論文の概要: Using reinforcement learning to improve drone-based inference of greenhouse gas fluxes

• arxiv url: http://arxiv.org/abs/2401.03932v1
• Date: Mon, 8 Jan 2024 14:45:15 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-09 16:07:31.643252
• Title: Using reinforcement learning to improve drone-based inference of greenhouse gas fluxes
• Title（参考訳）: 強化学習を用いたドローンによる温室効果ガスフラックスの推定
• Authors: Alouette van Hove, Kristoffer Aalstad, Norbert Pirk
• Abstract要約: 本稿では,ドローンによる表面フラックス推定の枠組みを提案する。 RLで訓練されたドローンは、事前に定義された飛行経路に沿ってドローンをサンプリングするよりも、CO2ホットスポットを正確に定量化することができる。 情報に基づく報奨関数は,誤差に基づく報奨関数の性能と一致することがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate mapping of greenhouse gas fluxes at the Earth's surface is essential for the validation and calibration of climate models. In this study, we present a framework for surface flux estimation with drones. Our approach uses data assimilation (DA) to infer fluxes from drone-based observations, and reinforcement learning (RL) to optimize the drone's sampling strategy. Herein, we demonstrate that a RL-trained drone can quantify a CO2 hotspot more accurately than a drone sampling along a predefined flight path that traverses the emission plume. We find that information-based reward functions can match the performance of an error-based reward function that quantifies the difference between the estimated surface flux and the true value. Reward functions based on information gain and information entropy can motivate actions that increase the drone's confidence in its updated belief, without requiring knowledge of the true surface flux. These findings provide valuable insights for further development of the framework for the mapping of more complex surface flux fields.
• Abstract（参考訳）: 地球表面における温室効果ガスフラックスの正確なマッピングは、気候モデルの検証と校正に不可欠である。 本研究では,ドローンを用いた表面フラックス推定の枠組みを提案する。 このアプローチでは,ドローンによる観測からフラックスを推定するためにデータ同化(DA)と,ドローンのサンプリング戦略を最適化するために強化学習(RL)を用いる。 ここでは、RLで訓練されたドローンが、排出管を横断する予め定義された飛行経路に沿ってサンプリングするドローンよりも、CO2ホットスポットを正確に定量化できることを実証する。 その結果,情報に基づく報奨関数は,推定表面フラックスと真値との差を定量化する誤差に基づく報奨関数の性能と一致することがわかった。 情報ゲインと情報エントロピーに基づくリワード関数は、真の表面フラックスの知識を必要とせずに、ドローンの信頼性を高めるアクションを動機付けることができる。 これらの知見は、より複雑な表面フラックス場のマッピングのためのフレームワークのさらなる開発に有用な洞察を与える。

関連論文リスト

• 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)
• Drones Help Drones: A Collaborative Framework for Multi-Drone Object Trajectory Prediction and Beyond [14.635604544350198]
  協調軌道予測は、多視点補完情報を通して、オブジェクトの将来の動きを包括的に予測することができる。 本研究では,精密なバードアイビュー表現を生成するために,DHD(Drones Help Drones)という新しいフレームワークを提案する。 DHDは、BEV表現における位置ずれを20%以上削減し、相互作用の伝達比の4分の1しか必要としない。
  論文  参考訳（メタデータ） (2024-05-23T15:11:23Z)
• Guiding drones by information gain [0.0]
  本研究では,大気観測からガス配管のパラメーターを推定するための2つのドローンサンプリング手法について検討した。 本研究は,インフォタキシーの近視的アプローチと深い強化学習を通じて訓練された遠視ナビゲーション戦略を比較した。 非等方性ガス配管環境におけるインフォタキシーよりも深い強化学習の優れた性能を示す。
  論文  参考訳（メタデータ） (2024-01-08T15:13:23Z)
• Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
  スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。 本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
  論文  参考訳（メタデータ） (2023-08-14T16:48:57Z)
• AZTR: Aerial Video Action Recognition with Auto Zoom and Temporal Reasoning [63.628195002143734]
  本稿では,空中映像の行動認識のための新しい手法を提案する。 提案手法は,UAVを用いて撮影したビデオに対して設計されており,エッジやモバイルデバイス上でも動作可能である。 我々は、カスタマイズされたオートズームを使用して、人間のターゲットを自動的に識別し、適切にスケールする学習ベースのアプローチを提案する。
  論文  参考訳（メタデータ） (2023-03-02T21:24:19Z)
• TransVisDrone: Spatio-Temporal Transformer for Vision-based Drone-to-Drone Detection in Aerial Videos [57.92385818430939]
  視覚的フィードを用いたドローンからドローンへの検知は、ドローンの衝突の検出、ドローンの攻撃の検出、他のドローンとの飛行の調整など、重要な応用がある。 既存の手法は計算コストがかかり、非エンドツーエンドの最適化に追随し、複雑なマルチステージパイプラインを持つため、エッジデバイス上でのリアルタイムデプロイメントには適さない。 計算効率を向上したエンドツーエンドのソリューションを提供する,シンプルで効果的なフレームワークであるitTransVisDroneを提案する。
  論文  参考訳（メタデータ） (2022-10-16T03:05:13Z)
• Progressive Self-Distillation for Ground-to-Aerial Perception Knowledge Transfer [28.214084837466025]
  我々は、ドローンが飛行高度の異なる環境でどのように認識できるかという、現実的な問題はまだ検討されていない。 現在の半教師あり学習法は視点差では有効ではない。 本研究では、地上視点のラベル付きデータと飛行視点のラベル付きデータのみを用いて、ドローンの認識を可能にするプログレッシブ半教師付き学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-08-29T07:30:35Z)
• Rethinking Drone-Based Search and Rescue with Aerial Person Detection [79.76669658740902]
  航空ドローンの映像の視覚検査は、現在土地捜索救助(SAR)活動に不可欠な部分である。 本稿では,この空中人物検出(APD)タスクを自動化するための新しいディープラーニングアルゴリズムを提案する。 本稿では,Aerial Inspection RetinaNet (AIR) アルゴリズムについて述べる。
  論文  参考訳（メタデータ） (2021-11-17T21:48:31Z)
• Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
  ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。 降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
  論文  参考訳（メタデータ） (2021-07-14T21:10:47Z)
• From industry-wide parameters to aircraft-centric on-flight inference: improving aeronautics performance prediction with machine learning [5.171090309853363]
  航空機の性能モデルは、特に燃料効率の良い飛行計画において重要な役割を担っている。 実際には、メーカーは1つの要素のチューニングを通じて、航空機のライフサイクルを通してわずかに修正されたガイドラインを提供し、より良い燃料予測を可能にしている。 これは制限があり、特に航空機の性能に影響を及ぼすそれぞれの特徴の進化を反映していない。 本論文の重要な貢献は,航空機の飛行中に連続的に記録される大量のデータを活用するために,機械学習の利用を促進することである。
  論文  参考訳（メタデータ） (2020-05-11T17:40:17Z)
• Value-driven Hindsight Modelling [68.658900923595]
  値推定は強化学習(RL)パラダイムの重要な構成要素である。 モデル学習は、観測系列に存在する豊富な遷移構造を利用することができるが、このアプローチは通常、報酬関数に敏感ではない。 この2つの極点の間に位置するRLにおける表現学習のアプローチを開発する。 これにより、タスクに直接関連し、値関数の学習を加速できる、抽出可能な予測ターゲットが提供される。
  論文  参考訳（メタデータ） (2020-02-19T18:10:20Z)

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。