論文の概要: Path Planning in a dynamic environment using Spherical Particle Swarm Optimization
- arxiv url: http://arxiv.org/abs/2403.12739v1
- Date: Tue, 19 Mar 2024 13:56:34 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-20 14:03:59.002300
- Title: Path Planning in a dynamic environment using Spherical Particle Swarm Optimization
- Title（参考訳）: 球状粒子群最適化を用いた動的環境における経路計画
- Authors: Mohssen E. Elshaar, Mohammed R. Elbalshy, A. Hussien, Mohammed Abido,
- Abstract要約: 本研究では, 球面ベクトルを用いた粒子群最適化技術を用いたUAV用動的パスプランナ(DPP)を提案する。
経路は、チェックポイントを再計画する一組の経路として構築されている。経路長、安全、姿勢、経路平滑性はすべて、最適な経路がどうあるべきかを決定する上で考慮される。
実際のデジタル標高モデルを用いて4つのテストシナリオが実施される。それぞれのテストは、SPSO-DPPが安全で効率的な経路セグメントを生成することができるかを示すために、パスの長さと安全性に異なる優先順位を与える。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Efficiently planning an Unmanned Aerial Vehicle (UAV) path is crucial, especially in dynamic settings where potential threats are prevalent. A Dynamic Path Planner (DPP) for UAV using the Spherical Vector-based Particle Swarm Optimisation (SPSO) technique is proposed in this study. The UAV is supposed to go from a starting point to an end point through an optimal path according to some flight criteria. Path length, Safety, Attitude and Path Smoothness are all taken into account upon deciding how an optimal path should be. The path is constructed as a set of way-points that stands as re-planning checkpoints. At each path way-point, threats are allowed some constrained random motion, where their exact positions are updated and fed to the SPSO-solver. Four test scenarios are carried out using real digital elevation models. Each test gives different priorities to path length and safety, in order to show how well the SPSO-DPP is capable of generating a safe yet efficient path segments. Finally, a comparison is made to reveal the persistent overall superior performance of the SPSO, in a dynamic environment, over both the Particle Swarm Optimisation (PSO) and the Genetic Algorithm (GA). The methods are compared directly, by averaging costs over multiple runs, and by considering different challenging levels of obstacle motion. SPSO outperformed both PSO and GA, showcasing cost reductions ranging from 330\% to 675\% compared to both algorithms.
- Abstract（参考訳）: 無人航空機(UAV)の経路を効率的に計画することは、特に潜在的な脅威が頻発する動的な状況において重要である。
本研究では, 球面ベクトルを用いた粒子群最適化(SPSO)技術を用いたUAV用動的パスプランナ(DPP)を提案する。
UAVは、いくつかの飛行基準に従って、出発点から終了点まで最適な経路をたどることになっている。
経路長、安全性、姿勢、経路平滑性はすべて、最適な経路がどうあるべきかを決める上で考慮される。
パスは、チェックポイントの再計画として立つ一連のウェイポイントとして構築されます。
各経路の経路ポイントにおいて、脅威はいくつかの制約されたランダムな動きを許容され、そこでその正確な位置が更新され、SPSO解決器に供給される。
実際のデジタル標高モデルを用いて4つのテストシナリオを実行する。
各テストはパスの長さと安全性に異なる優先順位を与え、SPSO-DPPが安全で効率的なパスセグメントを生成することができるかを示す。
最後に、SPSOの持続的総合的性能を、PSO(Particle Swarm Optimisation)とGA(Genematic Algorithm)の両方に対して、動的環境において明らかにする。
これらの手法は直接比較され、複数のランニングのコストを平均化し、障害物運動の異なるレベルを考慮して比較される。
SPSO は PSO と GA のどちらよりも優れており、どちらのアルゴリズムよりも 330 % から 675 % のコスト削減が見られた。
関連論文リスト
- Navigation Variable-based Multi-objective Particle Swarm Optimization for UAV Path Planning with Kinematic Constraints [0.8192907805418583]
無人航空機(UAV)は、UAVがタスクを完了するために従わなければならない経路を決定するため、経路計画が不可欠である。
この研究は、ナビゲーション変数に基づく多目的粒子群最適化(NMOPSO)と呼ばれる新しいアルゴリズムを導入する。
このアルゴリズムは、航法変数に基づく新しい経路表現を特徴とし、キネマティック制約を含み、UAVの操作可能な特性を利用する。
論文 参考訳（メタデータ） (2025-01-03T16:07:37Z) - SCoTT: Wireless-Aware Path Planning with Vision Language Models and Strategic Chains-of-Thought [78.53885607559958]
複雑な無線環境における経路計画を実現するために,視覚言語モデル(VLM)を用いた新しい手法を提案する。
この目的のために、実世界の無線レイトレーシングデータを用いたデジタルツインからの洞察を探索する。
その結果, SCoTT はDP-WA* と比較して非常に近い平均経路ゲインを実現し, 同時に一貫した経路長が得られることがわかった。
論文 参考訳（メタデータ） (2024-11-27T10:45:49Z) - Stochastic Optimal Control Matching [53.156277491861985]
最適制御のための新しい反復拡散最適化(IDO)技術である最適制御マッチング(SOCM)を導入する。
この制御は、一致するベクトル場に適合しようとすることで、最小二乗問題を通じて学習される。
実験により,本アルゴリズムは最適制御のための既存のすべての IDO 手法よりも低い誤差を実現する。
論文 参考訳（メタデータ） (2023-12-04T16:49:43Z) - ELRA: Exponential learning rate adaption gradient descent optimization
method [83.88591755871734]
我々は, 高速(指数率), ab initio(超自由)勾配に基づく適応法を提案する。
本手法の主な考え方は,状況認識による$alphaの適応である。
これは任意の次元 n の問題に適用でき、線型にしかスケールできない。
論文 参考訳（メタデータ） (2023-09-12T14:36:13Z) - POA: Passable Obstacles Aware Path-planning Algorithm for Navigation of
a Two-wheeled Robot in Highly Cluttered Environments [53.41594627336511]
パッシブル障害物認識(Passable Obstacles Aware, POA)プランナーは, 乱雑な環境下での二輪ロボットのナビゲーション手法である。
我々のアルゴリズムは、二輪ロボットが通過可能な障害物を通り抜ける道を見つけることを可能にする。
論文 参考訳（メタデータ） (2023-07-16T19:44:27Z) - Efficient Ground Vehicle Path Following in Game AI [77.34726150561087]
本稿では,ゲームAIに適した地上車両の効率的な追従経路を提案する。
提案したパスフォロワは,一対一シューティングゲームにおいて,様々なテストシナリオを通じて評価される。
その結果,既存の経路と比較すると,立ち往生するイベントの総数が70%減少した。
論文 参考訳（メタデータ） (2023-07-07T04:20:07Z) - Using Particle Swarm Optimization as Pathfinding Strategy in a Space
with Obstacles [4.899469599577755]
Particle Swarm Optimization (PSO) は集団適応最適化に基づく探索アルゴリズムである。
本稿では,幅広いアプリケーションを対象としたパスプランニングの効率化を図るため,パスフィニング戦略を提案する。
論文 参考訳（メタデータ） (2021-12-16T12:16:02Z) - Safety-enhanced UAV Path Planning with Spherical Vector-based Particle
Swarm Optimization [5.076419064097734]
本稿では,無人航空機(UAV)の経路計画問題に対処するため,球面ベクトルベース粒子群最適化 (SPSO) という新しいアルゴリズムを提案する。
コスト関数が最初に定式化され、経路計画がUAVの実用的で安全な運用に必要な要件と制約を組み込んだ最適化問題に変換される。
SPSOは、UAVの構成空間を効率的に探索することでコスト関数を最小化する最適経路を見つけるために使用される。
論文 参考訳（メタデータ） (2021-04-13T06:45:11Z) - Multi-Agent Path Planning based on MPC and DDPG [14.793341914236166]
モデル予測制御(MPC)とDeep Deterministic Policy Gradient(DDPG)を組み合わせた新しいアルゴリズムを提案する。
ddpg with continuous action spaceは、ロボットに学習と自律的な意思決定機能を提供するように設計されている。
航空母艦デッキや四角形などの不確定な環境でのシミュレーション実験にunity 3dを用いる。
論文 参考訳（メタデータ） (2021-02-26T02:57:13Z) - Path Planning Followed by Kinodynamic Smoothing for Multirotor Aerial
Vehicles (MAVs) [61.94975011711275]
そこで本稿では,RRT*textquotedblrightのテキストを幾何学的にベースとした動き計画手法を提案する。
提案手法では,適応探索空間とステアリング機能を導入したオリジナルのRT*を改良した。
提案手法を様々なシミュレーション環境で検証した。
論文 参考訳（メタデータ） (2020-08-29T09:55:49Z) - Three Dimensional Route Planning for Multiple Unmanned Aerial Vehicles
using Salp Swarm Algorithm [0.0]
ルートプランニングは、あるスタート地点から目的地のゴール地点までの一連の翻訳と回転のステップである。
提案手法は,それぞれ平均コストと全体の時間を1.25%と6.035%改善する。
論文 参考訳（メタデータ） (2019-11-24T12:36:18Z)
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。