論文の概要: Robust Fleet Sizing for Multi-UAV Inspection Missions under Synchronized Replacement Demand
- arxiv url: http://arxiv.org/abs/2604.15890v1
- Date: Fri, 17 Apr 2026 09:39:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-20 22:00:19.866334
- Title: Robust Fleet Sizing for Multi-UAV Inspection Missions under Synchronized Replacement Demand
- Title（参考訳）: 同期交換需要下における複数UAV検査ミッションのロバストフリートサイズ
- Abstract要約: 複数のUAV検査ミッションでは、リチャージサイクル中にアクティブなドローンを置き換えるために予備のドローンが必要である。
本稿では,各UAVに類似のワークロードを割り当てる効率的なルーティングを行う構造的障害モードを特定する。
k = m(ceil(R) + 1) であり、m はアクティブ UAV の数、R はリカバリ-アクティブ時間比である。
- 参考スコア（独自算出の注目度）: 0.7734726150561088
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multi-UAV inspection missions require spare drones to replace active drones during recharging cycles. Existing fleet-sizing approaches often assume steady-state operating conditions that do not apply to finite-horizon missions, or they treat replacement requests as statistically independent events. The latter provides per-request blocking guarantees that fail to translate to mission-level reliability when demands cluster. This paper identifies a structural failure mode where efficient routing assigns similar workloads to each UAV, leading to synchronized battery depletion and replacement bursts that exhaust the spare pool even when average capacity is sufficient. We derive a closed-form sufficient fleet-sizing rule, k = m(ceil(R) + 1), where m is the number of active UAVs and R is the recovery-to-active time ratio. This additive buffer of m spares absorbs worst-case synchronized demand at recovery-cycle boundaries and ensures mission-level reliability even when all UAVs deplete simultaneously. Monte Carlo validation across five scenarios (m in [2, 10], R in [0.87, 3.39], 1000 trials each) shows that Erlang-B sizing with a per-request blocking target epsilon = 0.01 drops to 69.9% mission success at R = 3.39, with 95% of spare exhaustion events concentrated in the top-decile 5-minute demand windows. In contrast, the proposed rule maintains 99.8% success (Wilson 95% lower bound 99.3%) across all tested conditions, including wind variability up to CV = 0.30, while requiring only four additional drones in the most demanding scenario.
- Abstract（参考訳）: 複数のUAV検査ミッションでは、リチャージサイクル中にアクティブなドローンを置き換えるために予備のドローンが必要である。
既存の艦隊規模のアプローチは、有限水平任務には適用されない定常的な運用条件を前提とするか、あるいは置換要求を統計的に独立したイベントとして扱う。
後者は、クラスタ要求時にミッションレベルの信頼性に変換できない要求毎のブロッキング保証を提供する。
本稿では,各UAVに類似の負荷を割当てる構造的障害モードを特定し,平均容量が十分である場合でも,同期電池の枯渇と交換バーストを発生させる。
k = m(ceil(R) + 1) であり、m はアクティブ UAV の数、R はリカバリ-アクティブ時間比である。
mスペアの付加バッファは、リカバリサイクル境界における最悪のケース同期要求を吸収し、すべてのUAVが同時に減少してもミッションレベルの信頼性を確保する。
5つのシナリオ(m in [2, 10], R in [0.87, 3.39], 1000のトライアル)にわたるMonte Carloバリデーションでは、Erlang-Bサイズが要求ごとのブロック対象エプシロン=0.01で、R = 3.39でミッション成功率69.9%に低下し、スペア排気イベントの95%が最上位5分間の需要ウィンドウに集中している。
これとは対照的に、提案された規則は、風速0.30までの風速変動を含む全ての試験条件において、99.8%の成功(ウィルソン95%下限99.3%)を維持し、最も要求の多いシナリオでは、追加のドローンを4機しか必要としない。
関連論文リスト
- ReDraft, Don't Just Distill: Reference-Driven Revision for Continual VLLM Post-Training [66.72708893922605]
大規模なマルチモーダルモデルのポストトレーニングは、事前トレーニングから保護しながら、新しい機能を追加する必要がある。
SFTは、タスクをほぼゼロの精度から学習する明確なターゲット監視を提供するが、そのオフポリティックターゲットはモデルを十分に移動させ、忘れる原因となる。
モデル自身の失敗から両方を得るReDraftを紹介します。
論文 参考訳（メタデータ） (2026-09-15T04:59:03Z) - TriSAR: Task Coordination and Collision Avoidance for Aerial Robot Teams in Disaster Response [1.5803208833562954]
TriSARは5UAV協調システムとして評価され、物理に基づくガゼボシミュレーションにより地震の被害を受けた都市環境のシミュレーションを行う。
2 x 2 要素設計は2つのタスク割り当て戦略と、反応衝突回避を有効または無効にする2つのタスク割り当て戦略を比較する。
ミッション効率の指標では、GAベースのアロケーションは、反発が有効になったときのグリーディアロケーションよりも統計的に検出可能なアドバンテージは示さなかった。
論文 参考訳（メタデータ） (2026-09-01T18:02:12Z) - Frequency-Aware Continual Learning for Smart Contract Vulnerability Detection with Large Language Models [20.782246700088077]
言語モデル(LLM)によるスマートコントラクトの脆弱性検出は、3つの因果関係の課題に直面している。
新しい脆弱性カテゴリにはパラメータ効率の適応が要求される。
第三に、タスク毎のアダプタを共有バックボーンでトレーニングすることは、以前に学習した脆弱性を壊滅的に忘れてしまう。
そこで我々は,各ステージが1つの課題に対処し,次の課題に投入する3段階パイプラインを提案する。
論文 参考訳（メタデータ） (2026-08-20T06:14:31Z) - $μ$VLA: On Recurrent Memory for Partially Observable Manipulation in VLA Models [44.66763491853812]
本研究は,VLA背骨の再発の制御的分離について検討した。
我々の定式化は、タイムステップにまたがる学習可能なメモリトークンの小さなセットでトランスフォーマーを強化します。
我々はこれらの結果を,背骨内再発の最小限のエンベロープの校正と解釈する。
論文 参考訳（メタデータ） (2026-06-10T13:26:40Z) - CRMA: A Spectrally-Bounded Backbone for Modular Continual Fine-Tuning of LLMs [0.0]
我々は、内部混合行列 M がシンクホーン正規化による全ての前方通過において二重確率である残留アダプタ CRMA を紹介する。
5つのドメインにまたがるMistral-7Bでは、モジュラー・パー・タスクのLoRAは、+42.96%+/-5.5(ナイーブ微調整)から-0.17%+/-0.17までのバックボーンの損失相対的ドリフトを仲介する。
論文 参考訳（メタデータ） (2026-05-29T21:50:23Z) - PlanFlip: Attacking Multi-Agent LLM Systems via Planning-Phase Prompt Injection [19.162716475205308]
マルチエージェントLLMシステムは、目標をサブタスクシーケンスに分解するプランナーにますます依存している。
Plannerのコンテキストへの単一のインジェクションはカスケード増幅を実現し、すべての下流サブタスクを同時に破壊する。
4つの計画段階のインジェクション攻撃からなるフレームワークであるPlanFlipを紹介する。
論文 参考訳（メタデータ） (2026-04-30T07:22:06Z) - Supervised Dimensionality Reduction Revisited: Why LDA on Frozen CNN Features Deserves a Second Look [0.0]
ライドシェアリングのディスパッチは、日時、曜日、季節、特別なイベントによって大きく異なる需要パターンを予想する必要がある。
本稿では,過去の旅行データを需要レジームに分割し,現在ある運用期間を類似した歴史アナログに適合させる制度校正手法を提案する。
このアプローチを,8つのシナリオにわたる520万ニューヨークTLCトリップで評価した。
論文 参考訳（メタデータ） (2026-04-05T01:39:28Z) - Regime-Calibrated Demand Priors for Ride-Hailing Fleet Dispatch and Repositioning [0.0]
ライドシェアリングのディスパッチは、日時、曜日、季節、特別なイベントによって大きく異なる需要パターンを予想する必要がある。
本稿では,過去の旅行データを需要レジームに分割し,現在ある運用期間を類似した歴史アナログに適合させる制度校正手法を提案する。
アブレーションでは、分布のみのメートル法サブセットが最強の平均ウェイト還元を達成する。
論文 参考訳（メタデータ） (2026-04-04T22:31:06Z) - LLM Readiness Harness: Evaluation, Observability, and CI Gates for LLM/RAG Applications [51.56484100374058]
評価をデプロイメント決定ワークフローに変換するLLMおよびRAGアプリケーションのための準備性ハーネスを提案する。
このシステムは、最小限のAPI契約の下で、自動ベンチマーク、OpenTelemetryオブザーバビリティ、CI品質ゲートを組み合わせる。
チケットルーティングとBEIRタスクのハーネスを、完全なAzureマトリックスカバレッジで評価する。
論文 参考訳（メタデータ） (2026-03-28T18:03:32Z) - Token Coherence: Adapting MESI Cache Protocols to Minimize Synchronization Overhead in Multi-Agent LLM Systems [0.0]
マルチエージェントLLMオーケストレーションは、エージェント、ステップ、アーティファクトサイズにおいて、単純なブロードキャストの下でO(n x S x |D|)としてスケールする。
この病理は完全状態再放送の構造的残余であり、マルチエージェント協調の固有の性質ではないと私は主張する。
私はArtifact Coherence System(ACS)を構築し、Token Coherence Theoremを証明します。
論文 参考訳（メタデータ） (2026-03-16T12:20:06Z) - Scalable Multi-Task Low-Rank Model Adaptation [43.22544779625565]
マルチタスク低ランク適応(LoRA)を多数のタスクに拡張すると、破滅的なパフォーマンス劣化を引き起こす。
規則化や動的ルーティングのような既存のソリューションは、基本的なトレードオフによって制約されるため、スケールで失敗するのです。
3つの新しい設計を持つスケーラブルなソリューションであるmtLoRAを提案する。
論文 参考訳（メタデータ） (2026-03-02T06:57:11Z) - SLA-Aware Distributed LLM Inference Across Device-RAN-Cloud [44.19683744405876]
Embodied AIはRadio Access Network(RAN)の近くで秒未満の推論を必要とする
我々は,5G Standalone (SA) AI-RANテストベッドから,リピータビリティのための固定ベースラインポリシーを用いて測定を行った。
論文 参考訳（メタデータ） (2026-02-27T06:43:47Z) - BadCLIP++: Stealthy and Persistent Backdoors in Multimodal Contrastive Learning [73.46118996284888]
マルチモーダル・コントラスト学習モデルに対するバックドア攻撃の研究は、ステルスネスと永続性という2つの大きな課題に直面している。
両課題に対処する統合フレームワークであるBadCLIP++を提案する。
ステルスネスのために,タスク関連領域付近に知覚不可能なパターンを埋め込むセマンティックフュージョンQRマイクロトリガーを導入する。
持続性については、半径縮小とセントロイドアライメントによるトリガ埋め込みを安定化する。
論文 参考訳（メタデータ） (2026-02-19T08:31:16Z) - CARE What Fails: Contrastive Anchored-REflection for Verifiable Multimodal [84.71254539482369]
検証可能な報酬を伴うグループ相対的強化学習(RLVR)は、しばしば、すでに失敗している最も情報に富むデータを浪費する。
エラーを監督するマルチモーダル推論のための,障害中心のポストトレーニングフレームワークであるCAREを提案する。
CAREは正確さを改善し、スムーズさをトレーニングすると同時に、障害からの学習信号のシェアを明示的に増やします。
論文 参考訳（メタデータ） (2025-12-22T16:34:21Z) - Quantifying Return on Security Controls in LLM Systems [0.0]
本稿では、残留リスクを定量化するための意思決定指向フレームワークを提案する。
敵のプローブの結果を金融リスク推定と戻り制御の指標に変換する。
論文 参考訳（メタデータ） (2025-12-17T04:58:09Z) - RoRecomp: Enhancing Reasoning Efficiency via Rollout Response Recomposition in Reinforcement Learning [45.850748558862364]
検証可能な報酬(RLVR)を用いた強化学習は、大規模言語モデル(LLM)における複雑な推論を導くのに有効であることが証明された。
本稿では,学習データを戦略的に再コンパイルすることで,モデルから簡潔な推論へ導くプラグイン・アンド・プレイ手法であるRoRecompを提案する。
論文 参考訳（メタデータ） (2025-09-30T08:54:38Z) - Robust Residual Finite Scalar Quantization for Neural Compression [46.574899938569125]
有限スカラー量子化(FSQ)は、簡易なトレーニングを提供するが、多段階設定での残留等級劣化に悩まされる。
本稿では,2つの新しい条件付け手法を用いて,この基本的な制限に対処するロバスト残留有限スカラー量子化(RFSQ)を提案する。
RFSQの有効性と一般化性を示す。
論文 参考訳（メタデータ） (2025-08-20T15:18:59Z) - Relaxed Quantile Regression: Prediction Intervals for Asymmetric Noise [51.87307904567702]
量子レグレッション(Quantile regression)は、出力の分布における量子の実験的推定を通じてそのような間隔を得るための主要なアプローチである。
本稿では、この任意の制約を除去する量子回帰に基づく区間構成の直接的な代替として、Relaxed Quantile Regression (RQR)を提案する。
これにより、柔軟性が向上し、望ましい品質が向上することが実証された。
論文 参考訳（メタデータ） (2024-06-05T13:36:38Z) - Predicting Overtakes in Trucks Using CAN Data [51.28632782308621]
CANデータからトラックの積載量の検出について検討する。
私たちの分析では、オーバーテイクイベントの最大10秒前をカバーしています。
我々は、オーバーテイク・トリガーに近づくと、オーバーテイク・クラスの予測スコアが増加する傾向にあることを観察する。
論文 参考訳（メタデータ） (2024-04-08T17:58:22Z)
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。