論文の概要: Comparative Analysis of UAV Path Planning Algorithms for Efficient Navigation in Urban 3D Environments
- arxiv url: http://arxiv.org/abs/2508.16515v2
- Date: Tue, 26 Aug 2025 08:33:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-27 13:17:04.046814
- Title: Comparative Analysis of UAV Path Planning Algorithms for Efficient Navigation in Urban 3D Environments
- Title（参考訳）: 都市3次元環境における効率的なナビゲーションのためのUAV経路計画アルゴリズムの比較解析
- Authors: Hichem Cheriet, Khellat Kihel Badra, Chouraqui Samira,
- Abstract要約: 本稿では, 障害物が散らばった3次元都市環境において, 広範囲にわたる実験を行う。
A*, RRT*, Particle Swarm Optimization (PSO) の3つのアルゴリズムが広く用いられている。
実験結果によると、A*アルゴリズムは効率と経路品質の両方で他のアルゴリズムよりも優れている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The most crucial challenges for UAVs are planning paths and avoiding obstacles in their way. In recent years, a wide variety of path-planning algorithms have been developed. These algorithms have successfully solved path-planning problems; however, they suffer from multiple challenges and limitations. To test the effectiveness and efficiency of three widely used algorithms, namely A*, RRT*, and Particle Swarm Optimization (PSO), this paper conducts extensive experiments in 3D urban city environments cluttered with obstacles. Three experiments were designed with two scenarios each to test the aforementioned algorithms. These experiments consider different city map sizes, different altitudes, and varying obstacle densities and sizes in the environment. According to the experimental results, the A* algorithm outperforms the others in both computation efficiency and path quality. PSO is especially suitable for tight turns and dense environments, and RRT* offers a balance and works well across all experiments due to its randomized approach to finding solutions.
- Abstract（参考訳）: UAVにとって最も重要な課題は、道の計画と障害物回避である。
近年,様々な経路計画アルゴリズムが開発されている。
これらのアルゴリズムは経路計画問題の解決に成功しているが、いくつかの課題と限界に悩まされている。
A*, RRT*, およびParticle Swarm Optimization (PSO) の3つの広く用いられているアルゴリズムの有効性と有効性を検証するため, 障害物が散在する都市環境における広範囲な実験を行った。
3つの実験は、上記のアルゴリズムをテストするために、それぞれ2つのシナリオで設計された。
これらの実験は、異なる都市の地図サイズ、異なる高度、および環境における様々な障害物密度と大きさを考察する。
実験結果によると、A*アルゴリズムは計算効率と経路品質の両方で他のアルゴリズムよりも優れている。
PSOは特に厳密なターンと密集した環境に適しており、RTT*は、解を見つけるためのランダムなアプローチのため、全ての実験でうまく機能する。
関連論文リスト
- Comparison of Path Planning Algorithms for Autonomous Vehicle Navigation Using Satellite and Airborne LiDAR Data [2.979579757819132]
この研究は、主流と確立された経路計画アルゴリズムの比較評価を提供する。
2次元道路地図ナビゲーションでは、A*、Dijkstra、RT*、NIACOがDeepGlobe衛星データセット上でテストされている。
3次元路面経路計画では,ハミルトンのLiDARデータセットを用いて3次元A*,3次元Dijkstra,RT-Connect,NIACOを評価した。
論文 参考訳（メタデータ） (2025-07-08T11:15:21Z) - Path Planning in a dynamic environment using Spherical Particle Swarm Optimization [0.0]
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。
論文 参考訳（メタデータ） (2024-03-19T13:56:34Z) - 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) - Autonomous search of real-life environments combining dynamical system-based path planning and unsupervised learning [0.0]
本研究は,カオスカバレッジパスプランナの現実的応用のための新しいフレームワークを開発する。
効果的な障害物回避、カオス軌道分散、正確なリアルタイムカバレッジ計算のための技術を提供する。
このアプリケーションの性能は、従来の最適経路プランナーに匹敵するものだった。
論文 参考訳（メタデータ） (2023-05-03T00:09:31Z) - Trajectory Design for UAV-Based Internet-of-Things Data Collection: A
Deep Reinforcement Learning Approach [93.67588414950656]
本稿では,無人航空機(UAV)による3D環境におけるIoT(Internet-of-Things)システムについて検討する。
本稿では,TD3-TDCTMアルゴリズムの完成時間最小化のためのトラジェクトリ設計を提案する。
シミュレーションの結果,従来の3つの非学習ベースライン法よりもTD3-TDCTMアルゴリズムの方が優れていることが示された。
論文 参考訳（メタデータ） (2021-07-23T03:33:29Z) - An Overview and Experimental Study of Learning-based Optimization
Algorithms for Vehicle Routing Problem [49.04543375851723]
車両ルーティング問題(VRP)は典型的な離散最適化問題である。
多くの研究は、VRPを解決するための学習に基づく最適化アルゴリズムについて検討している。
本稿では、最近のこの分野の進歩を概観し、関連するアプローチをエンドツーエンドアプローチとステップバイステップアプローチに分割する。
論文 参考訳（メタデータ） (2021-07-15T02:13:03Z) - Waypoint Planning Networks [66.72790309889432]
本稿では,ローカルカーネル(A*のような古典的アルゴリズム)と学習アルゴリズムを用いたグローバルカーネルを用いたLSTMに基づくハイブリッドアルゴリズムを提案する。
我々は、WPNとA*を比較し、動き計画ネットワーク(MPNet)やバリューネットワーク(VIN)を含む関連する作業と比較する。
WPN の探索空間は A* よりもかなり小さいが、ほぼ最適な結果が得られることが示されている。
論文 参考訳（メタデータ） (2021-05-01T18:02:01Z) - Towards Optimally Efficient Tree Search with Deep Learning [76.64632985696237]
本稿では,線形モデルから信号整数を推定する古典整数最小二乗問題について検討する。
問題はNPハードであり、信号処理、バイオインフォマティクス、通信、機械学習といった様々な応用でしばしば発生する。
本稿では, 深いニューラルネットワークを用いて, 単純化されたメモリバウンドA*アルゴリズムの最適推定を推定し, HATSアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-01-07T08:00:02Z) - Congestion-aware Evacuation Routing using Augmented Reality Devices [96.68280427555808]
複数の目的地間でリアルタイムに個別の避難経路を生成する屋内避難のための渋滞対応ルーティングソリューションを提案する。
建物内の混雑分布をモデル化するために、ユーザエンド拡張現実(AR)デバイスから避難者の位置を集約して、オンザフライで取得した人口密度マップを用いる。
論文 参考訳（メタデータ） (2020-04-25T22:54:35Z) - Bypassing or flying above the obstacles? A novel multi-objective UAV
path planning problem [0.0]
本研究では,衝突のない離散型ドローン経路計画問題に対する新しい整数プログラミングモデルを提案する。
本研究は, 障害物をバイパスしたり, 上空を飛んだりする可能性を考慮して, 経路長, エネルギー消費, 最大経路リスクを同時に最小化することを目的とする。
論文 参考訳（メタデータ） (2020-04-12T13:42:05Z) - 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。