論文の概要: Optimized Area Coverage in Disaster Response Utilizing Autonomous UAV Swarm Formations

• arxiv url: http://arxiv.org/abs/2512.08028v1
• Date: Mon, 08 Dec 2025 20:41:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.217199
• Title: Optimized Area Coverage in Disaster Response Utilizing Autonomous UAV Swarm Formations
• Title（参考訳）: 自律型UAV群集を用いた災害時の地域被覆の最適化
• Authors: Lampis Papakostas, Aristeidis Geladaris, Athanasios Mastrogeorgiou, Jim Sharples, Gautier Hattenberger, Panagiotis Chatzakos, Panagiotis Polygerinos,
• Abstract要約: 本稿では,山火事等の災害シナリオにおいて,最初の応答者を支援するために設計されたUAVスワムシステムを提案する。 複数のエージェントにセンサーを分散させることで、飛行期間を延長し、データの可用性を高め、衝突によるミッション失敗のリスクを低減する。
• 参考スコア（独自算出の注目度）: 0.879504058268139
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper presents a UAV swarm system designed to assist first responders in disaster scenarios like wildfires. By distributing sensors across multiple agents, the system extends flight duration and enhances data availability, reducing the risk of mission failure due to collisions. To mitigate this risk further, we introduce an autonomous navigation framework that utilizes a local Euclidean Signed Distance Field (ESDF) map for obstacle avoidance while maintaining swarm formation with minimal path deviation. Additionally, we incorporate a Traveling Salesman Problem (TSP) variant to optimize area coverage, prioritizing Points of Interest (POIs) based on preassigned values derived from environmental behavior and critical infrastructure. The proposed system is validated through simulations with varying swarm sizes, demonstrating its ability to maximize coverage while ensuring collision avoidance between UAVs and obstacles.
• Abstract（参考訳）: 本稿では,山火事等の災害シナリオにおいて,第一応答者を支援するために設計されたUAVスワムシステムを提案する。 複数のエージェントにセンサーを分散させることで、飛行期間を延長し、データの可用性を高め、衝突によるミッション失敗のリスクを低減する。 さらにこのリスクを軽減するために,ローカルなユークリッド符号距離場(ESDF)マップを利用した自律ナビゲーションフレームワークを導入し,経路偏差を最小限に抑えながら障害物回避を実現する。 さらに、環境行動や重要なインフラから導かれる事前指定値に基づいて、関心のポイント(POI)を優先順位付けし、エリアカバレッジを最適化するために、旅行セールスマン問題(TSP)を組み込んだ。 提案システムは,UAVと障害物の衝突回避を確保しつつ,カバー範囲を最大化できることを実証し,様々なSwarmサイズでシミュレーションにより検証した。

関連論文リスト

• Blockchain-Enabled Routing for Zero-Trust Low-Altitude Intelligent Networks [77.17664010626726]
  低高度インテリジェントネットワーク(LAIN)における複数のUAVクラスタによるルーティングに焦点を当てる。 潜在的な脅威によるダメージを最小限に抑えるため,ソフトウェア定義の周辺技術とブロックチェーン技術を用いたゼロトラストアーキテクチャを提案する。 提案手法は,平均E2E遅延を59%削減し,TSRを29%改善することを示した。
  論文  参考訳（メタデータ） (2026-02-27T04:30:35Z)
• Optimizing Mission Planning for Multi-Debris Rendezvous Using Reinforcement Learning with Refueling and Adaptive Collision Avoidance [22.261628532402067]
  本研究では, アクティブデブリ除去ミッションにおける適応衝突回避のための強化学習に基づく枠組みを提案する。 小型衛星は、柔軟性、コスト効率、操縦性から採用され、ADRのようなダイナミックなミッションに適している。 このフレームワークは、補給戦略、効率的なミッション計画、適応衝突回避を統合し、宇宙船のランデブー操作を最適化する。
  論文  参考訳（メタデータ） (2026-02-04T21:49:20Z)
• Trajectory Design for UAV-Based Low-Altitude Wireless Networks in Unknown Environments: A Digital Twin-Assisted TD3 Approach [62.11847362756054]
  低高度無線ネットワーク(LAWN)のキーイネーブラーとして無人航空機(UAV)が登場している 我々は、デジタルツイン(DT)支援トレーニングおよびデプロイメントフレームワークを提案する。 このフレームワークでは、UAVは統合されたセンシングと通信信号を送信し、地上ユーザーに通信サービスを提供し、同時にDTサーバにアップロードされたエコーを収集して、仮想環境(VE)を段階的に構築する。 これらのVEはモデルトレーニングを加速し、展開中のリアルタイムUAVセンシングデータを継続的に更新し、意思決定をサポートし、飛行安全性を向上する。
  論文  参考訳（メタデータ） (2025-10-28T10:05:53Z)
• When UAV Swarm Meets IRS: Collaborative Secure Communications in Low-altitude Wireless Networks [68.45202147860537]
  低高度無線ネットワーク (LAWN) は、多様なアプリケーションに対して、拡張されたカバレッジ、信頼性、スループットを提供する。 これらのネットワークは、既知のおよび潜在的に未知の盗聴者の両方から重大なセキュリティ上の脆弱性に直面している。 本稿では,Swarm内で選択されたUAVを仮想アンテナアレイとして機能させる,LAWNのための新しいセキュア通信フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-25T02:02:14Z)
• Genetic Algorithm Based System for Path Planning with Unmanned Aerial Vehicles Swarms in Cell-Grid Environments [42.72938925647165]
  無人航空機(UAV)の群集を自律的に制御するための経路計画法が勢いを増している。 自律的な運用は労働コストを大幅に削減できるため、現在では複数のUAVを自律的に制御する必要があるシナリオが増えている。 しかし、これらのシナリオの多くは、パスプランニングを複雑にする電力線や木などの障害を含む。 本稿では, 遺伝的アルゴリズムを用いた進化的システムを用いて, 障害のある環境におけるこの問題に対処する。
  論文  参考訳（メタデータ） (2024-12-04T16:24:41Z)
• Monocular Obstacle Avoidance Based on Inverse PPO for Fixed-wing UAVs [29.207513994002202]
  固定翼無人航空機(英語: Fixed-wing Unmanned Aerial Vehicles、UAV)は、低高度経済(LAE)と都市空運(UAM)のための最も一般的なプラットフォームの一つである。 従来の地図や高度なセンサーに依存する古典的な障害物回避システムは、未知の低高度環境や小型UAVプラットフォームにおいて制限に直面している。 本稿では,DRLに基づくUAV衝突回避システムを提案する。
  論文  参考訳（メタデータ） (2024-11-27T03:03:37Z)
• Secure Navigation using Landmark-based Localization in a GPS-denied Environment [1.19658449368018]
  本稿では,ランドマークに基づくローカライゼーション(LanBLoc)と拡張カルマンフィルタ(EKF)を統合した新たなフレームワークを提案する。 本稿では,障害物や危険のない経路を移動する物体を誘導する2つのアプローチについて,シミュレーションした戦場シナリオを提案する。
  論文  参考訳（メタデータ） (2024-02-22T04:41:56Z)
• Integrated Sensing, Computation, and Communication for UAV-assisted Federated Edge Learning [52.7230652428711]
  フェデレーションエッジ学習(FEEL)は、エッジデバイスとサーバ間の定期的な通信を通じて、プライバシ保護モデルトレーニングを可能にする。 無人航空機(UAV)搭載エッジデバイスは、効率的なデータ収集における柔軟性と移動性のため、FEELにとって特に有利である。
  論文  参考訳（メタデータ） (2023-06-05T16:01:33Z)
• A Multi-UAV System for Exploration and Target Finding in Cluttered and GPS-Denied Environments [68.31522961125589]
  複雑なGPSを用いた複雑な環境において,UAVのチームが協調して目標を探索し,発見するための枠組みを提案する。 UAVのチームは自律的にナビゲートし、探索し、検出し、既知の地図で散らばった環境でターゲットを見つける。 その結果, 提案方式は, 時間的コスト, 調査対象地域の割合, 捜索・救助ミッションの成功率などの面で改善されていることがわかった。
  論文  参考訳（メタデータ） (2021-07-19T12:54:04Z)
• Jamming-Resilient Path Planning for Multiple UAVs via Deep Reinforcement Learning [1.2330326247154968]
  無人航空機(UAV)は無線ネットワークの不可欠な部分であると期待されている。 本論文では,複数のセルコネクテッドUAVの衝突のない経路を探索する。 本稿では,オンライン信号対干渉+雑音比マッピングを用いたオフライン時間差学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-04-09T16:52:33Z)
• 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。