論文の概要: Data-driven prediction of Air Traffic Controllers reactions to resolving
conflicts
- arxiv url: http://arxiv.org/abs/2205.09539v1
- Date: Thu, 19 May 2022 13:07:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-20 12:39:21.601134
- Title: Data-driven prediction of Air Traffic Controllers reactions to resolving
conflicts
- Title(参考訳): データ駆動による航空管制官のコンフリクト解消反応の予測
- Authors: Alevizos Bastas and George A. Vouros
- Abstract要約: 本研究では,航空交通管制官 (ATCO) の反応モデルを学習し,航空機軌道間の分離最小限の制約に反する競合を解消する深層学習手法を提案する。
タイムリーな反応は、反応がいつ起こるかに注目し、軌道が進化するにつれて軌道点を予測することを目的としており、ATCOは紛争解決アクションを発行し、また(もしあれば)解決アクションの種類を予測している。
本論文は、CD&RにおけるATCO反応予測問題を定式化し、実世界のデータセットでATCOのタイムリー反応をモデル化し、これらの手法を評価するDL法を提案する。
- 参考スコア(独自算出の注目度): 1.005130974691351
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: With the aim to enhance automation in conflict detection and resolution
(CD&R) tasks in the Air Traffic Management domain, in this paper we propose
deep learning techniques (DL) that can learn models of Air Traffic Controllers'
(ATCO) reactions in resolving conflicts that can violate separation minimum
constraints among aircraft trajectories: This implies learning when the ATCO
will react towards resolving a conflict, and how he/she will react. Timely
reactions, to which this paper aims, focus on when do reactions happen, aiming
to predict the trajectory points, as the trajectory evolves, that the ATCO
issues a conflict resolution action, while also predicting the type of
resolution action (if any). Towards this goal, the paper formulates the ATCO
reactions prediction problem for CD&R, and presents DL methods that can model
ATCO timely reactions and evaluates these methods in real-world data sets,
showing their efficacy in prediction with very high accuracy.
- Abstract(参考訳): 本稿では,航空交通管理分野における紛争検出・解決(CD&R)タスクの自動化をめざして,航空機軌道間の最小限の制約を逸脱できる紛争を解決するために,航空交通管制官(ATCO)反応のモデルを学ぶことができるディープラーニング技術(DL)を提案する。
タイムリーな反応は, 反応がいつ起こるかに注目し, 軌道の進行とともに軌道点を予測し, ATCOが紛争解決アクションを発行し, 解決アクションの種類を予測することを目的としている。
この目的に向けて,本論文では,CD&RにおけるATCO反応予測問題を定式化し,ATCOのタイムリーな反応をモデル化し,実世界のデータセットで評価するDL法を提案する。
関連論文リスト
- Variable-Agnostic Causal Exploration for Reinforcement Learning [56.52768265734155]
強化学習のための新しいフレームワークVACERL(Variable-Agnostic Causal Exploration for Reinforcement Learning)を導入する。
本手法は,注目機構を用いて,重要変数に関連する重要な観測行動ステップを自動的に同定する。
これらのステップを接続する因果グラフを構築し、エージェントをタスク完了に対する因果的影響の大きい観察-作用ペアへと導く。
論文 参考訳(メタデータ) (2024-07-17T09:45:27Z) - 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) - Integrating spoken instructions into flight trajectory prediction to optimize automation in air traffic control [20.718663626382995]
現在の航空交通管制システムでは、交通予測のための音声指示を考慮できない。
本稿では,制御意図を情報処理ループに統合する自動化パラダイムを提案する。
3段階のプログレッシブ・マルチモーダル・ラーニング・パラダイムを提案する。
論文 参考訳(メタデータ) (2023-05-02T08:28:55Z) - P4P: Conflict-Aware Motion Prediction for Planning in Autonomous Driving [28.948224519638913]
我々は、新しいコンフリクト関連指標を用いて最先端の予測器を評価する。
本稿では,物理に基づく軌道生成器と学習に基づく予測器を組み合わせた,シンプルだが効果的な代替手段を提案する。
我々の予測器であるP4Pは、現実的なインタラクティブな運転シナリオにおいて、既存の学習ベースの予測器よりも優れた性能を達成する。
論文 参考訳(メタデータ) (2022-11-03T07:51:40Z) - AdvDO: Realistic Adversarial Attacks for Trajectory Prediction [87.96767885419423]
軌道予測は、自動運転車が正しく安全な運転行動を計画するために不可欠である。
我々は,現実的な対向軌道を生成するために,最適化に基づく対向攻撃フレームワークを考案する。
私たちの攻撃は、AVが道路を走り去るか、シミュレーション中に他の車両に衝突する可能性がある。
論文 参考訳(メタデータ) (2022-09-19T03:34:59Z) - CARBEN: Composite Adversarial Robustness Benchmark [70.05004034081377]
本稿では,複合対向攻撃 (CAA) が画像に与える影響を実証する。
異なるモデルのリアルタイム推論を提供し、攻撃レベルのパラメータの設定を容易にする。
CAAに対する敵対的堅牢性を評価するためのリーダーボードも導入されている。
論文 参考訳(メタデータ) (2022-07-16T01:08:44Z) - Robust Longitudinal Control for Vehicular Autonomous Platoons Using Deep
Reinforcement Learning [3.0552168294716298]
本稿では,各エージェントの加速度コマンドがネットワークトポロジーに依存しないように,車両小隊の訓練プロセスを一般化する手法を提案する。
本稿では,異なるネットワークトポロジ,不確実なパラメータ,外部力を用いた実験により提案手法の有効性について述べる。
論文 参考訳(メタデータ) (2022-05-31T20:38:12Z) - Balancing detectability and performance of attacks on the control
channel of Markov Decision Processes [77.66954176188426]
マルコフ決定過程(MDPs)の制御チャネルにおける最適ステルス毒素攻撃の設計問題について検討する。
この研究は、MDPに適用された敵国・毒殺攻撃や強化学習(RL)手法に対する研究コミュニティの最近の関心に動機づけられている。
論文 参考訳(メタデータ) (2021-09-15T09:13:10Z) - Evaluating the Robustness of Semantic Segmentation for Autonomous
Driving against Real-World Adversarial Patch Attacks [62.87459235819762]
自動運転車のような現実のシナリオでは、現実の敵例(RWAE)にもっと注意を払わなければならない。
本稿では,デジタルおよび実世界の敵対パッチの効果を検証し,一般的なSSモデルのロバスト性を詳細に評価する。
論文 参考訳(メタデータ) (2021-08-13T11:49:09Z) - Sequential Attacks on Kalman Filter-based Forward Collision Warning
Systems [23.117910305213016]
我々は,前向き衝突警報システムの一部として,カルマンフィルタ(KF)に対する敵対攻撃について検討した。
我々の攻撃目標は、KFに誤った状態推定を出力させることで、人間のブレーキ決定に悪影響を及ぼすことである。
我々は,kfに供給される量量を順次操作し,最適操作を計算するための新しいモデル予測制御(mpc)手法を提案する。
論文 参考訳(メタデータ) (2020-12-16T02:26:27Z)
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。