論文の概要: Drone Flocking Optimization using NSGA-II and Principal Component
Analysis
- arxiv url: http://arxiv.org/abs/2205.00432v1
- Date: Sun, 1 May 2022 09:24:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-04 05:29:39.673638
- Title: Drone Flocking Optimization using NSGA-II and Principal Component
Analysis
- Title(参考訳): NSGA-IIと主成分分析を用いたドローン浮揚最適化
- Authors: Jagdish Chand Bansal, Nikhil Sethi, Ogbonnaya Anicho, Atulya Nagar
- Abstract要約: 鳥の群れや魚の群れのような自然システムにおける個々のエージェントは、地元の集団で協調しコミュニケーションする素晴らしい能力を示す。
このような自然システムをドローン群にエミュレートして、防衛、農業、産業の自動化、人道支援といった問題を解決することは、新しい技術である。
複数の対立する目標を持つ 制限された環境で ドローンの群れを最適化することを提案する。
- 参考スコア(独自算出の注目度): 0.8495139954994114
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Individual agents in natural systems like flocks of birds or schools of fish
display a remarkable ability to coordinate and communicate in local groups and
execute a variety of tasks efficiently. Emulating such natural systems into
drone swarms to solve problems in defence, agriculture, industry automation and
humanitarian relief is an emerging technology. However, flocking of aerial
robots while maintaining multiple objectives, like collision avoidance, high
speed etc. is still a challenge. In this paper, optimized flocking of drones in
a confined environment with multiple conflicting objectives is proposed. The
considered objectives are collision avoidance (with each other and the wall),
speed, correlation, and communication (connected and disconnected agents).
Principal Component Analysis (PCA) is applied for dimensionality reduction, and
understanding the collective dynamics of the swarm. The control model is
characterised by 12 parameters which are then optimized using a multi-objective
solver (NSGA-II). The obtained results are reported and compared with that of
the CMA-ES algorithm. The study is particularly useful as the proposed
optimizer outputs a Pareto Front representing different types of swarms which
can applied to different scenarios in the real world.
- Abstract(参考訳): 鳥類の群れや魚類の群れのような自然のシステムの個々のエージェントは、ローカルグループで協調し、コミュニケーションし、さまざまなタスクを効率的に実行する素晴らしい能力を示している。
このような自然システムをドローン群にエミュレートし、防衛、農業、産業自動化、人道支援といった問題を解決することは、新たな技術である。
しかし、衝突回避や高速などの複数の目標を維持しながら空中ロボットの群れは依然として課題である。
本稿では,複数の競合する目標を持つ限定環境におけるドローンの群れ最適化を提案する。
検討対象は衝突回避(相互および壁)、速度、相関、通信(接続および切断されたエージェント)である。
主成分分析(PCA)は次元の減少と群集の集合力学の理解に応用される。
制御モデルは12のパラメータで特徴づけられ、多目的解法(NSGA-II)を用いて最適化される。
得られた結果をCMA-ESアルゴリズムと比較した。
この研究は、提案されたオプティマイザが現実世界のさまざまなシナリオに適用可能な様々な種類のスワムを表すPareto Frontを出力するので特に有用である。
関連論文リスト
- Aerial Reliable Collaborative Communications for Terrestrial Mobile Users via Evolutionary Multi-Objective Deep Reinforcement Learning [59.660724802286865]
無人航空機(UAV)は、地上通信を改善するための航空基地局(BS)として登場した。
この作業では、UAV対応仮想アンテナアレイによる協調ビームフォーミングを使用して、UAVから地上モバイルユーザへの伝送性能を向上させる。
論文 参考訳(メタデータ) (2025-02-09T09:15:47Z) - Task Delay and Energy Consumption Minimization for Low-altitude MEC via Evolutionary Multi-objective Deep Reinforcement Learning [52.64813150003228]
無人航空機や他の航空機による低高度経済(LAE)は、輸送、農業、環境監視といった分野に革命をもたらした。
今後の6世代(6G)時代において、UAV支援移動エッジコンピューティング(MEC)は特に山岳や災害に遭った地域のような困難な環境において重要である。
タスクオフロード問題は、主にタスク遅延の最小化とUAVのエネルギー消費のトレードオフに対処するUAV支援MECの重要な問題の一つである。
論文 参考訳(メタデータ) (2025-01-11T02:32:42Z) - Navigation Variable-based Multi-objective Particle Swarm Optimization for UAV Path Planning with Kinematic Constraints [0.8192907805418583]
無人航空機(UAV)は、UAVがタスクを完了するために従わなければならない経路を決定するため、経路計画が不可欠である。
この研究は、ナビゲーション変数に基づく多目的粒子群最適化(NMOPSO)と呼ばれる新しいアルゴリズムを導入する。
このアルゴリズムは、航法変数に基づく新しい経路表現を特徴とし、キネマティック制約を含み、UAVの操作可能な特性を利用する。
論文 参考訳(メタデータ) (2025-01-03T16:07:37Z) - Multi-Modality Driven LoRA for Adverse Condition Depth Estimation [61.525312117638116]
逆条件深さ推定のためのMulti-Modality Driven LoRA(MMD-LoRA)を提案する。
Prompt Driven Domain Alignment (PDDA) と Visual-Text Consistent Contrastive Learning (VTCCL) の2つのコアコンポーネントで構成されている。
nuScenesとOxford RobotCarデータセットの最先端のパフォーマンスを実現する。
論文 参考訳(メタデータ) (2024-12-28T14:23:58Z) - A Cross-Scene Benchmark for Open-World Drone Active Tracking [54.235808061746525]
Drone Visual Active Trackingは、視覚的な観察に基づいてモーションシステムを制御することで、対象物を自律的に追跡することを目的としている。
DATと呼ばれるオープンワールドドローンアクティブトラッキングのためのクロスシーンクロスドメインベンチマークを提案する。
また、R-VATと呼ばれる強化学習に基づくドローン追跡手法を提案する。
論文 参考訳(メタデータ) (2024-12-01T09:37:46Z) - 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) - Enhancing Robotic Navigation: An Evaluation of Single and
Multi-Objective Reinforcement Learning Strategies [0.9208007322096532]
本研究では,ロボットが目的達成に向けて効果的に移動できるよう訓練するための単目的と多目的の強化学習法の比較分析を行った。
報酬関数を変更して報酬のベクターを返却し、それぞれ異なる目的に関連付けることで、ロボットはそれぞれの目標を効果的にバランスさせるポリシーを学ぶ。
論文 参考訳(メタデータ) (2023-12-13T08:00:26Z) - Joint Optimization of Deployment and Trajectory in UAV and IRS-Assisted
IoT Data Collection System [25.32139119893323]
無人航空機(UAV)は多くのモノのインターネット(IoT)システムに適用できる。
UAV-IoT無線チャネルは、時には木や高層建築物によってブロックされることがある。
本稿では,UAVの展開と軌道を最適化することで,システムのエネルギー消費を最小化することを目的とする。
論文 参考訳(メタデータ) (2022-10-27T06:27:40Z) - A Multi-objective Memetic Algorithm for Auto Adversarial Attack
Optimization Design [1.9100854225243937]
良く設計された敵防衛戦略は、敵の例に対するディープラーニングモデルの堅牢性を改善することができる。
防御モデルを考えると、計算負担が少なく、ロバストな精度の低い効率的な敵攻撃を更に活用する必要がある。
本稿では,防衛モデルに対する準最適攻撃の自動探索を実現する自動対向攻撃最適化設計のための多目的メメティックアルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-08-15T03:03:05Z) - Efficient Model-Based Multi-Agent Mean-Field Reinforcement Learning [89.31889875864599]
マルチエージェントシステムにおける学習に有効なモデルベース強化学習アルゴリズムを提案する。
我々の理論的な貢献は、MFCのモデルベース強化学習における最初の一般的な後悔の限界である。
コア最適化問題の実用的なパラメトリゼーションを提供する。
論文 参考訳(メタデータ) (2021-07-08T18:01:02Z) - Evolutionary Gait Transfer of Multi-Legged Robots in Complex Terrains [14.787379075870383]
本稿では、Tr-GOと呼ばれる歩行最適化のための移動学習に基づく進化的フレームワークを提案する。
この考え方は、トランスファーラーニング技術を用いて高品質な人口を初期化することを目的としており、どんな集団ベースの最適化アルゴリズムでもこのフレームワークにシームレスに統合できる。
実験の結果,3つの多目的進化アルゴリズムに基づく歩行最適化問題に対する提案手法の有効性が示された。
論文 参考訳(メタデータ) (2020-12-24T16:41:36Z)
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。