論文の概要: Robust Co-design Optimisation for Agile Fixed-Wing UAVs

• arxiv url: http://arxiv.org/abs/2603.11130v1
• Date: Wed, 11 Mar 2026 15:56:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-21 18:33:56.695112
• Title: Robust Co-design Optimisation for Agile Fixed-Wing UAVs
• Title（参考訳）: アジャイル固定翼UAVのロバストな共同設計最適化
• Authors: Adrian Andrei Buda, Xavier Chen, Nicolò Botteghi, Urban Fasel,
• Abstract要約: 自律システムの共同設計は、シーケンシャルなアプローチの強力な代替手段として現れてきた。 我々は、アジャイルの固定翼UAVのための堅牢な共同設計フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.359986669039879
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Co-design optimisation of autonomous systems has emerged as a powerful alternative to sequential approaches by jointly optimising physical design and control strategies. However, existing frameworks often neglect the robustness required for autonomous systems navigating unstructured, real-world environments. For agile Unmanned Aerial Vehicles (UAVs) operating at the edge of the flight envelope, this lack of robustness yields designs that are sensitive to perturbations and model mismatch. To address this, we propose a robust co-design framework for agile fixed-wing UAVs that integrates parametric uncertainty and wind disturbances directly into the concurrent optimisation process. Our bi-level approach optimises physical design in a high-level loop while discovering nominal solutions via a constrained trajectory planner and evaluating performance across a stochastic Monte Carlo ensemble using feedback LQR control. Validated across three agile flight missions, our strategy consistently outperforms deterministic baselines. The results demonstrate that our robust co-design strategy inherently tailors aerodynamic features, such as wing placement and aspect ratio, to achieve an optimal trade-off between mission performance and disturbance rejection.
• Abstract（参考訳）: 自律システムの協調設計最適化は、物理的設計と制御戦略を共同で最適化することで、シーケンシャルなアプローチの強力な代替手段として現れてきた。 しかしながら、既存のフレームワークは、非構造化の現実世界環境をナビゲートする自律システムに必要な堅牢性を無視していることが多い。 飛行エンベロープの端で作動する無人航空機(UAV)にとって、この頑丈さの欠如は摂動やモデルミスマッチに敏感な設計をもたらす。 これを解決するために,パラメトリック不確実性や風乱を並列最適化プロセスに直接組み込む,アジャイル固定翼UAVのためのロバストな協調設計フレームワークを提案する。 両レベルのアプローチは,制約付き軌道プランナによる名目的解の発見と,フィードバックLQR制御を用いた確率的モンテカルロアンサンブルにおける性能評価を行いながら,高レベルのループにおける物理設計を最適化する。 3つのアジャイル飛行ミッションで検証された私たちの戦略は、決定論的ベースラインを一貫して上回ります。 その結果、我々のロバストな共同設計戦略は、主翼配置やアスペクト比などの空力特性を本質的に調整し、ミッション性能と外乱拒絶の最適トレードオフを実現することを実証した。

関連論文リスト

• Gradient-based Nested Co-Design of Aerodynamic Shape and Control for Winged Robots [27.783239201463715]
  本稿では,空気力学的形状と運動プランナを最適化する汎用的,勾配に基づくネスト型協調設計フレームワークを提案する。 固定翼グライダーの2つの複雑な動的タスク(パーチと短着陸)に対して,本手法の有効性を検証した。 最適化された設計は、ほんのわずかな時間で進化的ベースラインよりもタスク性能が向上する。
  論文  参考訳（メタデータ） (2026-03-06T14:18:18Z)
• PILOT: Planning via Internalized Latent Optimization Trajectories for Large Language Models [51.43746425777865]
  大規模言語モデル(LLM)は、しばしばグローバル戦略を定式化する能力に欠けており、長い水平タスクにおけるエラーの伝播につながる。 PILOTは,大規模モデルの戦略的監視を本質的な潜伏誘導に内部化するためのフレームワークである。
  論文  参考訳（メタデータ） (2026-01-07T12:38:56Z)
• QoS-Aware Hierarchical Reinforcement Learning for Joint Link Selection and Trajectory Optimization in SAGIN-Supported UAV Mobility Management [52.15690855486153]
  宇宙空間統合ネットワーク (SAGIN) がユビキタスUAV接続を実現するための重要なアーキテクチャとして登場した。 本稿では,SAGINにおけるUAVモビリティ管理を制約付き多目的関節最適化問題として定式化する。
  論文  参考訳（メタデータ） (2025-12-17T06:22:46Z)
• A Neural Surrogate-Enhanced Multi-Method Framework for Robust Wing Design Optimization [0.0]
  本稿では,ウィング設計プロセスのためのモジュラーでスケーラブルな設計最適化フレームワークを提案する。 パイプラインは初期翼のジオメトリーの生成から始まり、その後いくつかのアルゴリズムを用いて翼を最適化する。 その結果, 空力特性と安定性が向上し, 翼設計の高速化と高精度化が図られた。
  論文  参考訳（メタデータ） (2025-09-29T17:26:37Z)
• Tuning for Trustworthiness -- Balancing Performance and Explanation Consistency in Neural Network Optimization [49.567092222782435]
  我々は,異なる特徴帰属法間の合意として定義された,XAI整合性という新しい概念を紹介する。 予測性能と説明のバランスをとる多目的最適化フレームワークを構築した。 本研究は、トレードオフゾーンバランス性能損失とXAI整合性による強靭性向上のモデルについて、今後の研究基盤を提供する。
  論文  参考訳（メタデータ） (2025-05-12T13:19:14Z)
• Efficient Design of Compliant Mechanisms Using Multi-Objective Optimization [50.24983453990065]
  そこで本研究では,大きな角状脳卒中を許容できる適合型クロスヒンジ機構の合成について述べる。 キネトスタティックな性能測定に基づいて,多目的最適化問題を定式化する。
  論文  参考訳（メタデータ） (2025-04-23T06:29:10Z)
• Byzantine-Resilient Over-the-Air Federated Learning under Zero-Trust Architecture [68.83934802584899]
  我々は,セキュアな適応クラスタリング(FedSAC)を用いたフェデレーション学習(Federated Learning)と呼ばれる,無線通信のための新しいビザンチン・ロバストFLパラダイムを提案する。 FedSACは、デバイスの一部をゼロ信頼アーキテクチャ(ZTA)ベースのビザンティン識別と適応デバイスクラスタリングによる攻撃から保護することを目的としている。 実験精度と収束率の両面から,提案手法よりもFedSACの方が優れていることを示す。
  論文  参考訳（メタデータ） (2025-03-24T01:56:30Z)
• Towards Robust Spacecraft Trajectory Optimization via Transformers [17.073280827888226]
  我々は,非最適制御問題をリアルタイムに解くための自律生成モデルを開発した。 我々はARTの能力を拡張し、確率制約のある最適制御問題に対処する。 この作業は、宇宙船のような安全クリティカルな自律システムにAI駆動のソリューションを確実に展開するための最初のステップである。
  論文  参考訳（メタデータ） (2024-10-08T00:58:42Z)
• An Adaptive Fuzzy Reinforcement Learning Cooperative Approach for the Autonomous Control of Flock Systems [4.961066282705832]
  この研究は、群集システムの自律制御に適応的な分散ロバスト性技術を導入している。 比較的柔軟な構造は、様々な目的を同時に狙うオンラインファジィ強化学習スキームに基づいている。 動的障害に直面した場合のレジリエンスに加えて、アルゴリズムはフィードバック信号としてエージェントの位置以上のものを必要としない。
  論文  参考訳（メタデータ） (2023-03-17T13:07:35Z)

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。