論文の概要: Multi-Agent Deep Reinforcement Learning for Efficient Passenger Delivery
in Urban Air Mobility
- arxiv url: http://arxiv.org/abs/2211.06890v1
- Date: Sun, 13 Nov 2022 12:30:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-15 20:01:59.051956
- Title: Multi-Agent Deep Reinforcement Learning for Efficient Passenger Delivery
in Urban Air Mobility
- Title（参考訳）: 都市エアモビリティにおける高効率乗客配送のためのマルチエージェント深層補強学習
- Authors: Chanyoung Park, Soohyun Park, Gyu Seon Kim, Soyi Jung, Jae-Hyun Kim,
and Joongheon Kim
- Abstract要約: 都市空力(UAM)は将来の輸送において重要な役割を果たす。
本稿では,UAMネットワークにおける信頼性と効率的な乗客輸送のための新しい協調型MADRLアルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 16.081324675010084
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: It has been considered that urban air mobility (UAM), also known as
drone-taxi or electrical vertical takeoff and landing (eVTOL), will play a key
role in future transportation. By putting UAM into practical future
transportation, several benefits can be realized, i.e., (i) the total travel
time of passengers can be reduced compared to traditional transportation and
(ii) there is no environmental pollution and no special labor costs to operate
the system because electric batteries will be used in UAM system. However,
there are various dynamic and uncertain factors in the flight environment,
i.e., passenger sudden service requests, battery discharge, and collision among
UAMs. Therefore, this paper proposes a novel cooperative MADRL algorithm based
on centralized training and distributed execution (CTDE) concepts for reliable
and efficient passenger delivery in UAM networks. According to the performance
evaluation results, we confirm that the proposed algorithm outperforms other
existing algorithms in terms of the number of serviced passengers increase
(30%) and the waiting time per serviced passenger decrease (26%)
- Abstract（参考訳）: 都市空力(UAM)は、ドローンタクシーや電気垂直離着陸(eVTOL)としても知られ、将来の輸送において重要な役割を果たすと考えられている。
UAMを現実的な将来輸送に組み込むことで、いくつかのメリット、すなわち、実現することができる。
(i)従来の輸送に比べて乗客の総移動時間を短縮できる。
(二 環境汚染がなく、電池がUAMシステムで使用されるため、システムの運用に特別な労力がかからない。)
しかし、乗客の突然のサービス要求、バッテリーの排出、uam間の衝突など、飛行環境には様々な動的かつ不確実な要因がある。
そこで本稿では,UAMネットワーク上での信頼性と効率的な旅客配送のための,集中型トレーニングと分散実行(CTDE)の概念に基づく新しい協調型MADRLアルゴリズムを提案する。
性能評価の結果から,提案アルゴリズムは他の既存アルゴリズムと比較して,利用客数の増加(30%)と利用客1人あたりの待ち時間(26%)を上回っていることを確認した。
関連論文リスト
- 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) - Demand Modeling for Advanced Air Mobility [21.445133878049333]
Advanced Air Mobility (AAM) は有望な輸送手段として登場した。
本研究は、テネシー州の国勢調査区域における雇用ベースの旅行データを分析し、AAMの需要動態を分析した。
その結果,一般交通費の70%以上を航空輸送が占める場合,AAMにとって旅行は有効である可能性が示唆された。
論文 参考訳（メタデータ） (2024-11-25T21:51:39Z) - Fast Decision Support for Air Traffic Management at Urban Air Mobility
Vertiports using Graph Learning [7.2547164017692625]
アーバン・エアモビリティ(UAM)航空機は、バーティポートと呼ばれる小さな空港から運用される。
このスケジュールをリアルタイムで管理することは、従来の航空交通管制官にとって難しいが、代わりに自動化されたソリューションを求めている。
本稿では,UAM-VSM(Urban Air Mobility - Vertiport Schedule Management)問題に対する新しいアプローチを提案する。
論文 参考訳（メタデータ） (2023-08-17T16:05:44Z) - Multi-Agent Deep Reinforcement Learning for Dynamic Avatar Migration in
AIoT-enabled Vehicular Metaverses with Trajectory Prediction [70.9337170201739]
本稿では,その歴史データに基づいて,知的車両の将来の軌跡を予測するモデルを提案する。
提案アルゴリズムは,予測なしでアバタータスクの実行遅延を約25%削減できることを示す。
論文 参考訳（メタデータ） (2023-06-26T13:27:11Z) - A deep reinforcement learning approach to assess the low-altitude
airspace capacity for urban air mobility [0.0]
都市空力は、低高度空域を利用して高速で安全な旅行手段を提供することを目的としている。
当局は現在も、都市空輸に適用される新しい飛行規則の見直しに取り組んでいる。
深い強化学習アプローチと深い決定論的政策勾配アルゴリズムを用いて,自律型UAV経路計画フレームワークを提案する。
論文 参考訳（メタデータ） (2023-01-23T23:38:05Z) - Learning energy-efficient driving behaviors by imitating experts [75.12960180185105]
本稿では,コミュニケーション・センシングにおける制御戦略と現実的限界のギャップを埋める上で,模倣学習が果たす役割について考察する。
擬似学習は、車両の5%に採用されれば、局地的な観測のみを用いて、交通条件の異なるネットワークのエネルギー効率を15%向上させる政策を導出できることを示す。
論文 参考訳（メタデータ） (2022-06-28T17:08:31Z) - Wireless-Enabled Asynchronous Federated Fourier Neural Network for
Turbulence Prediction in Urban Air Mobility (UAM) [101.80862265018033]
垂直離着陸機(VTOL)が配車サービスに使用される都市空力(UAM)が提案されている。
UAMでは、航空機はエアロドロムを繋ぐ廊下として知られる指定空域で運用することができる。
GBSと航空機間の信頼性の高い通信網により、UAMは適切に空域を利用することができる。
論文 参考訳（メタデータ） (2021-12-26T14:41:52Z) - Risk Adversarial Learning System for Connected and Autonomous Vehicle
Charging [43.42105971560163]
我々は、コネクテッドかつ自律的な自動車充電インフラ(CAV-CI)のための合理的意思決定支援システム(RDSS)の設計について検討する。
検討されたCAV-CIでは、配電系統オペレーター(DSO)が電気自動車供給装置(EVSE)を配備し、人間駆動のコネクテッドカー(CV)と自動運転車(AV)のためのEV充電設備を提供する。
人力EVによる充電要求は、実際の需要よりもエネルギーと充電時間を必要とすると不合理になる。
我々は,CAV-CIが解決する新たなリスク対向型マルチエージェント学習システム(ALS)を提案する。
論文 参考訳（メタデータ） (2021-08-02T02:38:15Z) - 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) - Air taxi service for urban mobility: A critical review of recent
developments, future challenges, and opportunities [9.594432031144716]
エアタクシー(英: Air taxi service、ATS)は、1人の乗客または少数の乗客のための航空オンデマンド輸送サービスである。
電動垂直離着陸の概念(eVTOL)を採用することで、ビルの屋上に設置されたスカイポートからエアタクシーを運用できるようになった。
論文 参考訳（メタデータ） (2021-02-24T22:48:03Z) - FlexPool: A Distributed Model-Free Deep Reinforcement Learning Algorithm
for Joint Passengers & Goods Transportation [36.989179280016586]
本稿では,乗用車と貨物輸送を組み合わせることで,車両による輸送を改善することを検討する。
我々はFlexPoolを提案する。FlexPoolは分散モデルなしの深層強化学習アルゴリズムで、乗客や商品のワークロードを共同で処理する。
また,FlexPoolはフリート利用率を30%向上し,燃料効率を35%向上することを示した。
論文 参考訳（メタデータ） (2020-07-27T17:25:58Z)
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。