論文の概要: Long-Range Route-planning for Autonomous Vehicles in the Polar Oceans
- arxiv url: http://arxiv.org/abs/2111.00293v1
- Date: Sat, 30 Oct 2021 17:28:44 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-04 04:07:10.956073
- Title: Long-Range Route-planning for Autonomous Vehicles in the Polar Oceans
- Title(参考訳): 極海における自動車の長距離ルート計画
- Authors: Maria Fox, Michael Meredith, J. Alexander Brearley, Dan Jones and
Derek Long
- Abstract要約: 極氷環境での運用は、無人水中車両(AUV)のパイロット需要が高まっている。
現在、AUVは船から配備され、これらの地域で直接人力で運用されている。
本稿では,南洋におけるAUVの長距離ルート計画自動化の課題に対処する。
- 参考スコア(独自算出の注目度): 3.6700088931938826
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: There is an increasing demand for piloted autonomous underwater vehicles
(AUVs) to operate in polar ice conditions. At present, AUVs are deployed from
ships and directly human-piloted in these regions, entailing a high carbon cost
and limiting the scope of operations. A key requirement for long-term
autonomous missions is a long-range route planning capability that is aware of
the changing ice conditions. In this paper we address the problem of automating
long-range route-planning for AUVs operating in the Southern Ocean. We present
the route-planning method and results showing that efficient, ice-avoiding,
long-distance traverses can be planned.
- Abstract(参考訳): 極氷環境での運用は、無人水中車両(AUV)のパイロット需要が高まっている。
現在、auvは船舶から配備され、これらの地域では直接人力操縦されており、高い炭素コストと運用範囲を制限している。
長期の自律ミッションの重要な要件は、氷の状態の変化を認識した長距離経路計画能力である。
本稿では,南洋におけるAUVの長距離ルート計画自動化の課題に対処する。
経路計画法と結果から,効率的な氷を回避し,長距離走行を計画できることを示す。
関連論文リスト
- AINS: Affordable Indoor Navigation Solution via Line Color
Identification Using Mono-Camera for Autonomous Vehicles [0.0]
Affordable Indoor Navigation Solution (AINS) による自動運転車の低コスト屋内ナビゲーション
提案手法は主にモノカメラをベースとして,様々な巨大・非効率なセンサに頼らずに経路を見つける。
論文 参考訳(メタデータ) (2024-02-07T11:08:05Z) - CoverNav: Cover Following Navigation Planning in Unstructured Outdoor
Environment with Deep Reinforcement Learning [1.0499611180329804]
オフロード地形やジャングル環境における隠蔽およびナビゲート可能な軌道を識別するための,Deep Reinforcement Learning に基づく新しいアルゴリズム CoverNav を提案する。
CoverNavは、ロボットエージェントが報酬関数を使って低い標高の地形を学習するのを助ける。
また,カバーナブの最大目標距離12mと,カバーオブジェクトの有無による異なる標高シナリオにおける成功率について検討した。
論文 参考訳(メタデータ) (2023-08-12T15:19:49Z) - Aeolus Ocean -- A simulation environment for the autonomous
COLREG-compliant navigation of Unmanned Surface Vehicles using Deep
Reinforcement Learning and Maritime Object Detection [0.0]
海上部門における無人水上機(USV)の航行自律性は、より安全な水と運用コストの削減につながる可能性がある。
本稿では, 現実的な海洋シミュレーション環境において, COLREG 準拠の DRL を用いた衝突回避航法システムの開発について述べる。
論文 参考訳(メタデータ) (2023-07-13T11:20:18Z) - Runtime Safety Assurance of Autonomous Vehicles used for Last-mile
Delivery in Urban Environments [0.10499611180329801]
LogiSmileプロジェクトは、混雑した地域での都市商品流通の課題に対する解決策を見つけることを目的としている。
Autonomous Hub Vehicle(AHV)は、Autonomous Delivery Device(ADD)と呼ばれる小型ロボットと連携して動作する。
AHVのために開発されたランタイムモニタリングのコンセプトは、2022年にハンブルクで実証された。
論文 参考訳(メタデータ) (2023-07-10T10:06:55Z) - 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) - Assurance for Autonomy -- JPL's past research, lessons learned, and
future directions [56.32768279109502]
幅広い状況の変動が、事前計画された応答を妨げている場合、自律性が必要である。
ミッション・アシュアランス(Mission Assurance)は、信頼性を提供する上で重要な貢献者であるが、何十年にもわたって宇宙飛行に輝く保証の実践は、自律性に関する経験が比較的少ない。
JPLのソフトウェア保証グループの研究者は、自律性の保証に特化した技術の開発に関与している。
論文 参考訳(メタデータ) (2023-05-16T18:24:12Z) - ETPNav: Evolving Topological Planning for Vision-Language Navigation in
Continuous Environments [56.194988818341976]
視覚言語ナビゲーションは、エージェントが環境中をナビゲートするための指示に従う必要があるタスクである。
本研究では,1)環境を抽象化し,長距離航法計画を生成する能力,2)連続環境における障害物回避制御能力の2つの重要なスキルに焦点を当てたETPNavを提案する。
ETPNavは、R2R-CEとRxR-CEデータセットの先行技術よりも10%以上、20%改善されている。
論文 参考訳(メタデータ) (2023-04-06T13:07:17Z) - Long-HOT: A Modular Hierarchical Approach for Long-Horizon Object
Transport [83.06265788137443]
我々は、時間的拡張ナビゲーションのための新しいオブジェクトトランスポートタスクと新しいモジュラーフレームワークを提案することで、長距離探査と航法を具現化する上で重要な課題に対処する。
私たちの最初の貢献は、深層探査と長期計画に焦点を当てた新しいLong-HOT環境の設計である。
重み付けされたフロンティアの助けを借りて探索を行うために,シーンのトポロジカルグラフを構築するモジュラー階層輸送ポリシー(HTP)を提案する。
論文 参考訳(メタデータ) (2022-10-28T05:30:49Z) - Data-Driven Short-Term Daily Operational Sea Ice Regional Forecasting [52.77986479871782]
地球温暖化は北極を海洋活動に利用し、信頼性の高い海氷予測の需要を生み出した。
本研究では,海氷予測のためのU-Netモデルの性能を,今後10日間にわたって検証した。
この深層学習モデルは、気象データの追加と複数の地域での訓練により、単純なベースラインをかなりの差で上回り、その品質を向上させることができることを示す。
論文 参考訳(メタデータ) (2022-10-17T09:14:35Z) - Survey of Deep Learning for Autonomous Surface Vehicles in the Marine
Environment [15.41166179659646]
今後数年以内に、幅広い用途で利用できる高度な自動運転技術が提供される予定だ。
本稿では,ASV関連分野におけるディープラーニング(DL)手法の実装に関する既存研究について検討する。
論文 参考訳(メタデータ) (2022-10-16T08:46:17Z) - 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)
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。