論文の概要: Drones for Medical Delivery Considering Different Demands Classes: A Markov Decision Process Approach for Managing Health Centers Dispatching Medical Products

• arxiv url: http://arxiv.org/abs/2106.04729v1
• Date: Tue, 8 Jun 2021 23:20:31 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-10 15:18:54.896330
• Title: Drones for Medical Delivery Considering Different Demands Classes: A Markov Decision Process Approach for Managing Health Centers Dispatching Medical Products
• Title（参考訳）: 異なる需要クラスを考慮した医療用ドローン:医療用品の流通管理のためのマルコフ決定プロセスアプローチ
• Authors: Amin Asadi and Sarah Nurre Pinkley
• Abstract要約: 本稿では,医療物資を異なる地域へ届けるために,ドローンを用いたハブの配電操作を最適化する問題を考察する。 異なる地理的位置を考慮することで、異なる飛行範囲を必要とする異なる需要のクラスを考察する。 我々は、ドローンハブからの距離に基づいて要求を分類し、マルコフ決定プロセスを用いて問題をモデル化し、計算テストを実行する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We consider the problem of optimizing the distribution operations of a hub using drones to deliver medical supplies to different geographic regions. Drones are an innovative method with many benefits including low-contact delivery thereby reducing the spread of pandemic and vaccine-preventable diseases. While we focus on medical supply delivery for this work, it is applicable to drone delivery for many other applications, including food, postal items, and e-commerce delivery. In this paper, our goal is to address drone delivery challenges by optimizing the distribution operations at a drone hub that dispatch drones to different geographic locations generating stochastic demands for medical supplies. By considering different geographic locations, we consider different classes of demand that require different flight ranges, which is directly related to the amount of charge held in a drone battery. We classify the stochastic demands based on their distance from the drone hub, use a Markov decision process to model the problem, and perform computational tests using realistic data representing a prominent drone delivery company. We solve the problem using a reinforcement learning method and show its high performance compared with the exact solution found using dynamic programming. Finally, we analyze the results and provide insights for managing the drone hub operations.
• Abstract（参考訳）: 異なる地理的領域に医療物資を届けるためにドローンを用いたハブの配電操作を最適化する問題を考える。 ドローンは画期的な方法であり、低接触の配送など多くの利点があり、パンデミックやワクチン予防の病気の拡散を減らしている。 私たちはこの作業のために医療物資の配送にフォーカスしていますが、食品、郵便物、eコマース配達など、他の多くのアプリケーションのドローン配達に適用できます。 本稿では,ドローンを地理的に異なる場所に配置し,医療物資の確率的需要を発生させるドローンハブの配送操作を最適化することで,ドローン配送の課題を解決することを目的とする。 異なる地理的位置を考慮することで、ドローンバッテリーに蓄えられた電荷の量に直接関係する異なる飛行範囲を必要とする異なる需要のクラスを考察する。 我々は,ドローンハブからの距離に基づいて確率的要求を分類し,マルコフ決定プロセスを用いて問題をモデル化し,著名なドローン配送会社を代表する現実的なデータを用いて計算テストを行う。 本稿では,強化学習法を用いて解き,動的プログラミングを用いた解法と比較し,その高い性能を示す。 最後に、結果を分析し、ドローンハブ操作を管理するための洞察を提供する。

関連論文リスト

• Cooperative Search and Track of Rogue Drones using Multiagent Reinforcement Learning [8.775925011558995]
  本研究は、機密性の高いインフラ施設をターゲットにしたローグドローンを迎撃する問題を考察する。 ローグドローンを確実に検出・追跡・中和できる総合システムを提案する。
  論文  参考訳（メタデータ） (2025-01-07T16:22:51Z)
• Robotic warehousing operations: a learn-then-optimize approach to large-scale neighborhood search [84.39855372157616]
  本稿では,ワークステーションの注文処理,アイテムポッドの割り当て,ワークステーションでの注文処理のスケジュールを最適化することで,ウェアハウジングにおけるロボット部品対ピッカー操作を支援する。 そこで我々は, 大規模近傍探索を用いて, サブプロブレム生成に対する学習を最適化する手法を提案する。 Amazon Roboticsと共同で、我々のモデルとアルゴリズムは、最先端のアプローチよりも、実用的な問題に対するより強力なソリューションを生み出していることを示す。
  論文  参考訳（メタデータ） (2024-08-29T20:22:22Z)
• Obfuscated Location Disclosure for Remote ID Enabled Drones [57.66235862432006]
  RID対応ドローン(OLO-RID)の難読化位置情報開示法を提案する。 実際のドローンの位置を開示する代わりに、OLO-RIDを装備したドローンは、モバイルシナリオで異なるプライベートな難解な場所を開示する。 OLO-RIDはまた、暗号化された位置情報でRIDメッセージを拡張し、認証されたエンティティによってのみアクセスすることができる。
  論文  参考訳（メタデータ） (2024-07-19T12:35:49Z)
• Drone-type-Set: Drone types detection benchmark for drone detection and tracking [0.6294091730968154]
  本稿では,認識された物体検出モデルとの比較とともに,各種ドローンのデータセットを提供する。 異なるモデルの実験結果と各手法の記載が提供される。
  論文  参考訳（メタデータ） (2024-05-16T18:56:46Z)
• Scheduling Drone and Mobile Charger via Hybrid-Action Deep Reinforcement Learning [7.577251571044739]
  ドローンは一定の関心点を観察するために配置され、充電器はドローンのバッテリーを充電するために移動することができる。 我々は、ドローンと移動充電器のルートと充電スケジュールに焦点を合わせ、可能な限り短時間で高観測ユーティリティーを得る。 本稿では、標準ポリシー学習アルゴリズムを用いて遅延連続動作を生成するハイブリッドアクション深層強化学習フレームワークHaDMCを提案する。
  論文  参考訳（メタデータ） (2024-03-16T01:51:42Z)
• TransVisDrone: Spatio-Temporal Transformer for Vision-based Drone-to-Drone Detection in Aerial Videos [57.92385818430939]
  視覚的フィードを用いたドローンからドローンへの検知は、ドローンの衝突の検出、ドローンの攻撃の検出、他のドローンとの飛行の調整など、重要な応用がある。 既存の手法は計算コストがかかり、非エンドツーエンドの最適化に追随し、複雑なマルチステージパイプラインを持つため、エッジデバイス上でのリアルタイムデプロイメントには適さない。 計算効率を向上したエンドツーエンドのソリューションを提供する,シンプルで効果的なフレームワークであるitTransVisDroneを提案する。
  論文  参考訳（メタデータ） (2022-10-16T03:05:13Z)
• A dataset for multi-sensor drone detection [67.75999072448555]
  近年,小型・遠隔操作無人航空機(UAV)の使用が増加している。 ドローン検出に関するほとんどの研究は、取得デバイスの種類、ドローンの種類、検出範囲、データセットを特定することに失敗している。 我々は、赤外線および可視ビデオとオーディオファイルを含むドローン検出のための注釈付きマルチセンサーデータベースにコントリビュートする。
  論文  参考訳（メタデータ） (2021-11-02T20:52:03Z)
• Dogfight: Detecting Drones from Drones Videos [58.158988162743825]
  本稿では,他の飛行ドローンからドローンを検知する問題に対処する。 ソースとターゲットドローンのエロティックな動き、小型、任意の形状、大きな強度、および閉塞は、この問題を非常に困難にします。 これに対処するため,地域提案に基づく手法ではなく,2段階のセグメンテーションに基づく手法を提案する。
  論文  参考訳（メタデータ） (2021-03-31T17:43:31Z)
• Efficient UAV Trajectory-Planning using Economic Reinforcement Learning [65.91405908268662]
  UAV間でタスクを分散するための経済取引に触発された新しい強化学習アルゴリズムであるREPlannerを紹介します。 エージェントが協力し、リソースを競うことができるマルチエージェント経済ゲームとして、パス計画問題を策定します。 UAV協力によるタスク分布の計算を行うため、Swarmサイズの変化に対して非常に耐性が高い。
  論文  参考訳（メタデータ） (2021-03-03T20:54:19Z)
• An Integrated Framework for Sensing Radio Frequency Spectrum Attacks on Medical Delivery Drones [0.0]
  ドローンによる妨害や偽造攻撃への感受性は、将来の医療配送システムに危険をもたらす。 ドローンに対する攻撃を検知できる検出フレームワークは、アクティブな応答を提供することができる。
  論文  参考訳（メタデータ） (2020-05-04T14:13:35Z)
• The two-echelon routing problem with truck and drones [0.0]
  我々は、トラックが最初のエケロンでパーセルとドローンの群を中間補給所へ輸送する、よく知られた2エケロン車両ルーティング問題の新しい変種について研究する。 目的は、古典的な2エケロン車両の経路問題のように、輸送コストの代わりに完成時間を最小化することである。
  論文  参考訳（メタデータ） (2020-04-05T18:33:16Z)

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。