論文の概要: Robust Energy-Aware Routing for Air-Ground Cooperative Multi-UAV Delivery in Wind-Uncertain Environments
- arxiv url: http://arxiv.org/abs/2604.13441v1
- Date: Wed, 15 Apr 2026 03:43:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-16 20:38:32.370444
- Title: Robust Energy-Aware Routing for Air-Ground Cooperative Multi-UAV Delivery in Wind-Uncertain Environments
- Title（参考訳）: 風環境における空域協調型マルチUAV輸送のためのロバストエネルギー認識ルーティング
- Authors: Tianshun Li, Hongliang Lu, Yanggang Sheng, Zhongzhen Wang, Haoang Li, Xinhu Zheng,
- Abstract要約: 本稿では,風に敏感なトラック支援型UAV配送のためのオンラインリスク感受性計画フレームワークであるBattery-Efficient Routing(BER)を提案する。
この問題は、風による空力効果に応じてエッジコストが増大する時間依存エネルギーグラフ上のルーティングとして定式化される。
このアプローチは、タスク割り当て、ルーティング、分散軌道実行を組み合わせた階層的な地上配送アーキテクチャに組み込まれている。
- 参考スコア（独自算出の注目度）: 8.00361595836773
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Ensuring energy feasibility under wind uncertainty is critical for the safety and reliability of UAV delivery missions. In realistic truck-drone logistics systems, UAVs must deliver parcels and safely return under time-varying wind conditions that are only partially observable during flight. However, most existing routing approaches assume static or deterministic energy models, making them unreliable in dynamic wind environments. We propose Battery-Efficient Routing (BER), an online risk-sensitive planning framework for wind-sensitive truck-assisted UAV delivery. The problem is formulated as routing on a time dependent energy graph whose edge costs evolve according to wind-induced aerodynamic effects. BER continuously evaluates return feasibility while balancing instantaneous energy expenditure and uncertainty-aware risk. The approach is embedded in a hierarchical aerial-ground delivery architecture that combines task allocation, routing, and decentralized trajectory execution. Extensive simulations on synthetic ER graphs generated in Unreal Engine environments and quasi-real wind logs demonstrate that BER significantly improves mission success rates and reduces wind-induced failures compared with static and greedy baselines. These results highlight the importance of integrating real-time energy budgeting and environmental awareness for UAV delivery planning under dynamic wind conditions.
- Abstract（参考訳）: 風力不確実性の下でのエネルギー実現性を確保することは、UAV輸送ミッションの安全性と信頼性にとって重要である。
現実的なトラックとドローンのロジスティクスシステムでは、UAVは飛行中に部分的に観測可能な時間変化の風条件の下で、荷物を輸送し、安全に帰還する必要がある。
しかし、既存のほとんどのルーティング手法は静的または決定論的エネルギーモデルを想定しており、動的風環境では信頼性が低い。
本稿では,風に敏感なトラック支援型UAV配送のためのオンラインリスク感受性計画フレームワークであるBattery-Efficient Routing(BER)を提案する。
この問題は、風による空力効果に応じてエッジコストが増大する時間依存エネルギーグラフ上のルーティングとして定式化される。
BERは、瞬時エネルギー支出と不確実性認識リスクのバランスを保ちながら、リターン実現可能性を評価し続ける。
このアプローチは、タスク割り当て、ルーティング、分散軌道実行を組み合わせた階層的な地上配送アーキテクチャに組み込まれている。
Unreal Engine環境および準現実風速計で生成された合成ERグラフの広範囲なシミュレーションにより、BERはミッション成功率を著しく改善し、静的および強欲なベースラインと比較して風による故障を低減することを示した。
これらの結果は、ダイナミック風環境下でのUAV配送計画において、リアルタイムエネルギー予算と環境意識を統合することの重要性を強調している。
関連論文リスト
- WESPR: Wind-adaptive Energy-Efficient Safe Perception & Planning for Robust Flight with Quadrotors [9.15147164003286]
WESPRは環境形状が局地風環境にどのように影響するかを予測する高速なフレームワークである。
その結果,最大軌道偏差が12.5-58.7%減少し,風向非依存の適応制御器に比べて24.6%の安定性が向上した。
論文 参考訳（メタデータ） (2026-03-10T05:09:43Z) - Robust Optimization-based Autonomous Dynamic Soaring with a Fixed-Wing UAV [15.033246214180258]
固定翼無人航空機による自律的動的舞踏の枠組みを提案する。
このフレームワークは、風場の明示的な表現と、UAVの誘導と制御のための古典的なアプローチを利用する。
論文 参考訳（メタデータ） (2025-12-07T01:02:46Z) - Trajectory Design for UAV-Based Low-Altitude Wireless Networks in Unknown Environments: A Digital Twin-Assisted TD3 Approach [62.11847362756054]
低高度無線ネットワーク(LAWN)のキーイネーブラーとして無人航空機(UAV)が登場している
我々は、デジタルツイン(DT)支援トレーニングおよびデプロイメントフレームワークを提案する。
このフレームワークでは、UAVは統合されたセンシングと通信信号を送信し、地上ユーザーに通信サービスを提供し、同時にDTサーバにアップロードされたエコーを収集して、仮想環境(VE)を段階的に構築する。
これらのVEはモデルトレーニングを加速し、展開中のリアルタイムUAVセンシングデータを継続的に更新し、意思決定をサポートし、飛行安全性を向上する。
論文 参考訳（メタデータ） (2025-10-28T10:05:53Z) - When UAV Swarm Meets IRS: Collaborative Secure Communications in Low-altitude Wireless Networks [68.45202147860537]
低高度無線ネットワーク (LAWN) は、多様なアプリケーションに対して、拡張されたカバレッジ、信頼性、スループットを提供する。
これらのネットワークは、既知のおよび潜在的に未知の盗聴者の両方から重大なセキュリティ上の脆弱性に直面している。
本稿では,Swarm内で選択されたUAVを仮想アンテナアレイとして機能させる,LAWNのための新しいセキュア通信フレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-25T02:02:14Z) - A Physics-Informed Neural Network Approach for UAV Path Planning in Dynamic Environments [6.2703664569653945]
ダイナミック・ウィンドフィールドで運用される無人航空機(UAV)は、安全でエネルギー効率の良い軌道を生成する必要がある。
A* や Kinodynamic RRT* のような伝統的なプランナーは、離散化やサンプリング制限のため、しばしば準最適または非滑らかな経路をもたらす。
本稿では,UAV力学,風乱,障害物回避を直接学習プロセスに組み込む物理インフォームドニューラルネットワーク(PINN)フレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-23T13:42:07Z) - FlowDrive: Energy Flow Field for End-to-End Autonomous Driving [50.89871153094958]
FlowDriveは、物理的に解釈可能なエネルギーベースのフローフィールドを導入し、セマンティックな前提と安全性をBEV空間にエンコードする新しいフレームワークである。
NAVSIM v2ベンチマークの実験では、FlowDriveが最先端のパフォーマンスを86.3で達成し、安全性と計画品質の両方において以前のベースラインを超えたことが示されている。
論文 参考訳（メタデータ） (2025-09-17T13:51:33Z) - Wind Estimation in Unmanned Aerial Vehicles with Causal Machine Learning [0.6650227510403052]
本稿では,機械学習の時系列分類とクラスタリングを因果的フレームワークと組み合わせた因果的好奇性手法を提案する。
定常風, せん断風, 乱流の3つの異なる風環境を解析し, 風条件を推定するために最適なUAV操作を行うための異なる最適化戦略を探索する。
論文 参考訳（メタデータ） (2024-07-01T10:22:16Z) - Perception-and-Energy-aware Motion Planning for UAV using Learning-based
Model under Heteroscedastic Uncertainty [1.223779595809275]
本研究では, 否定された環境下でのUAVに対する知覚とエネルギーを意識した動作計画を提案する。
高忠実度シミュレータは、飛行データセットを取得し、LiDAR測定に関連するUAVのエネルギー消費と異種不確かさを学習する。
学習したモデルにより、オンラインプランナーはエネルギー消費と知覚品質を推定し、UAV電池の使用量とローカライズエラーを低減できる。
論文 参考訳（メタデータ） (2023-09-25T16:34:54Z) - Neural-Fly Enables Rapid Learning for Agile Flight in Strong Winds [96.74836678572582]
本稿では,ディープラーニングを通じて事前学習した表現を組み込むことで,オンラインでの迅速な適応を可能にする学習ベースのアプローチを提案する。
Neural-Flyは、最先端の非線形かつ適応的なコントローラよりもかなり少ないトラッキングエラーで正確な飛行制御を実現する。
論文 参考訳（メタデータ） (2022-05-13T21:55:28Z) - 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。