論文の概要: Dynamic UGV-UAV Cooperative Path Planning in Uncertain Environments
- arxiv url: http://arxiv.org/abs/2604.25267v1
- Date: Tue, 28 Apr 2026 06:26:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-29 16:49:17.732145
- Title: Dynamic UGV-UAV Cooperative Path Planning in Uncertain Environments
- Title（参考訳）: 不確実環境における動的UGV-UAV協調経路計画
- Authors: Ninh Nguyen, Srinivas Akella,
- Abstract要約: 我々は、不確実な道路網における安全な経路を見つけるために、UGV-UAV協力を最適化する戦略を提案する。
複数のUAVを用いてUGVの走行時間を短縮し,関連する時間を評価する。
- 参考スコア（独自算出の注目度）: 4.941630596191806
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper addresses the Dynamic UGV-UAV Cooperative Path Planning (DUCPP) problem involving one unmanned ground vehicle (UGV) assisted by one or more unmanned aerial vehicles (UAVs) operating on an uncertain road network with potentially impassable edges. DUCPP is particularly relevant for scenarios such as disaster response, emergency supply transport, and rescue operations, where a UGV must reach a specified destination in the presence of partially unknown road conditions. To enable the UGV to travel safely and efficiently to its destination, the UAV(s) dynamically inspect edges in the environment to identify and prune damaged or impassable edges from consideration. We present multiple strategies, including a bidirectional approach, to optimize UGV-UAV cooperation for finding a safe path in an uncertain road network. Furthermore, we explore the impact of using multiple UAVs on reducing the UGV's travel time, and evaluate the associated computation time. The proposed strategies are implemented and evaluated on 100 urban road networks. The results demonstrate that the bidirectional strategy achieves the best performance in most instances, and using multiple UAVs further reduces UGV travel time at the expense of increased computation time. This paper presents a robust framework for DUCPP to achieve efficient UGV-UAV cooperation for path planning and inspection, offering practical solutions for navigation in challenging and uncertain conditions.
- Abstract（参考訳）: 本稿では,無人の地上車両(UGV)を1台以上の無人航空機(UAV)で支援する動的UGV-UAV協調経路計画(DUCPP)問題に対処する。
DUCPPは、災害対応、緊急物資輸送、救助活動などのシナリオにおいて特に重要であり、UGVは部分的に未知の道路条件の下で特定の目的地に到達しなければならない。
UGVの目的地への安全かつ効率的な移動を可能にするため、UAV(s)は環境中のエッジを動的に検査し、損傷されたエッジや不必要なエッジを考慮に入れない。
我々は,不確実な道路網における安全な経路を見つけるために,UGV-UAV協力を最適化するための双方向アプローチを含む複数の戦略を提案する。
さらに,複数のUAVを用いてUGVの走行時間を短縮し,関連する計算時間を評価する。
提案手法は,100都市道路網上で実施・評価されている。
その結果、ほとんどの場合、双方向戦略は最高の性能を達成し、複数のUAVを使用することで、演算時間の増加を犠牲にしてUGVの走行時間を短縮することを示した。
本稿では,経路計画と検査のための効率的なUGV-UAV協調を実現するための,DUCPPのロバストな枠組みを提案する。
関連論文リスト
- Optimal UGV-UAV Cooperative Partitioning and Inspection of Shortest Paths [4.941630596191806]
本研究では,無人航空機(UAV)を介する無人地上車両(UGV)の道路封鎖のない環境下での協調的最短経路計画について検討した。
本稿では,UGVに経路プレフィックス検査を割り当て,UAVに経路サフィックス検査を割り当てる最適経路分割戦略を提案する。
提案手法は,UGV走行時間を最大30%短縮する。
論文 参考訳（メタデータ） (2026-04-28T06:47:22Z) - Joint UAV-UGV Positioning and Trajectory Planning via Meta A3C for Reliable Emergency Communications [5.254446611211724]
無人航空機 (UAV) と無人地上車両 (UGV) の同時配備は, 被災地における通信の確立に有効な方法であることが示されている。
本稿では,UAV と UGV の配置のための,UAV と UGV を併用した位置決め・軌道計画フレームワークを提案する。
論文 参考訳（メタデータ） (2025-12-20T08:53:15Z) - 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) - Deep UAV Path Planning with Assured Connectivity in Dense Urban Setting [2.4156037371075088]
本稿では, 保証接続(DUPAC)を用いたUAV経路計画の枠組みを提案する。
UAV飛行中、DUPACは、定義されたソースから目的地への最良のルートを、距離と信号品質の観点から決定する。
その結果、DUPACは、飛行を通して平均9%の接続品質を維持しながら、2%の増分しか持たないベース方式に類似した自律型UAV飛行経路を達成できることを確認した。
論文 参考訳（メタデータ） (2024-06-21T15:10:25Z) - Anti-Jamming Path Planning Using GCN for Multi-UAV [0.0]
UAVスワーミングの有効性は、ジャミング技術によって著しく損なわれる可能性がある。
UAV群集が集団知能を利用してジャム領域を予測する手法が提案されている。
マルチエージェント制御アルゴリズムを使用して、UAVスワムを分散し、ジャミングを回避し、ターゲットに到達すると再グループ化する。
論文 参考訳（メタデータ） (2024-03-13T07:28:05Z) - Integrated Sensing, Computation, and Communication for UAV-assisted
Federated Edge Learning [52.7230652428711]
フェデレーションエッジ学習(FEEL)は、エッジデバイスとサーバ間の定期的な通信を通じて、プライバシ保護モデルトレーニングを可能にする。
無人航空機(UAV)搭載エッジデバイスは、効率的なデータ収集における柔軟性と移動性のため、FEELにとって特に有利である。
論文 参考訳（メタデータ） (2023-06-05T16:01:33Z) - Using UAVs for vehicle tracking and collision risk assessment at
intersections [2.090380922731455]
本研究は、道路利用者の移動を追跡し、交差点での衝突の可能性を評価するために、UAVとV2X接続の適用を実証する。
提案手法は,ディープラーニングに基づくトラッキングアルゴリズムと時間対衝突タスクを組み合わせたものである。
論文 参考訳（メタデータ） (2021-10-11T19:38:24Z) - A Multi-UAV System for Exploration and Target Finding in Cluttered and
GPS-Denied Environments [68.31522961125589]
複雑なGPSを用いた複雑な環境において,UAVのチームが協調して目標を探索し,発見するための枠組みを提案する。
UAVのチームは自律的にナビゲートし、探索し、検出し、既知の地図で散らばった環境でターゲットを見つける。
その結果, 提案方式は, 時間的コスト, 調査対象地域の割合, 捜索・救助ミッションの成功率などの面で改善されていることがわかった。
論文 参考訳（メタデータ） (2021-07-19T12:54:04Z) - Transferable Deep Reinforcement Learning Framework for Autonomous
Vehicles with Joint Radar-Data Communications [69.24726496448713]
本稿では,AVの最適決定を支援するために,マルコフ決定プロセス(MDP)に基づくインテリジェントな最適化フレームワークを提案する。
そこで我々は,近年の深層強化学習技術を活用した効果的な学習アルゴリズムを開発し,AVの最適方針を見出す。
提案手法は,従来の深部強化学習手法と比較して,AVによる障害物ミス検出確率を最大67%削減することを示す。
論文 参考訳（メタデータ） (2021-05-28T08:45:37Z) - 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) - Data Freshness and Energy-Efficient UAV Navigation Optimization: A Deep
Reinforcement Learning Approach [88.45509934702913]
我々は、移動基地局(BS)が配備される複数の無人航空機(UAV)のナビゲーションポリシーを設計する。
我々は、地上BSにおけるデータの鮮度を確保するために、エネルギーや情報年齢(AoI)の制約などの異なる文脈情報を組み込んだ。
提案したトレーニングモデルを適用することで、UAV-BSに対する効果的なリアルタイム軌道ポリシーは、時間とともに観測可能なネットワーク状態をキャプチャする。
論文 参考訳（メタデータ） (2020-02-21T07:29:15Z)
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。