論文の概要: Decentralized traffic management of autonomous drones

• arxiv url: http://arxiv.org/abs/2312.11207v1
• Date: Mon, 18 Dec 2023 13:52:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-20 19:54:29.604780
• Title: Decentralized traffic management of autonomous drones
• Title（参考訳）: 自律型ドローンの分散交通管理
• Authors: Boldizs\'ar Bal\'azs, Tam\'as Vicsek, Gerg\H{o} Somorjai, Tam\'as Nepusz, G\'abor V\'as\'arhelyi
• Abstract要約: 本稿では,自律型エージェントを効果的に航空調整タスクに自己組織化できるソリューションを提案する。 我々のアルゴリズムは、ドローンの数とその速度範囲に関して安全で効率的でスケーラブルであることを示す。 我々は,半径125mの円形領域における100機の自律ドローンの航空交通の協調を実験的に実証した。
• 参考スコア（独自算出の注目度）: 0.3374875022248865
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Coordination of local and global aerial traffic has become a legal and technological bottleneck as the number of unmanned vehicles in the common airspace continues to grow. To meet this challenge, automation and decentralization of control is an unavoidable requirement. In this paper, we present a solution that enables self-organization of cooperating autonomous agents into an effective traffic flow state in which the common aerial coordination task - filled with conflicts - is resolved. Using realistic simulations, we show that our algorithm is safe, efficient, and scalable regarding the number of drones and their speed range, while it can also handle heterogeneous agents and even pairwise priorities between them. The algorithm works in any sparse or dense traffic scenario in two dimensions and can be made increasingly efficient by a layered flight space structure in three dimensions. To support the feasibility of our solution, we experimentally demonstrate coordinated aerial traffic of 100 autonomous drones within a circular area with a radius of 125 meters.
• Abstract（参考訳）: 地域とグローバルな航空交通の調整は、共通空域における無人車両の数が増加し続けており、法的、技術的ボトルネックとなっている。 この課題に対処するため、制御の自動化と分散化は避けられない要件である。 本稿では,協調型自律エージェントの自己組織化を,コンフリクトに満ちた共通航空協調タスクが解決される効果的な交通流状態へと導くためのソリューションを提案する。 現実的なシミュレーションを用いて、我々のアルゴリズムはドローンの数と速度範囲に関して安全で効率的でスケーラブルであり、異種エージェントやペアの優先順位を扱うこともできる。 このアルゴリズムはスパースまたは密度の高い交通シナリオを2次元で処理し、3次元の層状飛行空間構造によってより効率的にすることができる。 提案手法の実現可能性を支えるため,125mの円圏内における100機の自律ドローンの航空交通の協調実験を行った。

関連論文リスト

• Generalizability of Graph Neural Networks for Decentralized Unlabeled Motion Planning [72.86540018081531]
  ラベルなしの動作計画では、衝突回避を確保しながら、ロボットのセットを目標の場所に割り当てる。 この問題は、探査、監視、輸送などの応用において、マルチロボットシステムにとって不可欠なビルディングブロックを形成している。 この問題に対処するために、各ロボットは、その400ドルのアネレストロボットと$k$アネレストターゲットの位置のみを知っている分散環境で対処する。
  論文  参考訳（メタデータ） (2024-09-29T23:57:25Z)
• Navigating the Smog: A Cooperative Multi-Agent RL for Accurate Air Pollution Mapping through Data Assimilation [1.692437325972209]
  本稿では,自律型ドローンが空飛ぶ探偵として機能する,空気質マッピングの新しい手法を提案する。 当社のソリューションでは、ダイナミックなクレジット割り当てを備えたリターン機能を採用しており、ドローンによる情報測定の優先順位付けを可能にしている。 空気の質以外にも、このソリューションは山火事の検出や管理といった多様な環境問題に対処する可能性を秘めている。
  論文  参考訳（メタデータ） (2024-07-17T13:24:27Z)
• 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)
• Collaborative Driving: Learning- Aided Joint Topology Formulation and Beamforming [24.54541437306899]
  mmWave/THz帯における運転トポロジと車両ネットワークの定式化を共同で制御する新しいフレームワークである協調自律運転を構想する。 Swarmインテリジェンスシステムとして、コラボレーティブな運転方式は、単一車両インテリジェンスに基づく既存の自律運転パターンを越えている。 我々は、mmWave/THz-based vehicle-to-vehicle (V2V) 通信において、2つの有望なアプローチを示す。
  論文  参考訳（メタデータ） (2022-03-18T12:50:35Z)
• Autonomous Aerial Robot for High-Speed Search and Intercept Applications [86.72321289033562]
  高速物体把握のための完全自律飛行ロボットが提案されている。 追加のサブタスクとして、我々のシステムは、表面に近い極にある気球を自律的にピアスすることができる。 我々のアプローチは、挑戦的な国際競争で検証され、優れた結果が得られました。
  論文  参考訳（メタデータ） (2021-12-10T11:49:51Z)
• Distributed Deep Reinforcement Learning for Intelligent Traffic Monitoring with a Team of Aerial Robots [3.04585143845864]
  本研究では,航空ロボットチームによる道路ネットワークにおける交通監視問題について検討する。 深層強化学習に基づく分散スケーラブルなアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-07-10T22:41:32Z)
• End-to-End Intersection Handling using Multi-Agent Deep Reinforcement Learning [63.56464608571663]
  交差点をナビゲートすることは、自動運転車にとって大きな課題の1つです。 本研究では,交通標識のみが提供された交差点をナビゲート可能なシステムの実装に着目する。 本研究では,時間ステップ毎に加速度と操舵角を予測するためのニューラルネットワークの訓練に用いる,モデルフリーの連続学習アルゴリズムを用いたマルチエージェントシステムを提案する。
  論文  参考訳（メタデータ） (2021-04-28T07:54:40Z)
• Multi-Modal Fusion Transformer for End-to-End Autonomous Driving [59.60483620730437]
  画像表現とLiDAR表現を注目で統合する,新しいマルチモードフュージョントランスフォーマであるTransFuserを提案する。 本手法は, 衝突を76%低減しつつ, 最先端駆動性能を実現する。
  論文  参考訳（メタデータ） (2021-04-19T11:48:13Z)
• Multi-Agent Routing Value Iteration Network [88.38796921838203]
  疎結合グラフの学習値に基づいてマルチエージェントルーティングを行うことができるグラフニューラルネットワークに基づくモデルを提案する。 最大25ノードのグラフ上で2つのエージェントでトレーニングしたモデルでは,より多くのエージェントやノードを持つ状況に容易に一般化できることが示されている。
  論文  参考訳（メタデータ） (2020-07-09T22:16:45Z)
• An Autonomous Free Airspace En-route Controller using Deep Reinforcement Learning Techniques [24.59017394648942]
  航空機の任意の数の航空機を3次元非構造空域に誘導する航空交通制御モデルが提示される。 その結果,航空交通管制モデルが現実的な交通密度で良好に機能していることが示唆された。 潜在的な衝突の100%を回避し、潜在的な衝突の89.8%を防止して、空域を管理することができる。
  論文  参考訳（メタデータ） (2020-07-03T10:37:25Z)
• Learning-to-Fly: Learning-based Collision Avoidance for Scalable Urban Air Mobility [2.117421588033177]
  複数のUASのための分散型オンデマンド空中衝突回避フレームワークであるL2F(Learning-to-Fly)を提案する。 L2Fは,1)学習に基づく意思決定方式と,2)分散線形プログラミングに基づくUAS制御アルゴリズムからなる2段階衝突回避手法である。 本手法のリアルタイム適用性は,MILP法よりも6000ドル高速であり,操作の余地が十分ある場合,100%の衝突を解消できる。
  論文  参考訳（メタデータ） (2020-06-23T18:46:31Z)

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。