論文の概要: Optimizing Line Segment Inspection with Limited-Range Drones

• arxiv url: http://arxiv.org/abs/2605.15765v1
• Date: Fri, 15 May 2026 09:24:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-18 17:44:16.314562
• Title: Optimizing Line Segment Inspection with Limited-Range Drones
• Title（参考訳）: 短距離ドローンによる線分検査の最適化
• Authors: José-Miguel Díaz-Báñez, José-Manuel Higes, Alina Kasiuk, Inmaculada Ventura,
• Abstract要約: 我々は、ドローンによる検査を行うために、一組の線分(例えば、ソーラープラントの管など)を与えられる。 目的は、人工知能を用いて壊れたパイプを検出することであり、経路計画を効率的に行う必要がある。 この最適化問題は,線上にセグメントが配置されている場合でもNPハードであることを証明することができる。
• 参考スコア（独自算出の注目度）: 1.137457877869062
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Optimization problems with drones are widely studied in a variety of civilian tasks, mainly due to their ability to traverse rough terrains and to carry cameras and other sensors for surveillance tasks. The limited battery life of these aerial robots poses challenges in operational research. In this paper, we address the following optimization problem. We are given a set of line segments (e.g. tubes in a solar plant) to inspect by drones. The objective is to detect broken pipes using artificial intelligence and path planning must be carried out efficiently. On the one hand, the limited capacity of the batteries necessitates periodic visits (tours) to a fixed base station. However, it is desirable to allocate a set of tours for each drone to ensure that the segments are covered as quickly as possible, aiming to minimize the makespan, which is the maximum time spent by any drone. We are able to prove that this optimization problem is strongly NP-hard even when the segments are positioned on a line and the scenario involves only two drones. Then, approximation algorithms are proposed. Our computational experiments demonstrate that the proposed algorithm achieves near-optimal performance across diverse operational scenarios.
• Abstract（参考訳）: ドローンの最適化問題は、主に荒れた地形を横断し、監視タスクのためにカメラやその他のセンサーを運ぶ能力のために、様々な民間のタスクで広く研究されている。 これらの空飛ぶロボットのバッテリー寿命は、運用研究の課題となっている。 本稿では,以下の最適化問題に対処する。 私たちは、ドローンによる検査を行うために、一組のラインセグメント(例えば、ソーラープラントのチューブ)を与えられています。 目的は、人工知能を用いて壊れたパイプを検出することであり、経路計画を効率的に行う必要がある。 一方、電池容量の制限は、固定された基地局への定期的な訪問(ツアー)を必要とする。 しかしながら、各ドローンに一連のツアーを割り当てて、セグメントができるだけ早くカバーされることを保証することが望ましい。 この最適化問題は、セグメントが一列に配置されていて、シナリオが2つのドローンにしかかからない場合でも、NPハードであることを証明することができる。 次に近似アルゴリズムを提案する。 計算実験により,提案アルゴリズムは様々な運用シナリオにまたがるほぼ最適性能を実現することを示した。

関連論文リスト

• A Time-efficient Prioritised Scheduling Algorithm to Optimise Initial Flock Formation of Drones [0.3058685580689604]
  本稿では,ドローン群の初期形成過程を改善するための時間効率優先スケジューリングアルゴリズムを提案する。 この方法では、衝突の可能性のある数と目標位置に到達する可能性に基づいて、各ドローンに優先度を割り当てる。 シミュレーションの結果,提案アルゴリズムは最大5000機のドローン群を対象とした衝突のない軌道生成に成功した。
  論文  参考訳（メタデータ） (2025-12-22T22:37:58Z)
• Robotic warehousing operations: a learn-then-optimize approach to large-scale neighborhood search [84.39855372157616]
  本稿では,ワークステーションの注文処理,アイテムポッドの割り当て,ワークステーションでの注文処理のスケジュールを最適化することで,ウェアハウジングにおけるロボット部品対ピッカー操作を支援する。 そこで我々は, 大規模近傍探索を用いて, サブプロブレム生成に対する学習を最適化する手法を提案する。 Amazon Roboticsと共同で、我々のモデルとアルゴリズムは、最先端のアプローチよりも、実用的な問題に対するより強力なソリューションを生み出していることを示す。
  論文  参考訳（メタデータ） (2024-08-29T20:22:22Z)
• Q-Learning based system for path planning with unmanned aerial vehicles swarms in obstacle environments [38.82157836789187]
  Q-Learning を利用した強化学習システムを提案する。 これらのパスの目標は、フィールド探索のようなタスクのための固定された障害のある領域の完全なカバレッジを保証することである。 結果は十分であり、システムはより少ない動きの解を得ることができる。
  論文  参考訳（メタデータ） (2023-03-30T18:37:34Z)
• TransVisDrone: Spatio-Temporal Transformer for Vision-based Drone-to-Drone Detection in Aerial Videos [57.92385818430939]
  視覚的フィードを用いたドローンからドローンへの検知は、ドローンの衝突の検出、ドローンの攻撃の検出、他のドローンとの飛行の調整など、重要な応用がある。 既存の手法は計算コストがかかり、非エンドツーエンドの最適化に追随し、複雑なマルチステージパイプラインを持つため、エッジデバイス上でのリアルタイムデプロイメントには適さない。 計算効率を向上したエンドツーエンドのソリューションを提供する,シンプルで効果的なフレームワークであるitTransVisDroneを提案する。
  論文  参考訳（メタデータ） (2022-10-16T03:05:13Z)
• Time-Optimal Planning for Quadrotor Waypoint Flight [50.016821506107455]
  立方体の作動限界における時間-最適軌道の計画は未解決の問題である。 四重項のアクチュエータポテンシャルをフル活用する解を提案する。 我々は、世界最大規模のモーションキャプチャーシステムにおいて、実世界の飛行における我々の方法を検証する。
  論文  参考訳（メタデータ） (2021-08-10T09:26:43Z)
• Drone swarm patrolling with uneven coverage requirements [22.475492500154573]
  本稿では,ドローン搭載カメラセンサによる視覚的カバレッジの最適化に焦点を当てる。 我々は、これらのカバレッジ要件を関連マップでモデル化し、Swarmをガイドする深層強化学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-07-01T10:58:57Z)
• Dogfight: Detecting Drones from Drones Videos [58.158988162743825]
  本稿では,他の飛行ドローンからドローンを検知する問題に対処する。 ソースとターゲットドローンのエロティックな動き、小型、任意の形状、大きな強度、および閉塞は、この問題を非常に困難にします。 これに対処するため,地域提案に基づく手法ではなく,2段階のセグメンテーションに基づく手法を提案する。
  論文  参考訳（メタデータ） (2021-03-31T17:43:31Z)
• Extending the Multiple Traveling Salesman Problem for Scheduling a Fleet of Drones Performing Monitoring Missions [4.477547027158141]
  事前に定義された地点でノードを複数回訪問する必要があるグラフ上で、一連のドローンの走行経路をスケジュールする方法を示す。 提案した定式化は,交通ネットワークにおける交通流のモニタリングや遠隔地からの探索・救助活動の監視など,いくつかの領域に適用することができる。 詳細な評価では、グリーディアルゴリズムは最適の92.06%でほぼ最適性能を示し、数百台のドローンや位置で設定できる可能性がある。
  論文  参考訳（メタデータ） (2020-06-02T09:17:18Z)

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。