論文の概要: Cooperative Flight Control Using Visual-Attention -- Air-Guardian
- arxiv url: http://arxiv.org/abs/2212.11084v1
- Date: Wed, 21 Dec 2022 15:31:47 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-22 15:33:01.767860
- Title: Cooperative Flight Control Using Visual-Attention -- Air-Guardian
- Title(参考訳): 視覚的注意による協調飛行制御-エアガード
- Authors: Lianhao Yin, Tsun-Hsuan Wang, Makram Chahine, Tim Seyde, Mathias
Lechner, Ramin Hasani, Daniela Rus
- Abstract要約: 本稿では,人工パイロットエージェントと並列型ニューラルコントロールシステムとの協調を支援するエアガードの概念を提案する。
我々の視覚に基づくエアガードシステムは、因果的連続深度ニューラルネットワークモデルと協調層を結合する。
航空機の操縦士の操縦士の操縦士の操縦士の操縦士の操縦士の操縦士の操縦士の操縦士の操縦士と操縦士の操縦士の操縦士の操縦士の操縦士の操縦士の操縦士の操縦士と操縦士の操縦士の操縦士の操縦士の操縦士の操縦士の操縦士の操縦士と操縦士の操縦士の操縦士の操縦士の操縦士の操縦士と操縦士の操縦士の操縦士の
- 参考スコア(独自算出の注目度): 48.03982746365884
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The cooperation of a human pilot with an autonomous agent during flight
control realizes parallel autonomy. A parallel-autonomous system acts as a
guardian that significantly enhances the robustness and safety of flight
operations in challenging circumstances. Here, we propose an air-guardian
concept that facilitates cooperation between an artificial pilot agent and a
parallel end-to-end neural control system. Our vision-based air-guardian system
combines a causal continuous-depth neural network model with a cooperation
layer to enable parallel autonomy between a pilot agent and a control system
based on perceived differences in their attention profile. The attention
profiles are obtained by computing the networks' saliency maps (feature
importance) through the VisualBackProp algorithm. The guardian agent is trained
via reinforcement learning in a fixed-wing aircraft simulated environment. When
the attention profile of the pilot and guardian agents align, the pilot makes
control decisions. If the attention map of the pilot and the guardian do not
align, the air-guardian makes interventions and takes over the control of the
aircraft. We show that our attention-based air-guardian system can balance the
trade-off between its level of involvement in the flight and the pilot's
expertise and attention. We demonstrate the effectivness of our methods in
simulated flight scenarios with a fixed-wing aircraft and on a real drone
platform.
- Abstract(参考訳): 飛行制御中の人間のパイロットと自律エージェントの協調は、並列自律を実現する。
並列自律システムは、困難な状況下での飛行操作の堅牢性と安全性を著しく向上させる保護体として機能する。
本稿では,人工パイロットエージェントと並列エンドツーエンドニューラルコントロールシステムとの協調を支援するエアガードの概念を提案する。
視覚ベースの防空システムは,注意プロファイルの認識の違いに基づいて,パイロットエージェントと制御システム間の並列的な自律性を実現するために,因果的連続的深層ニューラルネットワークモデルと協調層を組み合わせる。
注意プロファイルは、VisualBackPropアルゴリズムを通じてネットワークのサリエンシマップ(機能の重要性)を計算することによって得られる。
保護剤は、固定翼航空機模擬環境で強化学習により訓練される。
パイロットと保護エージェントの注意プロファイルが一致した場合、パイロットは制御決定を行う。
パイロットと保護者の注意マップが一致しない場合、航空護衛官は介入を行い、航空機の制御を引き継ぐ。
注意に基づく防空システムは、その飛行への関与レベルとパイロットの専門知識と注意の間のトレードオフをバランスさせることができる。
固定翼機と実際のドローンプラットフォームを用いた飛行シナリオのシミュレーションにおける手法の有効性を実証する。
関連論文リスト
- Estimating See and Be Seen Performance with an Airborne Visual
Acquisition Model [0.0]
分離プロビジョニングと衝突回避は、階層化コンフリクト管理システムの基本コンポーネントである。
パイロットは、航空機間の分離を維持するための視界に基づく分離責任を持つ。
乗員機とのドローンの対話は、従来の航空機との対話ほど危険ではない。
論文 参考訳(メタデータ) (2023-06-29T11:39:10Z) - Learning Deep Sensorimotor Policies for Vision-based Autonomous Drone
Racing [52.50284630866713]
既存のシステムは、状態推定、計画、制御のために手作業によるコンポーネントを必要とすることが多い。
本稿では、深層感触者ポリシーを学習することで、視覚に基づく自律ドローンレース問題に取り組む。
論文 参考訳(メタデータ) (2022-10-26T19:03:17Z) - The eyes and hearts of UAV pilots: observations of physiological
responses in real-life scenarios [64.0476282000118]
民間機や軍用機では、パイロットはリアルなシミュレーターで自分の反応や反射を調整できる。
この作業は、現場でパイロットの行動を収集し、パフォーマンスを向上させるソリューションを提供することを目的としています。
論文 参考訳(メタデータ) (2022-10-26T14:16:56Z) - The State of Aerial Surveillance: A Survey [62.198765910573556]
本稿では、コンピュータビジョンとパターン認識の観点から、人間中心の空中監視タスクの概要を概観する。
主な対象は、単体または複数の被験者が検出され、特定され、追跡され、再同定され、その振る舞いが分析される人間である。
論文 参考訳(メタデータ) (2022-01-09T20:13:27Z) - Visual Attention Prediction Improves Performance of Autonomous Drone
Racing Agents [45.36060508554703]
人間はエンドツーエンドの自律飛行のために訓練されたニューラルネットワークよりも速くドローンをレースする。
本研究では、人間の視線行動や注意を模倣できるニューラルネットワークが、ニューラルネットワークの性能を向上させるかどうかを検討する。
論文 参考訳(メタデータ) (2022-01-07T18:07:51Z) - Evolved neuromorphic radar-based altitude controller for an autonomous
open-source blimp [4.350434044677268]
本稿では,ロボット飛行船のためのSNNに基づく高度制御器を提案する。
また、SNNベースのコントローラアーキテクチャ、シミュレーション環境でネットワークをトレーニングするための進化的フレームワーク、現実とのギャップを改善するための制御戦略も提示する。
論文 参考訳(メタデータ) (2021-10-01T20:48:43Z) - Scalable Perception-Action-Communication Loops with Convolutional and
Graph Neural Networks [208.15591625749272]
視覚に基づくグラフアグリゲーション・アンド・推論(VGAI)を用いた知覚-行動-コミュニケーションループの設計を提案する。
我々のフレームワークは、畳み込みとグラフニューラルネットワーク(CNN/GNN)のカスケードによって実装され、エージェントレベルの視覚知覚と特徴学習に対処する。
我々は、VGAIが他の分散コントローラに匹敵する性能を得ることを示した。
論文 参考訳(メタデータ) (2021-06-24T23:57:21Z) - Deep4Air: A Novel Deep Learning Framework for Airport Airside
Surveillance [0.9449650062296822]
コンピュータビジョンに基づく新しいフレームワーク,すなわち"Deep4Air"を提案する。
滑走路やタクシー道で航空機の速度と距離をリアルタイムで分析する。
提案するフレームワークは、航空機を効率的に検出・追跡する適応型ディープニューラルネットワークを含む。
論文 参考訳(メタデータ) (2020-10-02T06:33:21Z)
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。