論文の概要: eVTOL Aircraft Energy Overhead Estimation under Conflict Resolution in High-Density Airspaces

• arxiv url: http://arxiv.org/abs/2604.06093v1
• Date: Tue, 07 Apr 2026 17:07:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-08 17:42:09.951425
• Title: eVTOL Aircraft Energy Overhead Estimation under Conflict Resolution in High-Density Airspaces
• Title（参考訳）: 高密度空域における衝突分解能を考慮したeVTOL航空機エネルギーオーバーヘッド推定
• Abstract要約: 本稿では, 改良電圧ポテンシャルアルゴリズムによるコンフリクト分解操作がeVTOLのエネルギー消費に与える影響について検討する。 我々は10～60機の同時航空機の交通密度に対して,1セクター内の経路区間で71,767機を分析した。 MVPベースのデコンフリクションはエネルギー効率が高いが、尾翼ケースは持続的なマルチエアクラフトの衝突により最大密度で44%のオーバーヘッドに達する。
• 参考スコア（独自算出の注目度）: 3.719121868494767
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Electric vertical takeoff and landing (eVTOL) aircraft operating in high-density urban airspace must maintain safe separation through tactical conflict resolution, yet the energy cost of such maneuvers has not been systematically quantified. This paper investigates how conflict-resolution maneuvers under the Modified Voltage Potential (MVP) algorithm affect eVTOL energy consumption. Using a physics-based power model integrated within a traffic simulation, we analyze approximately 71,767 en route sections within a sector, across traffic densities of 10-60 simultaneous aircraft. The main finding is that MVP-based deconfliction is energy-efficient: median energy overhead remains below 1.5% across all density levels, and the majority of en route flights within the sector incur negligible penalty. However, the distribution exhibits pronounced right-skewness, with tail cases reaching 44% overhead at the highest densities due to sustained multi-aircraft conflicts. The 95th percentile ranges from 3.84% to 5.3%, suggesting that a 4-5% reserve margin accommodates the vast majority of tactical deconfliction scenarios. To support operational planning, we develop a machine learning model that estimates energy overhead at mission initiation. Because conflict outcomes depend on future traffic interactions that cannot be known in advance, the model provides both point estimates and uncertainty bounds. These bounds are conservative; actual outcomes fall within the predicted range more often than the stated confidence level, making them suitable for safety-critical reserve planning. Together, these results validate MVP's suitability for energy-constrained eVTOL operations and provide quantitative guidance for reserve energy determination in Advanced Air Mobility.
• Abstract（参考訳）: 高密度の都市空域で運用される電動垂直離着陸機(eVTOL)は、戦術的な紛争解決を通じて安全な分離を維持する必要があるが、そのような演習のエネルギーコストは体系的に定量化されていない。 本稿では,改良電圧電位(MVP)アルゴリズムによるコンフリクト分解操作がeVTOLのエネルギー消費に与える影響について検討する。 交通シミュレーションに統合された物理ベース電力モデルを用いて,交通密度10～60の同時航空機を用いて,一セクター内の経路区間で約71,767個の電力モデルを解析した。 中心的なエネルギーオーバーヘッドは、すべての密度レベルにおいて1.5%以下であり、セクター内のルート飛行の大半は無視可能なペナルティを課している。 しかし、分布は右傾きを顕著に示しており、尾のケースは多航空機の衝突が続くため、最も高い密度で44%のオーバーヘッドに達している。 95%のパーセンタイルは3.84%から5.3%の範囲であり、4-5%のリザーブ・マージンが戦術的不信のシナリオの大部分に対応することが示唆されている。 運用計画を支援するため,ミッション開始時のエネルギーオーバーヘッドを推定する機械学習モデルを開発した。 衝突の結果は、事前に知ることができない将来の交通相互作用に依存するため、このモデルは点推定と不確実性境界の両方を提供する。 これらの境界は保守的であり、実際の結果は予測された信頼レベルよりも頻繁に範囲内に入るため、安全クリティカルな準備計画に適している。 これらの結果は,エネルギ制約の eVTOL 運転に対するMVP の適合性を評価し,Advanced Air Mobility における予備エネルギー決定のための定量的ガイダンスを提供する。

関連論文リスト

• VATO: A Vortex-Force-Aware Transformer Operator for Unsteady Separated Aerofoil Flows [10.391896605604018]
  本稿ではVortex-Force-Aware Transformer Operator(VATO)を紹介し,Vortex Force Map(VFM)法を幾何認識ニューラル演算子に結合させる。 VATO-Sは速度,圧力,渦度の誤差をそれぞれ10.4%,1.0%,15.6%減少させ,VATO-Aは15.8%,7.5%,31.2%減少させた。
  論文  参考訳（メタデータ） (2026-09-01T00:17:13Z)
• DESCENT: Directed Edge Scene Encoding for Airport Surface Movement Prediction [54.94692733670454]
  DESCENTは変圧器ベースのアーキテクチャで、不均一な力学と厳密なトポロジ的制約を扱うように設計されている。 本手法は,飛行場環境コンテキストを適応的に収集する,潜在的到達性セット(PRS)コンテキストサンプリング機構を備えている。 Amelia-10ベンチマークによる評価では,最先端のベースラインよりも大幅な性能向上が見られた。
  論文  参考訳（メタデータ） (2026-08-26T16:49:50Z)
• Wind-Informed Rapid Flight-Planning in Complex Urban Topologies via Machine Learning and Experimental Validation [46.65676221937358]
  本研究は,風の強い都市環境における航空車両の安全な飛行計画に向けた新しい枠組みを提案する。 学習ベースサロゲートモデルは、容易に利用可能な情報から流れ場を迅速に予測するために訓練される。 安全でフローインフォームドされた飛行軌道は、コスト最小化パスファインダーによって識別される。
  論文  参考訳（メタデータ） (2026-08-10T23:30:49Z)
• Conflict Resolution under Degraded Surveillance in Air Corridors Using Multi-Agent Reinforcement Learning [0.0]
  本研究では,分散コンフリクト解決のためのディープQネットワークに基づくマルチエージェント強化学習フレームワークを開発する。 このフレームワークは、劣化した監視条件下でのより安全なAAM競合解決戦略のシミュレーションに基づく評価を支援する。
  論文  参考訳（メタデータ） (2026-07-13T20:11:44Z)
• Robust Autonomous UAV Landing on Maritime Platforms via Multimodal Agentic AI and Active Wave Compensation [0.0]
  本稿では,無人航空機 (UAV) と無人航空機 (USV) を同期させる離間多輪着地機構を提案する。 このアーキテクチャは、2つの独立したDeep Reinforcement Learning (DRL)エージェント(Soft Actor-Critic (SAC)エージェント、ランディングデッキに高周波波動補償を提供するSoft Actor-Critic (SAC)エージェント、UAVの最終アプローチのためのマルチモーダルRLエージェント)を利用する。 高忠実度海洋シミュレーションで評価されたこのシステムは、穏やかから荒々しい状態の15回の試験で100%の着陸成功率を達成した。
  論文  参考訳（メタデータ） (2026-06-30T13:03:45Z)
• ASCENT: Transformer-Based Aircraft Trajectory Prediction in Non-Towered Terminal Airspace [54.94692733670454]
  ASCENTは、マルチモーダル3D航空機の軌道予測のための軽量トランスフォーマーベースのモデルである。 ドメイン対応の3D座標正規化とパラメータ化予測を統合している。
  論文  参考訳（メタデータ） (2026-03-17T14:16:10Z)
• Adversarial attacks against Modern Vision-Language Models [51.56484100374058]
  我々は,現実的な事前デプロイ条件をシミュレートするために構築された自己完結型eコマース環境に配備された,オープンソースの視覚言語モデル(VLM)エージェントの敵対的堅牢性について検討した。 LLaVA-v1.5-7BとQwen2.5-VL-7Bの2剤を3種類の勾配攻撃下で評価した。
  論文  参考訳（メタデータ） (2026-03-17T04:55:10Z)
• SKYSURF: A Self-learning Framework for Persistent Surveillance using Cooperative Aerial Gliders [2.3318766987247126]
  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。
  論文  参考訳（メタデータ） (2026-02-13T11:42:26Z)
• 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)
• iPLAN: Intent-Aware Planning in Heterogeneous Traffic via Distributed Multi-Agent Reinforcement Learning [57.24340061741223]
  本稿では,高密度および不均一な交通シナリオにおける軌跡や意図を予測できる分散マルチエージェント強化学習(MARL)アルゴリズムを提案する。 インテント対応プランニングのアプローチであるiPLANにより、エージェントは近くのドライバーの意図をローカルな観察からのみ推測できる。
  論文  参考訳（メタデータ） (2023-06-09T20:12:02Z)
• A deep reinforcement learning approach to assess the low-altitude airspace capacity for urban air mobility [0.0]
  都市空力は、低高度空域を利用して高速で安全な旅行手段を提供することを目的としている。 当局は現在も、都市空輸に適用される新しい飛行規則の見直しに取り組んでいる。 深い強化学習アプローチと深い決定論的政策勾配アルゴリズムを用いて,自律型UAV経路計画フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-01-23T23:38:05Z)
• Data-Efficient Modeling for Precise Power Consumption Estimation of Quadrotor Operations Using Ensemble Learning [3.722516004544342]
  エレクトロニック・テイクオフ・アンド・ランディング (EVTOL) は、新興都市空力において主要な航空機であると考えられている。 本研究では,eVTOL航空機の消費電力モデル化のための枠組みを構築した。 そこで我々は,3種類の四重項の飛行記録を用いたデータ駆動モデルを構築するために,アンサンブル学習法,すなわち積み重ね法を用いた。
  論文  参考訳（メタデータ） (2022-05-23T02:16:43Z)
• Engagement Decision Support for Beyond Visual Range Air Combat [0.3149883354098941]
  この作業は、Beyond Visual Range (BVR)空戦のためのエンゲージメント決定支援ツールを提供することを目的としている。 BVR空戦では、戦闘決定はパイロットが目標に到達した瞬間の選択を指す。
  論文  参考訳（メタデータ） (2021-11-04T17:59:45Z)
• CVaR-based Flight Energy Risk Assessment for Multirotor UAVs using a Deep Energy Model [1.8593061465167362]
  エネルギー管理は、無人航空機(UAV)のリスク評価の重要な側面である。 時間的畳み込みネットワークを用いたUAVの深部エネルギーモデルを構築し,その時間的変化を捉える。 条件付きバリュー・アット・リスク(CVaR)は、名目上の最悪のエネルギー消費に関連するリスクをキャプチャする。
  論文  参考訳（メタデータ） (2021-05-31T17:51:55Z)
• Federated Learning in the Sky: Joint Power Allocation and Scheduling with UAV Swarms [98.78553146823829]
  無人航空機(UAV)は様々なタスクを実行するために機械学習(ML)を利用する必要がある。 本稿では,UAVスワム内に分散学習(FL)アルゴリズムを実装するための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-02-19T14:04:01Z)

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。