論文の概要: Drone swarm patrolling with uneven coverage requirements
- arxiv url: http://arxiv.org/abs/2107.00362v1
- Date: Thu, 1 Jul 2021 10:58:57 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-02 19:48:39.268851
- Title: Drone swarm patrolling with uneven coverage requirements
- Title（参考訳）: ドローンの群れが不均一な範囲でパトロール
- Authors: Claudio Piciarelli and Gian Luca Foresti
- Abstract要約: 本稿では,ドローン搭載カメラセンサによる視覚的カバレッジの最適化に焦点を当てる。
我々は、これらのカバレッジ要件を関連マップでモデル化し、Swarmをガイドする深層強化学習アルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 22.475492500154573
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Swarms of drones are being more and more used in many practical scenarios,
such as surveillance, environmental monitoring, search and rescue in
hardly-accessible areas, etc.. While a single drone can be guided by a human
operator, the deployment of a swarm of multiple drones requires proper
algorithms for automatic task-oriented control. In this paper, we focus on
visual coverage optimization with drone-mounted camera sensors. In particular,
we consider the specific case in which the coverage requirements are uneven,
meaning that different parts of the environment have different coverage
priorities. We model these coverage requirements with relevance maps and
propose a deep reinforcement learning algorithm to guide the swarm. The paper
first defines a proper learning model for a single drone, and then extends it
to the case of multiple drones both with greedy and cooperative strategies.
Experimental results show the performance of the proposed method, also compared
with a standard patrolling algorithm.
- Abstract（参考訳）: ドローンの群れは、監視、環境モニタリング、アクセス不能な地域での捜索や救助など、多くの実用的なシナリオでますます使われています。
一つのドローンを人間のオペレーターがガイドできるが、複数のドローン群を配置するには、タスク指向の自動制御のための適切なアルゴリズムが必要である。
本稿では,ドローン搭載カメラセンサによる視覚カバレッジの最適化に着目する。
特に, 環境の異なる部分には, カバー範囲の優先順位が異なるため, カバー範囲の要件が不均一である場合を考える。
これらのカバレッジ要件を関連性マップでモデル化し,swarmをガイドする深層強化学習アルゴリズムを提案する。
論文はまず、1つのドローンの適切な学習モデルを定義し、その後、欲深い戦略と協力的な戦略を持つ複数のドローンのケースに拡張する。
実験の結果,提案手法の性能が,標準的なパトロールアルゴリズムと比較された。
関連論文リスト
- Drone Detection and Tracking with YOLO and a Rule-based Method [0.0]
公共空間におけるドローンの活動量の増加は、プライバシー保護と安全のために規制措置を必要とする。
検出タスクは通常、注釈付き画像データセットに基づいてトレーニングされたディープラーニングモデルによって自動化され、実行される。
本稿は、以前の研究に基づいて、すでに公開されたオープンソースデータセットを拡張します。
検出モデルは単一の画像入力に基づいており、単純なクロスコリレーションベースのトラッカーを用いて検出損失を低減し、ビデオのトラッキング性能を向上させる。
論文 参考訳（メタデータ） (2025-02-07T19:53:10Z) - 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) - 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) - Learning Deep Sensorimotor Policies for Vision-based Autonomous Drone
Racing [52.50284630866713]
既存のシステムは、状態推定、計画、制御のために手作業によるコンポーネントを必要とすることが多い。
本稿では、深層感触者ポリシーを学習することで、視覚に基づく自律ドローンレース問題に取り組む。
論文 参考訳（メタデータ） (2022-10-26T19:03:17Z) - 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) - Vision-based Drone Flocking in Outdoor Environments [9.184987303791292]
このレターでは、ドローン群に対する視覚に基づく検出と追跡アルゴリズムを提案する。
我々は畳み込みニューラルネットワークを用いてクワッドコプターの近傍のエージェントをリアルタイムで検出・ローカライズする。
背景が乱雑で照明が難しいにもかかわらず、ドローンは屋外環境で安全に航行できることが示される。
論文 参考訳（メタデータ） (2020-12-02T14:44:40Z) - Real-Time Drone Detection and Tracking With Visible, Thermal and
Acoustic Sensors [66.4525391417921]
熱赤外カメラは、ドローン検出タスクに対する実現可能な解決策であることが示されている。
また,センサ間距離の関数としての検出器性能についても検討した。
ドローン、鳥、飛行機、ヘリコプターの650個の注釈付き赤外線と可視ビデオを含む新しいビデオデータセットも紹介されている。
論文 参考訳（メタデータ） (2020-07-14T23:06:42Z) - Multi-Drone based Single Object Tracking with Agent Sharing Network [74.8198920355117]
マルチDroneシングルオブジェクト追跡データセットは、92のビデオクリップと113,918の高解像度フレーム、63のビデオクリップ、145,875の高解像度フレームで構成されている。
エージェント共有ネットワーク(ASNet)は、複数のドローンからターゲットの自己教師付きテンプレート共有とビューアウェア融合によって提案される。
論文 参考訳（メタデータ） (2020-03-16T03:27:04Z)
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。