論文の概要: Multi-UAV Planning for Cooperative Wildfire Coverage and Tracking with
Quality-of-Service Guarantees
- arxiv url: http://arxiv.org/abs/2206.10544v1
- Date: Tue, 21 Jun 2022 17:20:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-22 19:13:58.193497
- Title: Multi-UAV Planning for Cooperative Wildfire Coverage and Tracking with
Quality-of-Service Guarantees
- Title（参考訳）: マルチuavによるサービス品質保証による野火調査と追跡の協調計画
- Authors: Esmaeil Seraj and Andrew Silva and Matthew Gombolay
- Abstract要約: 本研究では,複数UAVチームにおける協調的なフィールドカバレッジと火災追跡を実現するための予測フレームワークを提案する。
我々は、UAVチームが限られた資源を分配し、消防エリア全体をカバーできるように、新しい、分析的時間的、および追跡エラー境界を導出する。
本研究の結果は, 空域火災監視のケーススタディに限らず, 捜索・救助, 目標追跡, 国境パトロールなどの問題に適用可能である。
- 参考スコア（独自算出の注目度）: 7.936688444492405
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years, teams of robot and Unmanned Aerial Vehicles (UAVs) have been
commissioned by researchers to enable accurate, online wildfire coverage and
tracking. While the majority of prior work focuses on the coordination and
control of such multi-robot systems, to date, these UAV teams have not been
given the ability to reason about a fire's track (i.e., location and
propagation dynamics) to provide performance guarantee over a time horizon.
Motivated by the problem of aerial wildfire monitoring, we propose a predictive
framework which enables cooperation in multi-UAV teams towards collaborative
field coverage and fire tracking with probabilistic performance guarantee. Our
approach enables UAVs to infer the latent fire propagation dynamics for
time-extended coordination in safety-critical conditions. We derive a set of
novel, analytical temporal, and tracking-error bounds to enable the UAV-team to
distribute their limited resources and cover the entire fire area according to
the case-specific estimated states and provide a probabilistic performance
guarantee. Our results are not limited to the aerial wildfire monitoring
case-study and are generally applicable to problems, such as search-and-rescue,
target tracking and border patrol. We evaluate our approach in simulation and
provide demonstrations of the proposed framework on a physical multi-robot
testbed to account for real robot dynamics and restrictions. Our quantitative
evaluations validate the performance of our method accumulating 7.5x and 9.0x
smaller tracking-error than state-of-the-art model-based and reinforcement
learning benchmarks, respectively.
- Abstract（参考訳）: 近年では、ロボットと無人航空機(uavs)のチームが、正確なオンラインの野火のカバレッジと追跡を可能にするために、研究者から委託されている。
これまでの作業の大部分は、このようなマルチロボットシステムの調整と制御に重点を置いていたが、これらのUAVチームは、火の軌跡(位置と伝播のダイナミクス)を推論して、時間的地平線上での性能を保証する能力を与えていない。
本研究では,複数UAVチームにおける協調作業と,確率的性能保証を備えた火災追跡を実現するための予測フレームワークを提案する。
本手法により,uavは安全・安全条件下での時間的協調のために潜在火災伝播ダイナミクスを推定できる。
我々は,UAVチームが限られた資源を分配し,事例特異的な推定状態に従って消防エリア全体をカバーし,確率的性能保証を提供するための,新規で解析的な時間的・追跡エラー境界を導出する。
本研究の結果は, 空域火災監視のケーススタディに限らず, 捜索・救助, 目標追跡, 国境パトロールなどの問題に適用可能である。
シミュレーションにおける本手法を評価し,実ロボットのダイナミクスと制約を考慮した物理マルチロボットテストにおいて,提案手法の実証を行った。
本手法の性能を定量的に評価し, 7.5倍, 9.0倍の追跡誤差を, 最先端モデルベースおよび強化学習ベンチマークと比較した。
関連論文リスト
- Anti-Jamming Path Planning Using GCN for Multi-UAV [0.0]
UAVスワーミングの有効性は、ジャミング技術によって著しく損なわれる可能性がある。
UAV群集が集団知能を利用してジャム領域を予測する手法が提案されている。
マルチエージェント制御アルゴリズムを使用して、UAVスワムを分散し、ジャミングを回避し、ターゲットに到達すると再グループ化する。
論文 参考訳（メタデータ） (2024-03-13T07:28:05Z) - Multi-Agent Reinforcement Learning for Offloading Cellular Communications with Cooperating UAVs [21.195346908715972]
無人航空機は、地上のBSからデータトラフィックをオフロードする代替手段を提供する。
本稿では,地上BSからデータオフロードを行うために,複数のUAVを効率的に利用するための新しい手法を提案する。
論文 参考訳（メタデータ） (2024-02-05T12:36:08Z) - Hardware Acceleration for Real-Time Wildfire Detection Onboard Drone
Networks [6.313148708539912]
遠隔地や森林地帯での山火事の検出は 破壊と生態系の保全を 最小化するのに不可欠です
ドローンは、高度な撮像技術を備えた、リモートで困難な地形へのアジャイルアクセスを提供する。
限られた計算とバッテリリソースは、画像分類モデルの実装と効率的な実装に困難をもたらす。
本稿では,リアルタイム画像分類と火災分断モデルの構築を目的とする。
論文 参考訳（メタデータ） (2024-01-16T04:16:46Z) - A comprehensive survey of research towards AI-enabled unmanned aerial
systems in pre-, active-, and post-wildfire management [6.043705525669726]
森林火災は世界でも最も破壊的な自然災害の1つであり、人命と森林の野生生物に壊滅的な被害をもたらしている。
近年、無人航空機(UAV)とディープラーニングモデルの統合によって推進される山火事における人工知能(AI)の使用は、より効果的な山火事管理を実装し、開発するための前例のない勢いを生み出している。
論文 参考訳（メタデータ） (2024-01-04T05:09:35Z) - Multi-Objective Optimization for UAV Swarm-Assisted IoT with Virtual
Antenna Arrays [55.736718475856726]
無人航空機(UAV)ネットワークはIoT(Internet-of-Things)を支援するための有望な技術である
既存のUAV支援データ収集および普及スキームでは、UAVはIoTとアクセスポイントの間を頻繁に飛行する必要がある。
協調ビームフォーミングをIoTとUAVに同時に導入し、エネルギーと時間効率のデータ収集と普及を実現した。
論文 参考訳（メタデータ） (2023-08-03T02:49:50Z) - Evidential Detection and Tracking Collaboration: New Problem, Benchmark
and Algorithm for Robust Anti-UAV System [56.51247807483176]
無人航空機(UAV)は輸送、監視、軍事など多くの地域で広く使われている。
従来は、UAVの先行情報が常に提供されていた追跡問題として、このようなアンチUAVタスクを単純化していた。
本稿では,従来のUAV情報を含まない複雑な場面において,UAVの認識を特徴とする新しい実用的対UAV問題を初めて定式化する。
論文 参考訳（メタデータ） (2023-06-27T19:30:23Z) - Integrated Sensing, Computation, and Communication for UAV-assisted
Federated Edge Learning [52.7230652428711]
フェデレーションエッジ学習(FEEL)は、エッジデバイスとサーバ間の定期的な通信を通じて、プライバシ保護モデルトレーニングを可能にする。
無人航空機(UAV)搭載エッジデバイスは、効率的なデータ収集における柔軟性と移動性のため、FEELにとって特に有利である。
論文 参考訳（メタデータ） (2023-06-05T16:01:33Z) - 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) - Federated Learning in the Sky: Joint Power Allocation and Scheduling
with UAV Swarms [98.78553146823829]
無人航空機(UAV)は様々なタスクを実行するために機械学習(ML)を利用する必要がある。
本稿では,UAVスワム内に分散学習(FL)アルゴリズムを実装するための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2020-02-19T14:04:01Z)
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。