論文の概要: TriDeliver: Cooperative Air-Ground Instant Delivery with UAVs, Couriers, and Crowdsourced Ground Vehicles
- arxiv url: http://arxiv.org/abs/2604.09049v2
- Date: Tue, 14 Apr 2026 06:08:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-15 14:01:13.23063
- Title: TriDeliver: Cooperative Air-Ground Instant Delivery with UAVs, Couriers, and Crowdsourced Ground Vehicles
- Title（参考訳）: TriDeliver:UAV、クーリエ、クラウドソーシングによる空域インスタントデリバリー
- Authors: Junhui Gao, Yan Pan, Qianru Wang, Wenzhe Hou, Yiqin Deng, Liangliang Jiang, Yuguang Fang,
- Abstract要約: 本稿では,人間宅配機,UAV,クラウドソーシング地上車両(GV)を統合し,効率的な即時配送を実現するための,最初の階層型協調フレームワークであるTriDeliverを提案する。
クーリエ、UAV、クラウドソースのGVを統合することで、TriDeliverは、UAVとクーリエによる最先端の協調配送に対して、配達コストを65.8%削減することを示した。
- 参考スコア（独自算出の注目度）: 16.15573336303403
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Instant delivery, shipping items before critical deadlines, is essential in daily life. While multiple delivery agents, such as couriers, Unmanned Aerial Vehicles (UAVs), and crowdsourced agents, have been widely employed, each of them faces inherent limitations (e.g., low efficiency/labor shortages, flight control, and dynamic capabilities, respectively), preventing them from meeting the surging demands alone. This paper proposes TriDeliver, the first hierarchical cooperative framework, integrating human couriers, UAVs, and crowdsourced ground vehicles (GVs) for efficient instant delivery. To obtain the initial scheduling knowledge for GVs and UAVs as well as improve the cooperative delivery performance, we design a Transfer Learning (TL)-based algorithm to extract delivery knowledge from couriers' behavioral history and transfer their knowledge to UAVs and GVs with fine-tunings, which is then used to dispatch parcels for efficient delivery. Evaluated on one-month real-world trajectory and delivery datasets, it has been demonstrated that 1) by integrating couriers, UAVs, and crowdsourced GVs, TriDeliver reduces the delivery cost by $65.8\%$ versus state-of-the-art cooperative delivery by UAVs and couriers; 2) TriDeliver achieves further improvements in terms of delivery time ($-17.7\%$), delivery cost ($-9.8\%$), and impacts on original tasks of crowdsourced GVs ($-43.6\%$), even with the representation of the transferred knowledge by simple neural networks, respectively.
- Abstract（参考訳）: 即時配送は、重要な期限前に商品を出荷することであり、日常生活において不可欠である。
クーリエ、無人航空機(UAV)、クラウドソースエージェントなど、複数の配達エージェントが広く採用されているが、それぞれ固有の制限(例えば、低効率/作業員不足、飛行制御、動的能力)に直面しているため、需要が急増するのを防いでいる。
本稿では,人間宅配機,UAV,クラウドソーシング地上車両(GV)を統合し,効率的な即時配送を実現するための,最初の階層型協調フレームワークであるTriDeliverを提案する。
本稿では,GV と UAV の初期スケジューリング知識を得るとともに,協調配送性能の向上を図るため,宅配業者の行動履歴から配送知識を抽出し,その知識を細調整で UAV と GV に伝達するTransfer Learning (TL) ベースのアルゴリズムを設計し,効率的に配送するためにパーセルを配布する。
実世界の1ヶ月の軌跡と配送データセットに基づいて評価され、実証された。
1 宅配業者、無人機及びクラウドソース型GVを統合することにより、宅配コストを、空輸業者及び宅配業者による最先端の協同配送と比較して65.8 %削減する。
2) TriDeliverは、単純なニューラルネットワークによる伝達知識の表現であっても、納期(-17.7.%$)、納期(-9.8.%$)、クラウドソーシングされたGVの本来のタスク(-43.6.%$)のさらなる改善を実現している。
関連論文リスト
- Spatio-Temporal Attention Enhanced Multi-Agent DRL for UAV-Assisted Wireless Networks with Limited Communications [73.26813382994867]
本稿では,UAV間の情報共有を促進するために,遅延ペナル化報酬を統合した遅延耐性多エージェント深層強化学習アルゴリズムを提案する。
提案手法は従来のMADRLに比べて50%以上の情報遅延と75%のスループット向上を実現する。
また、UAV情報交換の必要性を低減し、UAV支援無線ネットワークにおけるMADRLの実践的展開を促進するのにも有効である。
論文 参考訳（メタデータ） (2026-03-23T05:42:50Z) - Leveraging Large Vision Model for Multi-UAV Co-perception in Low-Altitude Wireless Networks [51.323657802729535]
多様な低高度経済応用のための有望なパラダイムとして、UAV(Multi-Uncrewed Aero Vehicle)協調認識が出現している。
本稿では,BHU(Base-Station-Helped UAV)と呼ばれるコミュニケーション効率の良い協調認識フレームワークを提案する。
我々は、UAVキャプチャされたRGB画像から最も情報性の高い画素を識別するためにTop-K選択機構を使用し、データボリュームと遅延を低減したスペーサー化された視覚伝達を可能にする。
論文 参考訳（メタデータ） (2026-03-13T17:49:28Z) - Ready, Bid, Go! On-Demand Delivery Using Fleets of Drones with Unknown, Heterogeneous Energy Storage Constraints [2.1161776147104203]
無人航空機(UAV)はロジスティクスを変革し、配達時間、コスト、排出を減らすことが期待されている。
この研究は、UAVの艦隊が到着した注文を満たすために配備されるオンデマンド配送に対処する。
本稿では,オークションベースのタスクアロケーションとオンライン学習を組み合わせた分散デプロイメント戦略を提案する。
論文 参考訳（メタデータ） (2025-04-11T14:39:25Z) - Research on environment perception and behavior prediction of intelligent UAV based on semantic communication [8.481025063242473]
高速なトレーニング機能を備えたドローンが、効率的なリソース割り当てのために、新たな仮想シナリオに自律的に適応できるようにするために、強化学習アプローチが導入されている。
メタユニバースのためのセマンティック・コミュニケーション・フレームワークを提案し、セマンティック・情報の抽出を利用して通信コストを削減し、メタユニバース・サービスの情報伝達をインセンティブ化する。
実験では, ドローン適応性能を約35%向上させ, 基地局数の増加に伴い, 局所降着速度は90%に達することができた。
論文 参考訳（メタデータ） (2025-01-08T13:03:34Z) - Diffusion-based Auction Mechanism for Efficient Resource Management in 6G-enabled Vehicular Metaverses [57.010829427434516]
6G対応のVehicular Metaversesでは、車両は物理的車両のデジタルレプリカとして機能するVT(Vine Twins)によって表現される。
VTタスクはリソース集約であり、高速処理のために地上基地局(BS)にオフロードする必要がある。
地上BSとUAV間の資源配分を最適化する学習型修正第2バイド(MSB)オークション機構を提案する。
論文 参考訳（メタデータ） (2024-11-01T04:34:54Z) - UAV-enabled Collaborative Beamforming via Multi-Agent Deep Reinforcement Learning [79.16150966434299]
本稿では,UAVを用いた協調ビームフォーミング多目的最適化問題 (UCBMOP) を定式化し,UAVの伝送速度を最大化し,全UAVのエネルギー消費を最小化する。
ヘテロジニアス・エージェント・信頼領域ポリシー最適化(HATRPO)を基本フレームワークとし,改良されたHATRPOアルゴリズム,すなわちHATRPO-UCBを提案する。
論文 参考訳（メタデータ） (2024-04-11T03:19:22Z) - DeliverAI: Reinforcement Learning Based Distributed Path-Sharing Network
for Food Deliveries [1.474723404975345]
既存の食品の配送方法は、各配送が個別に最適化され、最も短い時間経路で生産者から直接消費者に届けられるため、準最適である。
強化学習に基づくパス共有アルゴリズムであるDeliverAIを提案する。
以上の結果から,DeliverAIは配送船の規模を12%減らし,走行距離を13%減らし,ベースラインに比べて50%高い艦隊利用率を達成することができた。
論文 参考訳（メタデータ） (2023-11-03T16:23:22Z) - 3D UAV Trajectory and Data Collection Optimisation via Deep
Reinforcement Learning [75.78929539923749]
無人航空機(UAV)は現在、無線通信におけるネットワーク性能とカバレッジを高めるために配備され始めている。
UAV支援モノのインターネット(IoT)のための最適な資源配分方式を得ることは困難である
本稿では,UAVの最も短い飛行経路に依存しつつ,IoTデバイスから収集したデータ量を最大化しながら,新しいUAV支援IoTシステムを設計する。
論文 参考訳（メタデータ） (2021-06-06T14:08:41Z) - DeepFreight: Integrating Deep Reinforcement Learning and Mixed Integer
Programming for Multi-transfer Truck Freight Delivery [38.04321619061474]
DeepFreightは、マルチトランスファー貨物配送のためのモデルフリーのディープ強化学習ベースのアルゴリズムである。
提案システムは非常にスケーラブルで,低納車時間と燃料消費を維持しつつ,100%の納車成功を実現する。
論文 参考訳（メタデータ） (2021-03-05T03:06:48Z) - Efficient UAV Trajectory-Planning using Economic Reinforcement Learning [65.91405908268662]
UAV間でタスクを分散するための経済取引に触発された新しい強化学習アルゴリズムであるREPlannerを紹介します。
エージェントが協力し、リソースを競うことができるマルチエージェント経済ゲームとして、パス計画問題を策定します。
UAV協力によるタスク分布の計算を行うため、Swarmサイズの変化に対して非常に耐性が高い。
論文 参考訳（メタデータ） (2021-03-03T20:54:19Z)
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。