論文の概要: Obstacle Avoidance of UAV in Dynamic Environments Using Direction and Velocity-Adaptive Artificial Potential Field
- arxiv url: http://arxiv.org/abs/2512.07609v2
- Date: Tue, 09 Dec 2025 17:04:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:40.206331
- Title: Obstacle Avoidance of UAV in Dynamic Environments Using Direction and Velocity-Adaptive Artificial Potential Field
- Title（参考訳）: 指向性および速度適応型人工電位場を用いた動的環境におけるUAVの障害物回避
- Authors: Nikita Vaibhav Pavle, Shrreya Rajneesh, Rakesh Kumar Sahoo, Manoranjan Sinha,
- Abstract要約: 本論文は,無人航空機(UAV)の空域における自律衝突回避の課題について論じる。
それは新しい方向と相対速度重み付き人工電位場(APF)を提案する。
このアプローチでは、障害物の方向と速度に基づいて反発電位を動的にスケールするために、有界重み関数$(,v_e)$を導入している。
- 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 conventional Artificial Potential Field (APF) is fundamentally limited by the local minima issue and its inability to account for the kinematics of moving obstacles. This paper addresses the critical challenge of autonomous collision avoidance for Unmanned Aerial Vehicles (UAVs) operating in dynamic and cluttered airspace by proposing a novel Direction and Relative Velocity Weighted Artificial Potential Field (APF). In this approach, a bounded weighting function, $ω(θ,v_{e})$, is introduced to dynamically scale the repulsive potential based on the direction and velocity of the obstacle relative to the UAV. This robust APF formulation is integrated within a Model Predictive Control (MPC) framework to generate collision-free trajectories while adhering to kinematic constraints. Simulation results demonstrate that the proposed method effectively resolves local minima and significantly enhances safety by enabling smooth, predictive avoidance maneuvers. The system ensures superior path integrity and reliable performance, confirming its viability for autonomous navigation in complex environments.
- Abstract（参考訳）: 従来の人工電位場(APF)は、局所的なミニマ問題と移動障害物の運動力学を考慮できないことにより、基本的に制限されている。
本稿では,無人航空機(UAV)の自律衝突回避の課題について,新しい方向・相対速度重み付き人工ポテンシャル場(APF)を提案することによって,空域の動的・乱雑な状況下での自律衝突回避の課題について論じる。
このアプローチでは、UAVに対する障害物の方向と速度に基づいて、反発電位を動的にスケールするために、有界重み関数$ω(θ,v_{e})$を導入する。
この堅牢なAPF定式化はモデル予測制御(MPC)フレームワークに統合され、キネマティック制約に固執しながら無衝突軌道を生成する。
シミュレーションの結果,提案手法は局所最小化を効果的に解決し,スムーズで予測可能な回避操作を可能にすることにより安全性を著しく向上することが示された。
このシステムは経路整合性と信頼性の高い性能を保証し、複雑な環境での自律的なナビゲーションの実現性を確認する。
関連論文リスト
- Physics-infused Learning for Aerial Manipulator in Winds and Near-Wall Environments [3.895172208362693]
空中操作(AM)は、受動的観測から高高度およびその他の到達不能な環境での接触操作まで、UAV能力を拡大する。
本稿では,物理に基づくブレード要素モデルと学習に基づく残留力推定器を統合し,外乱補償のためのロータ速度割当戦略を組み込むことにより,統一的な制御フレームワークを実現する。
その結果, 従来の手法よりも外乱推定と軌道追跡精度が向上し, 困難な空力条件下でのロバストな壁面接触実行が可能となった。
論文 参考訳（メタデータ） (2026-03-08T22:08:15Z) - Three Dimensional Hydrodynamic Flow-Based Collision Avoidance for UAV Formations Facing Emergent Dynamic Obstacles [0.0]
本稿では,無人航空機(UAV)の3次元流体力学による衝突回避フレームワークを提案する。
移動障害物は3次元のダブルトまたは楕円体としてモデル化され、局所速度場を発生させ、近傍のUAVを誘導してスムーズで無衝突操作を行う。
提案手法は, リアルタイム・実用化に適した安全かつスムーズかつ計算効率の良い回避操作を実現する。
論文 参考訳（メタデータ） (2026-01-16T23:43:18Z) - A Physics-Informed Neural Network Approach for UAV Path Planning in Dynamic Environments [6.2703664569653945]
ダイナミック・ウィンドフィールドで運用される無人航空機(UAV)は、安全でエネルギー効率の良い軌道を生成する必要がある。
A* や Kinodynamic RRT* のような伝統的なプランナーは、離散化やサンプリング制限のため、しばしば準最適または非滑らかな経路をもたらす。
本稿では,UAV力学,風乱,障害物回避を直接学習プロセスに組み込む物理インフォームドニューラルネットワーク(PINN)フレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-23T13:42:07Z) - 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) - Custom Non-Linear Model Predictive Control for Obstacle Avoidance in Indoor and Outdoor Environments [0.0]
本稿では,DJI行列100のための非線形モデル予測制御(NMPC)フレームワークを提案する。
このフレームワークは様々なトラジェクトリタイプをサポートし、厳密な操作の精度を制御するためにペナルティベースのコスト関数を採用している。
論文 参考訳（メタデータ） (2024-10-03T17:50:19Z) - SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Diffusion-Controllable Adversaries [94.84458417662407]
制御可能なクローズドループ安全クリティカルシミュレーションフレームワークであるSAFE-SIMを紹介する。
提案手法は,1)現実の環境を深く反映した現実的な長距離安全クリティカルシナリオの生成,2)より包括的でインタラクティブな評価のための制御可能な敵行動の提供,の2つの利点をもたらす。
複数のプランナにまたがるnuScenesとnuPlanデータセットを使用して、我々のフレームワークを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
論文 参考訳（メタデータ） (2023-12-31T04:14:43Z) - 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) - DATT: Deep Adaptive Trajectory Tracking for Quadrotor Control [62.24301794794304]
Deep Adaptive Trajectory Tracking (DATT)は、学習に基づくアプローチであり、現実世界の大きな乱れの存在下で、任意の、潜在的に実現不可能な軌跡を正確に追跡することができる。
DATTは、非定常風場における可溶性および非実用性の両方の軌道に対して、競争適応性非線形およびモデル予測コントローラを著しく上回っている。
適応非線形モデル予測制御ベースラインの1/4未満である3.2ms未満の推論時間で、効率的にオンラインで実行することができる。
論文 参考訳（メタデータ） (2023-10-13T12:22:31Z)
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。