論文の概要: Coordinated Multi-Agent Pathfinding for Drones and Trucks over Road Networks

• arxiv url: http://arxiv.org/abs/2110.08802v1
• Date: Sun, 17 Oct 2021 12:00:30 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-20 12:33:56.012304
• Title: Coordinated Multi-Agent Pathfinding for Drones and Trucks over Road Networks
• Title（参考訳）: 道路網上のドローンとトラックの協調型マルチエージェントパスフィニング
• Authors: Shushman Choudhury and Kiril Solovey and Mykel Kochenderfer and Marco Pavone
• Abstract要約: 我々は、大規模な都市道路ネットワーク上でドローンとトラックのチームをルーティングする問題に対処する。 ドローンは、目的地に向かう途中の一時的な移動モードとしてトラックを使用することができる。 しかし、どのトラックとドローンを連携させるべきかを判断する計算コストは、潜在的に禁じられている。
• 参考スコア（独自算出の注目度）: 31.52357826598224
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We address the problem of routing a team of drones and trucks over large-scale urban road networks. To conserve their limited flight energy, drones can use trucks as temporary modes of transit en route to their own destinations. Such coordination can yield significant savings in total vehicle distance traveled, i.e., truck travel distance and drone flight distance, compared to operating drones and trucks independently. But it comes at the potentially prohibitive computational cost of deciding which trucks and drones should coordinate and when and where it is most beneficial to do so. We tackle this fundamental trade-off by decoupling our overall intractable problem into tractable sub-problems that we solve stage-wise. The first stage solves only for trucks, by computing paths that make them more likely to be useful transit options for drones. The second stage solves only for drones, by routing them over a composite of the road network and the transit network defined by truck paths from the first stage. We design a comprehensive algorithmic framework that frames each stage as a multi-agent path-finding problem and implement two distinct methods for solving them. We evaluate our approach on extensive simulations with up to $100$ agents on the real-world Manhattan road network containing nearly $4500$ vertices and $10000$ edges. Our framework saves on more than $50\%$ of vehicle distance traveled compared to independently solving for trucks and drones, and computes solutions for all settings within $5$ minutes on commodity hardware.
• Abstract（参考訳）: 我々は、ドローンとトラックのチームを大規模都市道路網にルーティングする問題に対処する。 限られた飛行エネルギーを節約するために、ドローンはトラックを目的地に向かう途中の一時的な交通手段として使用できる。 このような調整は、トラックの走行距離やドローンの飛行距離といった車両全体の距離を、独立して運用するドローンやトラックと比べて大幅に節約することができる。 しかし、どのトラックとドローンが、いつ、どこで、そしてどこで、最も有益かを調整すべきかを決める、潜在的な計算コストが伴う。 我々はこの根本的なトレードオフに取り組み、難解な問題をステージワイズで解決するトラクタブルなサブプロブレムに分解する。 第一段階はトラックのみを解決し、ドローンにとって便利な交通手段になりやすい経路を計算している。 第2段階は、第1段階からトラック経路によって定義された道路網と交通網の複合体にルーティングすることで、ドローンのみを解決する。 我々は,各ステージをマルチエージェントパス探索問題として構成する包括的アルゴリズムフレームワークを設計し,その解法を2つ実装する。 我々は,約4500ドルの頂点と10000ドルのエッジを持つ実世界のマンハッタンロードネットワーク上で,最大100ドルのエージェントによる大規模シミュレーションのアプローチを評価した。 当社のフレームワークは、トラックやドローンを独立して解決するのに対し、走行距離50セント以上を節約し、コモディティハードウェアで5分以内のすべての設定に対するソリューションを計算します。

関連論文リスト

• Optimization of Multi-Agent Flying Sidekick Traveling Salesman Problem over Road Networks [10.18252143035175]
  道路ネットワーク上でのマルチエージェント飛行サイドキック走行セールスマン問題(MA-FSTSP)について紹介する。 このNPハード問題に対して,混合整数線形計画モデルと効率的な3相アルゴリズムを提案する。 当社のアプローチは5分間の時間制限内で300以上の顧客にスケールし、大規模な実世界のロジスティクスアプリケーションの可能性を示している。
  論文  参考訳（メタデータ） (2024-08-20T20:44:18Z)
• Decentralized traffic management of autonomous drones [0.3374875022248865]
  本稿では,自律型エージェントを効果的に航空調整タスクに自己組織化できるソリューションを提案する。 我々のアルゴリズムは、ドローンの数とその速度範囲に関して安全で効率的でスケーラブルであることを示す。 我々は,半径125mの円形領域における100機の自律ドローンの航空交通の協調を実験的に実証した。
  論文  参考訳（メタデータ） (2023-12-18T13:52:52Z)
• Fair collaborative vehicle routing: A deep multi-agent reinforcement learning approach [49.00137468773683]
  協力的な車両ルーティングは、キャリアがそれぞれの輸送要求を共有し、互いに代表して輸送要求を実行することで協力するときに発生する。 従来のゲーム理論解の概念は、特性関数がエージェントの数とともに指数関数的にスケールするので、計算に費用がかかる。 我々は,この問題を,深層マルチエージェント強化学習を用いて解決した連立交渉ゲームとしてモデル化することを提案する。
  論文  参考訳（メタデータ） (2023-10-26T15:42:29Z)
• Drone navigation and license place detection for vehicle location in indoor spaces [55.66423065924684]
  この研究は、駐車中の車両の列を行き来し、ナンバープレートを検出するナノドローンに基づくソリューションを作成することを目的としている。 すべての計算はドローン上でリアルタイムで行われ、2Dマップの作成を可能にする位置と検出された画像が送信される。
  論文  参考訳（メタデータ） (2023-07-19T17:46:55Z)
• 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)
• Deep Learning on Home Drone: Searching for the Optimal Architecture [54.535788447839884]
  そこで我々は,Raspberry Pi Zero v2のような弱いマイクロコンピュータ上で,学習によってリアルタイムなセマンティックセマンティックセマンティクスを実行するシステムを提案する。 特にRaspberry Piの重さは16ドル(約1万2000円)以下で、クレジットカードの半分程度なので、市販のDJI Telloのおもちゃに簡単に取り付けることができます。 その結果、自律ドローンは、オンボードのモノクロRGBカメラのビデオストリームからオブジェクトをリアルタイムで検出し、分類することができる。
  論文  参考訳（メタデータ） (2022-09-21T11:41:45Z)
• Decentralized Vehicle Coordination: The Berkeley DeepDrive Drone Dataset [103.35624417260541]
  分散車両調整は、未整備の道路環境において有用である。 我々はバークレーのDeepDrive Droneデータセットを収集し、近くのドライバーが観察する暗黙の「社会的エチケット」を研究する。 このデータセットは、人間のドライバーが採用する分散マルチエージェント計画と、リモートセンシング設定におけるコンピュータビジョンの研究に主に関心がある。
  論文  参考訳（メタデータ） (2022-09-19T05:06:57Z)
• AutoDrone: Shortest Optimized Obstacle-Free Path Planning for Autonomous Drones [0.0]
  GPSで誘導される座標系において,障害物のない最短経路を求める手法を提案する。 これは特に、省エネな方法で救助活動や迅速な配送やピックアップに有用である。
  論文  参考訳（メタデータ） (2021-10-30T07:52:57Z)
• A metaheuristic for crew scheduling in a pickup-and-delivery problem with time windows [0.0]
  車両ルーティングと乗組員スケジューリングの問題(VRCSP)は、車両の群れのルートを同時に計画し、乗組員をスケジューリングすることである。 我々は、トラックやドライバーを用いて、時間窓によるピックアップ・アンド・デリバリー要求を計画の地平線上で満たさなければならないVRCSPを提案する。 我々は15都市にまたがる100件の要求に対して、12～32台のトラックを1時間足らずで高品質なソリューションを見つけました。
  論文  参考訳（メタデータ） (2021-02-02T22:14:10Z)
• 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。