論文の概要: QUAV: Quantum-Assisted Path Planning and Optimization for UAV Navigation with Obstacle Avoidance

• arxiv url: http://arxiv.org/abs/2508.21361v1
• Date: Fri, 29 Aug 2025 06:59:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-01 19:45:10.938031
• Title: QUAV: Quantum-Assisted Path Planning and Optimization for UAV Navigation with Obstacle Avoidance
• Title（参考訳）: QuaV: 障害物回避によるUAVナビゲーションのための量子支援経路計画と最適化
• Authors: Nouhaila Innan, Muhammad Kashif, Alberto Marchisio, Yung-Sze Gan, Frederic Barbaresco, Muhammad Shafique,
• Abstract要約: 本研究は量子近似最適化アルゴリズム(QAOA)に基づく量子支援型UAV経路計画フレームワークであるQUIVを紹介する。 理論解析により, QuaV は最適化条件の下で, エッジ数に対する回路深さの線形スケーリングを実現することを示した。 その結果、QUIVは実現可能で効率的な軌道を生成し、将来のドローンナビゲーションシステムにおける量子アプローチの可能性を浮き彫りにしている。
• 参考スコア（独自算出の注目度）: 2.048164304914359
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The growing demand for drone navigation in urban and restricted airspaces requires real-time path planning that is both safe and scalable. Classical methods often struggle with the computational load of high-dimensional optimization under dynamic constraints like obstacle avoidance and no-fly zones. This work introduces QUAV, a quantum-assisted UAV path planning framework based on the Quantum Approximate Optimization Algorithm (QAOA), to the best of our knowledge, this is one of the first applications of QAOA for drone trajectory optimization. QUAV models pathfinding as a quantum optimization problem, allowing efficient exploration of multiple paths while incorporating obstacle constraints and geospatial accuracy through UTM coordinate transformation. A theoretical analysis shows that QUAV achieves linear scaling in circuit depth relative to the number of edges, under fixed optimization settings. Extensive simulations and a real-hardware implementation on IBM's ibm_kyiv backend validate its performance and robustness under noise. Despite hardware constraints, results demonstrate that QUAV generates feasible, efficient trajectories, highlighting the promise of quantum approaches for future drone navigation systems.
• Abstract（参考訳）: 都市部や制限空域でのドローンナビゲーションの需要が高まっているため、安全かつスケーラブルな経路計画が求められている。 古典的な手法は、障害物回避やノフライゾーンのような動的な制約の下で、高次元最適化の計算負荷に悩まされることが多い。 この研究は、量子近似最適化アルゴリズム(QAOA)に基づく量子支援型UAV経路計画フレームワークであるQUIVを紹介し、我々の知る限り、これはドローン軌道最適化のためのQAOAの最初の応用の1つである。 QuaV はパスフィンディングを量子最適化問題としてモデル化し、UDM座標変換による障害物制約と地理空間精度を取り入れつつ、複数の経路の効率的な探索を可能にする。 理論解析により, QuaV は最適化条件の下で, エッジ数に対する回路深さの線形スケーリングを実現することを示した。 大規模なシミュレーションと、IBMのibm_kyivバックエンドの実際のハードウェア実装は、ノイズ下でのパフォーマンスと堅牢性を検証する。 ハードウェアの制約にもかかわらず、結果はQUIVが実現可能で効率的な軌道を生成することを示し、将来のドローンナビゲーションシステムにおける量子アプローチの可能性を浮き彫りにしている。

関連論文リスト

• Unified Path Planner with Adaptive Safety and Optimality [20.37811669228711]
  Unified Path Planner (UPP) は、動的安全コストを組み込んだ改良された障害物関数を利用するグラフ検索ベースのアルゴリズムである。 UPPは高い成功率を達成し、従来のA*よりもわずかにコストが増大し、最適に近い経路を生成する。
  論文  参考訳（メタデータ） (2025-05-29T07:34:56Z)
• Quantum Optimization-Based Route Compression for Efficient Navigation Systems [0.5461938536945723]
  本稿では,ストレージ要求を大幅に低減する,量子最適化に基づく新しい経路圧縮手法を提案する。 本実装では,許容範囲内における経路忠実度を維持しつつ,圧縮率を最大30%向上させる。
  論文  参考訳（メタデータ） (2025-04-04T07:21:17Z)
• 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)
• Optimization of Flight Routes: Quantum Approximate Optimization Algorithm for the Tail Assignment Problem [0.0]
  TAP(Tail Assignment Problem)は、航空会社の運用において重要な最適化課題である。 この研究は、量子近似最適化アルゴリズム(QAOA)をTAPに適用する。 この分析は量子ハードウェアの現在の限界を明らかにしているが、技術が進歩するにつれて潜在的な利点が示唆される。
  論文  参考訳（メタデータ） (2024-12-17T10:35:26Z)
• Confidence-Controlled Exploration: Efficient Sparse-Reward Policy Learning for Robot Navigation [72.24964965882783]
  強化学習(RL)はロボットナビゲーションにおいて有望なアプローチであり、ロボットは試行錯誤を通じて学習することができる。 現実世界のロボットタスクは、しばしばまばらな報酬に悩まされ、非効率な探索と準最適政策に繋がる。 本稿では,RLに基づくロボットナビゲーションにおいて,報酬関数を変更せずにサンプル効率を向上させる新しい手法であるConfidence-Controlled Exploration (CCE)を紹介する。
  論文  参考訳（メタデータ） (2023-06-09T18:45:15Z)
• 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)
• Chance-Constrained Trajectory Optimization for Safe Exploration and Learning of Nonlinear Systems [81.7983463275447]
  学習に基づく制御アルゴリズムは、訓練のための豊富な監督を伴うデータ収集を必要とする。 本稿では,機会制約付き最適制御と動的学習とフィードバック制御を統合した安全な探索による最適動作計画のための新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2020-05-09T05:57:43Z)
• 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。