンプトを洗練するためのいくつかの戦略を設計する。
論文参考訳（メタデータ） (2023-12-14T18:58:52Z)
Learning-Initialized Trajectory Planning in Unknown Environments [4.2960463890487555]
未知の環境での自律飛行の計画には、空間軌道と時間軌道の両方を正確に計画する必要がある。本稿ではニューラルdトラジェクトリ・プランナーを用いて最適化を導く新しい手法を提案する。遅延計画に対する耐性を持って、堅牢なオンラインリプランニングをサポートするフレームワークを提案する。
論文参考訳（メタデータ） (2023-09-19T15:07:26Z)
Autonomous Asteroid Characterization Through Nanosatellite Swarming [0.0]
本稿では,同時ナビゲーション・キャラクタリゼーション (SNAC) と呼ばれる推定問題のクラスを定義する。その後、自律ナノサテライト・スワーミング(ANS)ミッションの概念のためにSNACフレームワークが開発された。 ANSは低SWaP-Cアビオニクスを備えた複数の自律ナノサテライトで構成されている。
論文参考訳（メタデータ） (2022-10-11T15:07:55Z)
Target-Driven Structured Transformer Planner for Vision-Language Navigation [55.81329263674141]
本稿では,TD-STP(Target-Driven Structured Transformer Planner)を提案する。具体的には,長期目標の明示的な推定を行うため,Imaginary Scene Tokenization機構を考案する。さらに,調査室のレイアウトを構造的かつグローバルな計画のためのニューラルアテンションアーキテクチャにエレガントに組み込んだ構造化トランスフォーマープランナーを設計する。
論文参考訳（メタデータ） (2022-07-19T06:46:21Z)
ST-P3: End-to-end Vision-based Autonomous Driving via Spatial-Temporal Feature Learning [132.20119288212376]
本稿では,認識,予測,計画タスクを同時に行うための,より代表的な特徴の集合に対する時空間的特徴学習手法を提案する。私たちの知識を最大限に活用するために、私たちは、解釈可能なエンドツーエンドの自動運転システムの各部分を体系的に調査した最初の人です。
論文参考訳（メタデータ） (2022-07-15T16:57:43Z)
The Fellowship of the Dyson Ring: ACT&Friends' Results and Methods for GTOC 11 [13.634909613245727]
ダイソン球(英: Dyson sphere)は、恒星を囲む仮説上の巨大構造であり、そのエネルギーのほとんどを回収する。第11回GTOCチャレンジでは、参加者はダイソン構造の構築に関連する複雑な軌道計画に従事した。我々は、機械学習、最適化、計画とスケジューリング、進化的最適化から技術を合成する新しいアプローチを開発し、完全に自動化されたパイプラインに効果的に統合した。
論文参考訳（メタデータ） (2022-05-13T12:26:16Z)
Trajectory Design for UAV-Based Internet-of-Things Data Collection: A Deep Reinforcement Learning Approach [93.67588414950656]
本稿では,無人航空機(UAV)による3D環境におけるIoT(Internet-of-Things)システムについて検討する。本稿では,TD3-TDCTMアルゴリズムの完成時間最小化のためのトラジェクトリ設計を提案する。シミュレーションの結果,従来の3つの非学習ベースライン法よりもTD3-TDCTMアルゴリズムの方が優れていることが示された。
論文参考訳（メタデータ） (2021-07-23T03:33:29Z)
Divide-and-Conquer for Lane-Aware Diverse Trajectory Prediction [71.97877759413272]
軌道予測は、自動運転車が行動を計画し実行するための安全クリティカルなツールです。近年の手法は,WTAやベスト・オブ・マニーといったマルチコース学習の目標を用いて,強力なパフォーマンスを実現している。我々の研究は、軌道予測、学習出力、そして運転知識を使って制約を課すことによるより良い予測における2つの重要な課題に対処する。
論文参考訳（メタデータ） (2021-04-16T17:58:56Z)
Three Dimensional Route Planning for Multiple Unmanned Aerial Vehicles using Salp Swarm Algorithm [0.0]
ルートプランニングは、あるスタート地点から目的地のゴール地点までの一連の翻訳と回転のステップである。提案手法は,それぞれ平均コストと全体の時間を1.25%と6.035%改善する。
論文参考訳（メタデータ） (2019-11-24T12:36:18Z)

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。