論文の概要: RENEW: Risk- and Energy-Aware Navigation in Dynamic Waterways
- arxiv url: http://arxiv.org/abs/2601.16424v1
- Date: Fri, 23 Jan 2026 03:33:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-26 14:27:27.526778
- Title: RENEW: Risk- and Energy-Aware Navigation in Dynamic Waterways
- Title（参考訳）: ReNEW: 動的水路におけるリスク・エネルギー・アウェアナビゲーション
- Authors: Mingi Jeong, Alberto Quattrini Li,
- Abstract要約: 本稿では、外乱を伴う動的環境における自律表面車両(ASV)のグローバルパスプランナーであるRENEWについて述べる。
我々は,非航行可能な地域を動的に識別することで安全を確保する,リスクとエネルギーを意識した統合戦略を導入する。
海上の緊急計画にインスパイアされ、悪条件下での制御を維持するために最善策を採用している。
- 参考スコア（独自算出の注目度）: 10.620311022921205
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We present RENEW, a global path planner for Autonomous Surface Vehicle (ASV) in dynamic environments with external disturbances (e.g., water currents). RENEW introduces a unified risk- and energy-aware strategy that ensures safety by dynamically identifying non-navigable regions and enforcing adaptive safety constraints. Inspired by maritime contingency planning, it employs a best-effort strategy to maintain control under adverse conditions. The hierarchical architecture combines high-level constrained triangulation for topological diversity with low-level trajectory optimization within safe corridors. Validated with real-world ocean data, RENEW is the first framework to jointly address adaptive non-navigability and topological path diversity for robust maritime navigation.
- Abstract（参考訳）: 本稿では,外乱(水流など)を伴う動的環境下での自律表面車両(ASV)のグローバルパスプランナであるRENEWについて述べる。
RENEWは、非航行可能な領域を動的に識別し、適応的な安全制約を課すことによって安全性を確保する、統合されたリスクとエネルギーを意識した戦略を導入している。
海上の緊急計画にインスパイアされ、悪条件下での制御を維持するために最善策を採用している。
階層的アーキテクチャは、トポロジカルな多様性のための高レベルの制約付き三角測量と、安全な廊下内での低レベルの軌道最適化を組み合わせたものである。
実世界の海洋データで検証されたRENEWは、ロバストな海上航行のために適応性のない非航法性とトポロジカルパスの多様性に共同で対処する最初のフレームワークである。
関連論文リスト
- Secure Low-altitude Maritime Communications via Intelligent Jamming [53.42658269206017]
低高度無線ネットワーク (LAWN) は海上通信の有効なソリューションとして登場している。
オープンで明確なUAV通信チャネルは、海上のLAWNを盗聴攻撃に対して脆弱にする。
本稿では,動的盗難対策にインテリジェントジャミングを用いた低高度海上通信システムを提案する。
論文 参考訳（メタデータ） (2025-11-10T03:16:19Z) - SMART-OC: A Real-time Time-risk Optimal Replanning Algorithm for Dynamic Obstacles and Spatio-temporally Varying Currents [0.3453002745786199]
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。
論文 参考訳（メタデータ） (2025-08-13T05:42:25Z) - Designing Control Barrier Function via Probabilistic Enumeration for Safe Reinforcement Learning Navigation [55.02966123945644]
本稿では,ニューラルネットワーク検証技術を利用して制御障壁関数(CBF)とポリシー修正機構の設計を行う階層型制御フレームワークを提案する。
提案手法は,安全なCBFベースの制御層を構築するために使用される,安全でない操作領域を特定するための確率的列挙に依存する。
これらの実験は、効率的なナビゲーション動作を維持しながら、安全でない動作を補正する提案手法の能力を実証するものである。
論文 参考訳（メタデータ） (2025-04-30T13:47:25Z) - Depth-Constrained ASV Navigation with Deep RL and Limited Sensing [43.785833390490446]
本研究では,深度制約下でのASVナビゲーションのための強化学習フレームワークを提案する。
環境意識を高めるため,GPレグレッションをRLフレームワークに統合する。
我々は,実世界の水環境に対して,訓練された政策が適切に一般化されることを保証する効果的なシミュレート・トゥ・リアル・トランスファーを実証する。
論文 参考訳（メタデータ） (2025-04-25T10:56:56Z) - Low-altitude UAV Friendly-Jamming for Satellite-Maritime Communications via Generative AI-enabled Deep Reinforcement Learning [72.23178920029957]
本稿では,低高度無人航空機(UAV)による衛星海上通信システムを提案する。
安全衛星・海上通信多目的最適化問題(SSMCMOP)を定式化する。
動的かつ長期の最適化問題を解くため、マルコフ決定過程に再構成する。
次に,トランスサック (TransSAC) アルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-01-26T10:13:51Z) - 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) - ETPNav: Evolving Topological Planning for Vision-Language Navigation in
Continuous Environments [56.194988818341976]
視覚言語ナビゲーションは、エージェントが環境中をナビゲートするための指示に従う必要があるタスクである。
本研究では,1)環境を抽象化し,長距離航法計画を生成する能力,2)連続環境における障害物回避制御能力の2つの重要なスキルに焦点を当てたETPNavを提案する。
ETPNavは、R2R-CEとRxR-CEデータセットの先行技術よりも10%以上、20%改善されている。
論文 参考訳（メタデータ） (2023-04-06T13:07:17Z)
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。