論文の概要: SMART-OC: A Real-time Time-risk Optimal Replanning Algorithm for Dynamic Obstacles and Spatio-temporally Varying Currents
- arxiv url: http://arxiv.org/abs/2508.09508v1
- Date: Wed, 13 Aug 2025 05:42:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-14 20:42:00.770445
- Title: SMART-OC: A Real-time Time-risk Optimal Replanning Algorithm for Dynamic Obstacles and Spatio-temporally Varying Currents
- Title（参考訳）: SMART-OC:動的障害物と時空間変動電流に対するリアルタイム時間リスク最適計画アルゴリズム
- Authors: Reema Raval, Shalabh Gupta,
- Abstract要約: 無人表面車両(USV)は、衝突を避けるためにリアルタイムで経路を調整し、海流を利用して目標に対する最小抵抗の経路に従う必要がある。
本稿では,動的障害物と電流に対する自己整合適応計画木(Self-Morphing Adaptive Replanning Tree)と呼ばれる新しいアルゴリズムを提案する。
SMARTOCの有効性はシミュレーション実験によって検証され、USVはダイナミックな障害物を回避し、海流を利用して目標を達成するために高速な計画を立てることを示した。
- 参考スコア（独自算出の注目度）: 0.3453002745786199
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Typical marine environments are highly complex with spatio-temporally varying currents and dynamic obstacles, presenting significant challenges to Unmanned Surface Vehicles (USVs) for safe and efficient navigation. Thus, the USVs need to continuously adapt their paths with real-time information to avoid collisions and follow the path of least resistance to the goal via exploiting ocean currents. In this regard, we introduce a novel algorithm, called Self-Morphing Adaptive Replanning Tree for dynamic Obstacles and Currents (SMART-OC), that facilitates real-time time-risk optimal replanning in dynamic environments. SMART-OC integrates the obstacle risks along a path with the time cost to reach the goal to find the time-risk optimal path. The effectiveness of SMART-OC is validated by simulation experiments, which demonstrate that the USV performs fast replannings to avoid dynamic obstacles and exploit ocean currents to successfully reach the goal.
- Abstract（参考訳）: 典型的な海洋環境は時空間的に変化する電流と動的障害物が複雑であり、安全かつ効率的な航法のために無人表面車両(USV)に重大な課題を提起している。
したがって、USVは、衝突を避け、海流を利用して目標への抵抗を最小限に抑えるために、リアルタイム情報で経路を継続的に調整する必要がある。
そこで本研究では,動的障害物・電流(SMART-OC)に対する自己修正適応計画木(Self-Morphing Adaptive Replanning Tree)と呼ばれる新しいアルゴリズムを導入する。
SMART-OCは障害リスクを経路に沿って統合し、目標に到達するための時間的コストを目標とする。
SMART-OCの有効性はシミュレーション実験によって検証され、USVはダイナミックな障害物を避け、海流を利用して目標を達成するために高速な計画を立てることを示した。
関連論文リスト
- NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。
グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。
我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
論文 参考訳（メタデータ） (2025-06-23T14:28:30Z) - Low-altitude Friendly-Jamming for Satellite-Maritime Communications via Generative AI-enabled Deep Reinforcement Learning [72.72954660774002]
低地球軌道(LEO)衛星は、海上無線通信で広範囲にわたるデータ通信を支援するために使用できる。
LEO衛星を広範囲にカバーし、チャネルの開放性と組み合わせることで、通信プロセスはセキュリティ上のリスクに悩まされる可能性がある。
本稿では無人航空機による低高度衛星通信システムLEOについて述べる。
論文 参考訳（メタデータ） (2025-01-26T10:13:51Z) - Monte Carlo Tree Search with Velocity Obstacles for safe and efficient motion planning in dynamic environments [49.30744329170107]
本稿では,動的障害物に関する情報を最小限に抑えた最適オンライン動作計画手法を提案する。
提案手法は,モデルシミュレーションによるオンライン最適計画のためのモンテカルロ木探索 (MCTS) と障害物回避のためのVelocity Obstacles (VO) を組み合わせた。
我々は,非線形モデル予測制御(NMPC)を含む最先端のプランナーに対して,衝突速度,計算,タスク性能の向上の観点から,我々の方法論の優位性を示す。
論文 参考訳（メタデータ） (2025-01-16T16:45:08Z) - A Cross-Scene Benchmark for Open-World Drone Active Tracking [54.235808061746525]
Drone Visual Active Trackingは、視覚的な観察に基づいてモーションシステムを制御することで、対象物を自律的に追跡することを目的としている。
DATと呼ばれるオープンワールドドローンアクティブトラッキングのためのクロスシーンクロスドメインベンチマークを提案する。
また、R-VATと呼ばれる強化学習に基づくドローン追跡手法を提案する。
論文 参考訳（メタデータ） (2024-12-01T09:37:46Z) - Deep-Sea A*+: An Advanced Path Planning Method Integrating Enhanced A* and Dynamic Window Approach for Autonomous Underwater Vehicles [1.3807821497779342]
深海環境における極度の環境は、水中での作戦に重大な課題をもたらす。
改良されたA*アルゴリズムと動的ウィンドウアプローチ(DWA)を統合した高度な経路計画手法を提案する。
提案手法は,経路の滑らかさ,障害物回避,リアルタイム性能の観点から,従来のA*アルゴリズムを超越した手法である。
論文 参考訳（メタデータ） (2024-10-22T07:29:05Z) - MarineFormer: A Spatio-Temporal Attention Model for USV Navigation in Dynamic Marine Environments [3.669739954510407]
局所流れ場計測を取り入れることによって,問題の性質が根本的に変化し,解決不可能なナビゲーションシナリオがトラクタブルなものに変換されることを示す。
センサ融合のための空間的注意と時間的注意を統合したトランスフォーマーベースのポリシーアーキテクチャであるtextbfMarineFormer を提案する。
論文 参考訳（メタデータ） (2024-10-17T18:57:15Z) - A Safer Vision-based Autonomous Planning System for Quadrotor UAVs with
Dynamic Obstacle Trajectory Prediction and Its Application with LLMs [6.747468447244154]
本稿では,動的障害物の追跡と軌道予測を組み合わせて,効率的な自律飛行を実現するビジョンベース計画システムを提案する。
シミュレーション環境と実環境環境の両方で実験を行い,本研究の結果から動的環境の障害物をリアルタイムに検出・回避することが可能であることが示唆された。
論文 参考訳（メタデータ） (2023-11-21T08:09:00Z) - Learning-based Motion Planning in Dynamic Environments Using GNNs and
Temporal Encoding [15.58317292680615]
組込みとエッジ優先化ポリシの両方を学習するために,データアグリゲーションを用いた時間符号化と模倣学習を用いたGNNベースのアプローチを提案する。
実験により, 提案手法は, 最先端の完全な動的計画アルゴリズムよりも, オンラインプランニングを著しく高速化できることが示された。
論文 参考訳（メタデータ） (2022-10-16T01:27:16Z) - Data Freshness and Energy-Efficient UAV Navigation Optimization: A Deep
Reinforcement Learning Approach [88.45509934702913]
我々は、移動基地局(BS)が配備される複数の無人航空機(UAV)のナビゲーションポリシーを設計する。
我々は、地上BSにおけるデータの鮮度を確保するために、エネルギーや情報年齢(AoI)の制約などの異なる文脈情報を組み込んだ。
提案したトレーニングモデルを適用することで、UAV-BSに対する効果的なリアルタイム軌道ポリシーは、時間とともに観測可能なネットワーク状態をキャプチャする。
論文 参考訳（メタデータ） (2020-02-21T07:29:15Z)
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。