論文の概要: SKYSURF: A Self-learning Framework for Persistent Surveillance using Cooperative Aerial Gliders
- arxiv url: http://arxiv.org/abs/2602.12838v1
- Date: Fri, 13 Feb 2026 11:42:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:41.433653
- Title: SKYSURF: A Self-learning Framework for Persistent Surveillance using Cooperative Aerial Gliders
- Title（参考訳）: SKYSURF: 協調型空中グライダーを用いた持続サーベイランスの自己学習フレームワーク
- Authors: Houssem Eddine Mohamadi, Nadjia Kara,
- Abstract要約: 小型無人航空機(UAV)を含む監視用途は、限定的なオンボード電力の持続時間に依存する。
有望な解決策の1つは、浮気の上昇する質量からエネルギーを抽出することである。
本稿では,ソアリング可能なUAVの自律的展開のための地域的行動管理と意思決定手法を提案する。
- 参考スコア（独自算出の注目度）: 2.3318766987247126
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The success of surveillance applications involving small unmanned aerial vehicles (UAVs) depends on how long the limited on-board power would persist. To cope with this challenge, alternative renewable sources of lift are sought. One promising solution is to extract energy from rising masses of buoyant air. This paper proposes a local-global behavioral management and decision-making approach for the autonomous deployment of soaring-capable UAVs. The cooperative UAVs are modeled as non-deterministic finite state-based rational agents. In addition to a mission planning module for assigning tasks and issuing dynamic navigation waypoints for a new path planning scheme, in which the concepts of visibility and prediction are applied to avoid the collisions. Moreover, a delayed learning and tuning strategy is employed optimize the gains of the path tracking controller. Rigorous comparative analyses carried out with three benchmarking baselines and 15 evolutionary algorithms highlight the adequacy of the proposed approach for maintaining the surveillance persistency (staying aloft for longer periods without landing) and maximizing the detection of targets (two times better than non-cooperative and semi-cooperative approaches) with less power consumption (almost 6% of battery consumed in six hours).
- Abstract（参考訳）: 小型無人航空機(UAV)を含む監視用途の成功は、限定的なオンボード電力の持続時間に依存する。
この課題に対処するため、代替再生可能エネルギー源が求められている。
有望な解決策の1つは、浮気の上昇する質量からエネルギーを抽出することである。
本稿では,ソアリング可能なUAVの自律的展開のための地域的行動管理と意思決定手法を提案する。
協調UAVは非決定論的有限状態ベース有理エージェントとしてモデル化されている。
また,タスクの割り当てや動的ナビゲーション・ウェイポイントの発行を行うミッション計画モジュールを新たに導入し,衝突を避けるために可視性と予測の概念を適用した。
さらに、パストラッキングコントローラの利得を最適化する遅延学習およびチューニング戦略が採用されている。
3つのベンチマークベースラインと15の進化的アルゴリズムで実施された厳密な比較分析は、監視の持続性を維持するための提案されたアプローチ(着陸なしで長期間滞在する)と目標の検出(非協力的および半協力的アプローチの2倍)を、消費電力の少ない(ほぼ6%が6時間で消費する)ことの妥当性を強調した。
関連論文リスト
- Aerial Reliable Collaborative Communications for Terrestrial Mobile Users via Evolutionary Multi-Objective Deep Reinforcement Learning [59.660724802286865]
無人航空機(UAV)は、地上通信を改善するための航空基地局(BS)として登場した。
この作業では、UAV対応仮想アンテナアレイによる協調ビームフォーミングを使用して、UAVから地上モバイルユーザへの伝送性能を向上させる。
論文 参考訳（メタデータ） (2025-02-09T09:15:47Z) - 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) - Task Delay and Energy Consumption Minimization for Low-altitude MEC via Evolutionary Multi-objective Deep Reinforcement Learning [52.64813150003228]
無人航空機や他の航空機による低高度経済(LAE)は、輸送、農業、環境監視といった分野に革命をもたらした。
今後の6世代(6G)時代において、UAV支援移動エッジコンピューティング(MEC)は特に山岳や災害に遭った地域のような困難な環境において重要である。
タスクオフロード問題は、主にタスク遅延の最小化とUAVのエネルギー消費のトレードオフに対処するUAV支援MECの重要な問題の一つである。
論文 参考訳（メタデータ） (2025-01-11T02:32:42Z) - Meta Reinforcement Learning for Strategic IoT Deployments Coverage in
Disaster-Response UAV Swarms [5.57865728456594]
無人航空機(UAV)は、重要な緊急用途に使用される可能性があるとして、学術や産業の研究者の注目を集めている。
これらのアプリケーションには、地上のユーザーに無線サービスを提供し、災害の影響を受けた地域からデータを収集する機能が含まれる。
UAVの限られた資源、エネルギー予算、厳格なミッション完了時間は、これらの用途にUAVを採用する際の課題を提起している。
論文 参考訳（メタデータ） (2024-01-20T05:05:39Z) - Short vs. Long-term Coordination of Drones: When Distributed Optimization Meets Deep Reinforcement Learning [0.9208007322096532]
自律型対話型ドローンの群れは、交通監視などスマートシティのアプリケーションに魅力的なセンシング機能を提供する。
本稿では,ドローン群による大規模時空間センシングにおけるタスク割り当て問題に焦点をあてる。
長期DRLと短期集団学習を統合した新しい相乗的最適化手法を提案する。
論文 参考訳（メタデータ） (2023-11-16T12:28:31Z) - Mobile Cellular-Connected UAVs: Reinforcement Learning for Sky Limits [71.28712804110974]
本稿では,UAVの切断時間,ハンドオーバ速度,エネルギー消費を低減するため,MAB(Multi-armed bandit)アルゴリズムを提案する。
それぞれの性能指標(PI)が、適切な学習パラメータの範囲を採用することにより、どのように改善されるかを示す。
論文 参考訳（メタデータ） (2020-09-21T12:35:23Z) - Reinforcement Learning for Low-Thrust Trajectory Design of
Interplanetary Missions [77.34726150561087]
本稿では, 惑星間軌道のロバスト設計における強化学習の適用について検討する。
最先端アルゴリズムのオープンソース実装が採用されている。
その結果得られた誘導制御ネットワークは、堅牢な名目的軌道と関連する閉ループ誘導法の両方を提供する。
論文 参考訳（メタデータ） (2020-08-19T15:22:15Z) - 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。