論文の概要: Advanced Algorithms of Collision Free Navigation and Flocking for Autonomous UAVs

• arxiv url: http://arxiv.org/abs/2111.00166v1
• Date: Sat, 30 Oct 2021 03:51:40 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-04 11:33:09.603313
• Title: Advanced Algorithms of Collision Free Navigation and Flocking for Autonomous UAVs
• Title（参考訳）: 自律型UAVのための衝突フリーナビゲーションとFlockingのアルゴリズム
• Authors: Taha Elmokadem
• Abstract要約: 本報告は,マルチUAVシステムの自律走行及び運動調整のためのUAV制御の最先端化に寄与する。 本報告の前半は単UAVシステムを扱うもので, 未知・動的環境における3次元(3次元)衝突フリーナビゲーションの複雑な問題に対処する。 本報告では, マルチUAVシステムの安全ナビゲーションについて述べるとともに, フラッキングと3次元領域カバレッジのための多UAVシステムの分散動作調整手法を開発した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Unmanned aerial vehicles (UAVs) have become very popular for many military and civilian applications including in agriculture, construction, mining, environmental monitoring, etc. A desirable feature for UAVs is the ability to navigate and perform tasks autonomously with least human interaction. This is a very challenging problem due to several factors such as the high complexity of UAV applications, operation in harsh environments, limited payload and onboard computing power and highly nonlinear dynamics. The work presented in this report contributes towards the state-of-the-art in UAV control for safe autonomous navigation and motion coordination of multi-UAV systems. The first part of this report deals with single-UAV systems. The complex problem of three-dimensional (3D) collision-free navigation in unknown/dynamic environments is addressed. To that end, advanced 3D reactive control strategies are developed adopting the sense-and-avoid paradigm to produce quick reactions around obstacles. A special case of navigation in 3D unknown confined environments (i.e. tunnel-like) is also addressed. General 3D kinematic models are considered in the design which makes these methods applicable to different UAV types in addition to underwater vehicles. Moreover, different implementation methods for these strategies with quadrotor-type UAVs are also investigated considering UAV dynamics in the control design. Practical experiments and simulations were carried out to analyze the performance of the developed methods. The second part of this report addresses safe navigation for multi-UAV systems. Distributed motion coordination methods of multi-UAV systems for flocking and 3D area coverage are developed. These methods offer good computational cost for large-scale systems. Simulations were performed to verify the performance of these methods considering systems with different sizes.
• Abstract（参考訳）: 無人航空機(uavs)は、農業、建設、鉱業、環境モニタリングなど、多くの軍用および民間用途で非常に人気がある。 UAVの望ましい特徴は、人間との対話を最小限に抑えて自律的にタスクをナビゲートし実行できることである。 UAVアプリケーションの複雑さ、厳しい環境での運用、限られたペイロードとオンボードコンピューティング能力、高非線形ダイナミクスなど、いくつかの要因により、これは非常に難しい問題である。 本報告では,マルチUAVシステムの自律走行及び運動調整のためのUAV制御の最先端化に寄与する。 このレポートの最初の部分は、単一UAVシステムを扱う。 未知/動的環境における3次元衝突フリーナビゲーションの複雑な問題に対処する。 この目的のために,感覚と回避のパラダイムを取り入れ,障害物に対する迅速な反応を実現する高度な3次元リアクティブ制御戦略が開発されている。 3Dの未知の閉じ込められた環境(すなわちトンネルのような)におけるナビゲーションの特別な事例も対処される。 一般的な3Dキネマティックモデルは、水中車両に加えて異なるUAVタイプに適用可能な設計である。 さらに, 制御設計におけるuavダイナミクスを考慮し, 四角形uavを用いた戦略の実装方法も検討した。 開発手法の性能を解析するために, 実用実験とシミュレーションを行った。 本報告の第2部では,マルチuavシステムの安全なナビゲーションについて述べる。 群集および3次元領域被覆のためのマルチuavシステムの分散動作コーディネーション手法を開発した。 これらの手法は大規模システムに優れた計算コストを提供する。 異なる大きさのシステムを考慮した手法の性能検証のためにシミュレーションを行った。

関連論文リスト

• UAV-enabled Collaborative Beamforming via Multi-Agent Deep Reinforcement Learning [79.16150966434299]
  本稿では,UAVを用いた協調ビームフォーミング多目的最適化問題 (UCBMOP) を定式化し,UAVの伝送速度を最大化し,全UAVのエネルギー消費を最小化する。 ヘテロジニアス・エージェント・信頼領域ポリシー最適化(HATRPO)を基本フレームワークとし,改良されたHATRPOアルゴリズム,すなわちHATRPO-UCBを提案する。
  論文  参考訳（メタデータ） (2024-04-11T03:19:22Z)
• Toward collision-free trajectory for autonomous and pilot-controlled unmanned aerial vehicles [1.018017727755629]
  本研究は、高度衝突管理手法の開発において、PilotAware Ltdが入手した電子情報(EC)をより活用するものである。 DACM手法の利点は、空中衝突を避けるための広範囲なシミュレーションと実世界のフィールドテストによって実証されてきた。
  論文  参考訳（メタデータ） (2023-09-18T18:24:31Z)
• Convergence of Communications, Control, and Machine Learning for Secure and Autonomous Vehicle Navigation [78.60496411542549]
  接続された自動運転車(CAV)は、交通事故におけるヒューマンエラーを低減し、道路効率を向上し、様々なタスクを実行する。これらのメリットを享受するためには、CAVが目標とする目的地へ自律的にナビゲートする必要がある。 本稿では,通信理論,制御理論,機械学習の収束を利用して,効果的なCAVナビゲーションを実現する手法を提案する。
  論文  参考訳（メタデータ） (2023-07-05T21:38:36Z)
• UAV Obstacle Avoidance by Human-in-the-Loop Reinforcement in Arbitrary 3D Environment [17.531224704021273]
  本稿では, 深部強化学習に基づく無人航空機(UAV)の連続制御に着目した。 本稿では,UAVが飛行中の障害物を自動的に回避できる深層強化学習(DRL)法を提案する。
  論文  参考訳（メタデータ） (2023-04-07T01:44:05Z)
• Reinforcement learning reward function in unmanned aerial vehicle control tasks [0.0]
  報酬関数は、目標に対する簡易な軌道の時間の構成と推定に基づいている。 新たに開発された仮想環境において,報酬関数の有効性を検証した。
  論文  参考訳（メタデータ） (2022-03-20T10:32:44Z)
• 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)
• A Multi-UAV System for Exploration and Target Finding in Cluttered and GPS-Denied Environments [68.31522961125589]
  複雑なGPSを用いた複雑な環境において,UAVのチームが協調して目標を探索し,発見するための枠組みを提案する。 UAVのチームは自律的にナビゲートし、探索し、検出し、既知の地図で散らばった環境でターゲットを見つける。 その結果, 提案方式は, 時間的コスト, 調査対象地域の割合, 捜索・救助ミッションの成功率などの面で改善されていることがわかった。
  論文  参考訳（メタデータ） (2021-07-19T12:54:04Z)
• 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)
• Anti-UAV: A Large Multi-Modal Benchmark for UAV Tracking [59.06167734555191]
  Unmanned Aerial Vehicle (UAV)は、商業とレクリエーションの両方に多くの応用を提供している。 我々は、UAVを追跡し、位置や軌道などの豊富な情報を提供するという課題を考察する。 300以上のビデオペアが580k以上の手動で注釈付きバウンディングボックスを含むデータセット、Anti-UAVを提案します。
  論文  参考訳（メタデータ） (2021-01-21T07:00:15Z)
• Towards Deep Learning Assisted Autonomous UAVs for Manipulation Tasks in GPS-Denied Environments [10.02675366919811]
  本稿では,屋外およびgps環境に大規模な3d構造物を組み立てる作業に主に焦点をあてる。 我々のフレームワークは、個々のモジュールのパフォーマンス解析を報告するために、指定されたUAV上にデプロイされる。
  論文  参考訳（メタデータ） (2021-01-16T09:20:46Z)

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。