論文の概要: Using Drone Swarm to Stop Wildfire: A Predict-then-optimize Approach
- arxiv url: http://arxiv.org/abs/2411.16144v1
- Date: Mon, 25 Nov 2024 07:10:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-26 14:21:31.841079
- Title: Using Drone Swarm to Stop Wildfire: A Predict-then-optimize Approach
- Title(参考訳): ドローンの群れを使って野火を防げる:予測を最適化するアプローチ
- Authors: Shijie Pan, Aoran Cheng, Yiqi Sun, Kai Kang, Cristobal Pais, Yulun Zhou, Zuo-Jun Max Shen,
- Abstract要約: ドローンの群れの銃撃戦は、山火事の現場における非常に複雑な環境条件など、大きな課題に直面している。
我々はこれらの課題に対処し、効果的なドローン群銃撃戦を可能にするための予測最適化アプローチを開発した。
- 参考スコア(独自算出の注目度): 5.16575376041885
- License:
- Abstract: Drone swarms coupled with data intelligence can be the future of wildfire fighting. However, drone swarm firefighting faces enormous challenges, such as the highly complex environmental conditions in wildfire scenes, the highly dynamic nature of wildfire spread, and the significant computational complexity of drone swarm operations. We develop a predict-then-optimize approach to address these challenges to enable effective drone swarm firefighting. First, we construct wildfire spread prediction convex neural network (Convex-NN) models based on real wildfire data. Then, we propose a mixed-integer programming (MIP) model coupled with dynamic programming (DP) to enable efficient drone swarm task planning. We further use chance-constrained robust optimization (CCRO) to ensure robust firefighting performances under varying situations. The formulated model is solved efficiently using Benders Decomposition and Branch-and-Cut algorithms. After 75 simulated wildfire environments training, the MIP+CCRO approach shows the best performance among several testing sets, reducing movements by 37.3\% compared to the plain MIP. It also significantly outperformed the GA baseline, which often failed to fully extinguish the fire. Eventually, we will conduct real-world fire spread and quenching experiments in the next stage for further validation.
- Abstract(参考訳): データインテリジェンスと組み合わされたドローン群が、山火事の未来になるかもしれない。
しかし、ドローン群発火は、山火事の現場における非常に複雑な環境条件、山火事の非常にダイナミックな性質、ドローン群発火作戦の重大な計算上の複雑さなど、大きな課題に直面している。
我々はこれらの課題に対処し、効果的なドローン群銃撃戦を可能にするための予測最適化アプローチを開発した。
まず,実際の山火事データに基づいて,野火拡散予測凸ニューラルネットワーク(Convex-NN)モデルを構築した。
そこで本研究では,動的プログラミング(DP)と組み合わせた混合整数プログラミング(MIP)モデルを提案し,効率的なドローン群タスク計画を実現する。
我々はさらに、様々な状況下での堅牢な消火性能を確保するために、チャンス制約付ロバスト最適化(CCRO)を用いる。
定式化モデルは Benders Decomposition と Branch-and-Cut アルゴリズムを用いて効率的に解かれる。
75回のシミュレートされた山火事環境訓練の後、MIP+CCROアプローチはいくつかのテストセットの中で最高の性能を示し、通常のMIPと比べて37.3倍の運動を減少させた。
また、GAベースラインを著しく上回り、しばしば火災を完全に消火することができなかった。
最終的には、さらなる検証のために、実際の火災の拡散と次の段階での消火実験を実施します。
関連論文リスト
- Fire-Image-DenseNet (FIDN) for predicting wildfire burnt area using remote sensing data [15.516417504988313]
深層学習に基づく予測モデルFire-Image-DenseNet(FIDN)を開発した。
FIDNは、山火事の環境および気象要因に関する、ほぼリアルタイムおよび再分析データから得られた空間的特徴を用いる。
平均二乗誤差 (MSE) は, 細胞オートマトン (CA) と最小走行時間 (MTT) に基づく予測モデルよりも約82%, 67%低い値を示した。
論文 参考訳(メタデータ) (2024-12-02T11:35:31Z) - AlphaZeroES: Direct score maximization outperforms planning loss minimization [61.17702187957206]
実行時の計画では、シングルエージェントとマルチエージェントの両方の設定でエージェントのパフォーマンスが劇的に向上することが示されている。
実行時に計画するアプローチのファミリは、AlphaZeroとその変種で、Monte Carlo Tree Searchと、状態値とアクション確率を予測することによって検索をガイドするニューラルネットワークを使用する。
複数の環境にまたがって、エピソードスコアを直接最大化し、計画損失を最小限に抑えることを示す。
論文 参考訳(メタデータ) (2024-06-12T23:00:59Z) - Efficient Adversarial Training in LLMs with Continuous Attacks [99.5882845458567]
大規模言語モデル(LLM)は、安全ガードレールをバイパスできる敵攻撃に対して脆弱である。
本稿では,2つの損失からなる高速対向訓練アルゴリズム(C-AdvUL)を提案する。
C-AdvIPOは、対向的に堅牢なアライメントのためのユーティリティデータを必要としない、対向型のIPOである。
論文 参考訳(メタデータ) (2024-05-24T14:20:09Z) - Optimal Wildfire Escape Route Planning for Drones under Dynamic Fire and
Smoke [3.9561033879611944]
無人航空機(UAV)の利用は、山火事管理の取り組みを支援する上で有望であることが示されている。
本研究は、ドローン専用に設計された最適な山火事避難経路計画システムの開発に焦点を当てる。
論文 参考訳(メタデータ) (2023-12-06T14:30:15Z) - An FPGA smart camera implementation of segmentation models for drone
wildfire imagery [0.9837190842240352]
森林火災は、様々な社会的・環境レベルへの影響から、世界有数の自然災害の1つとなっている。
ファイアファイアファイアの最も有望なアプローチの1つは、リモートで検出、監視、延焼評価を行うために可視・赤外線カメラを備えたドローンを使用することである。
本研究では,低消費電力フィールドプログラマブルゲートアレイ(FPGA)とバイナライズニューラルネットワーク(BNN)に基づくスマートカメラが,エッジ上でのオンボードコンピューティングの実装において,コスト効率のよい代替手段であることを示す。
論文 参考訳(メタデータ) (2023-09-04T02:30:14Z) - FORFIS: A forest fire firefighting simulation tool for education and
research [90.40304110009733]
本稿では,Python で実装された森林火災消火シミュレーションツール FORFIS について述べる。
私たちのツールは underv3 ライセンスを公開しており、GUI と出力機能が追加されています。
論文 参考訳(メタデータ) (2023-05-29T09:14:38Z) - 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) - Poisoning Attack against Estimating from Pairwise Comparisons [140.9033911097995]
攻撃者はランクリストを操作するための強い動機と動機を持っている。
ペアワイズランキングアルゴリズムに対するデータ中毒攻撃は、ローダとアタッカーの間の動的および静的ゲームとして形式化することができる。
本稿では、2つの効率的な毒殺攻撃アルゴリズムを提案し、関連する理論的保証を確立する。
論文 参考訳(メタデータ) (2021-07-05T08:16:01Z) - Sparse and Imperceptible Adversarial Attack via a Homotopy Algorithm [93.80082636284922]
少数の敵対的攻撃は、数ピクセルを摂動するだけでディープ・ネットワーク(DNN)を騙すことができる。
近年の取り組みは、他の等級のl_infty摂動と組み合わせている。
本稿では,空間的・神経的摂動に対処するホモトピーアルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-06-10T20:11:36Z) - Uncertainty Aware Wildfire Management [6.997483623023005]
アメリカ合衆国では近年の山火事で生命が失われ、数十億ドルが失われた。
大規模に展開するリソースは限られており、火災の広がりを予測することは困難である。
本稿では,山火事対策のための意思決定論的アプローチを提案する。
論文 参考訳(メタデータ) (2020-10-15T17:47:31Z) - Comparison of Recurrent Neural Network Architectures for Wildfire Spread
Modelling [0.0]
ワイルドファイア・モデリングは、火災の振る舞いを再現する試みである。
我々は, Gated Recurrent Unit (GRU) とLong Short-Term Memory (LSTM) ネットワークを比較した。
論文 参考訳(メタデータ) (2020-05-26T20:58:22Z)
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。