論文の概要: Time-To-Reach Separation and Safety Filtering for Safe, Fair, and Efficient Multi-Agent Coordination

• arxiv url: http://arxiv.org/abs/2605.20625v1
• Date: Wed, 20 May 2026 02:16:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-21 19:19:56.441078
• Title: Time-To-Reach Separation and Safety Filtering for Safe, Fair, and Efficient Multi-Agent Coordination
• Title（参考訳）: 安全・公正・効率的なマルチエージェントコーディネーションのためのタイム・ツー・リーチ分離と安全フィルタリング
• Authors: Matthew Low, Jasmine Jerry Aloor, Victoria Marie Tuck, Pierluigi Nuzzo, Jason J. Choi,
• Abstract要約: 本稿では,TTR(Minimum Time-to-Reach)を優先課題,時間的分離,安全フィルタリングの統一指標として用いるマルチエージェント協調フレームワークを提案する。 航空機間の安全な分離を維持しつつ、複数の航空車両が空中廊下に合流する問題に焦点をあてる。
• 参考スコア（独自算出の注目度）: 2.399137242179316
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Advanced Air Mobility (AAM) operations are expected to significantly increase aerial traffic in urban airspace, requiring autonomous traffic management systems to ensure collision-free operations in highly congested environments. In this paper, we propose a multi-agent coordination framework that uses minimum time-to-reach (TTR) as a unifying metric for priority assignment, temporal separation, and safety filtering. We focus on the problem of coordinating multiple aerial vehicles merging into an air corridor while maintaining safe separation between vehicles. Vehicles are assigned arrival-consistent priority based on TTR, and target TTR values are used to enforce temporal spacing that induces spatial separation. A priority-consistent safety filtering layer based on Hamilton-Jacobi reachability value functions ensures collision avoidance while minimally modifying the reference guidance. Simulation results in a highly congested corridor merging scenario show that the proposed method improves safety, fairness, and efficiency compared to time-optimal guidance and priority-agnostic safety filtering.
• Abstract（参考訳）: AAM(Advanced Air Mobility)の運用は、都市空域における航空交通を著しく増加させることが期待されており、高度に混雑した環境での衝突のない運用を保証するために、自律的な交通管理システムが必要である。 本稿では,TTR(Minimum Time-to-Reach)を優先課題,時間的分離,安全フィルタリングの統一指標として用いたマルチエージェント協調フレームワークを提案する。 航空機間の安全な分離を維持しつつ、複数の航空車両が空中廊下に合流する問題に焦点をあてる。 車両はTTRに基づいて到着一貫性優先度を割り振られ、ターゲットのTR値は空間分離を誘導する時間間隔を強制するために使用される。 ハミルトン-ヤコビ到達可能性値関数に基づく優先一貫性を有する安全フィルタリング層は、基準誘導を最小限に変更しながら衝突回避を保証する。 シミュレーションの結果,高度に混雑した廊下マージシナリオにおいて,提案手法は,時間的最適化や優先度に依存しない安全フィルタリングと比較して,安全性,公平性,効率性を向上することが示された。

関連論文リスト

• Multi UAVs Preflight Planning in a Shared and Dynamic Airspace [4.802862639452379]
  本稿では,インクリメンタルかつ反復的な紛争解決を伴うデリバリ・タイム・アウェア・プライオリティライズ・プランニング手法DTAPP-IICRを提案する。 当社のフレームワークは,緊急性に基づくミッションの優先順位付けによって,まず最初のソリューションを生成する。 SFIPP-STは、新しい4Dシングルエージェントプランナーである。 時空NFZのベンチマークでは、DTAPP-IICRは最大1000機のUAVでほぼ100%の成功を達成している。
  論文  参考訳（メタデータ） (2026-02-12T15:18:46Z)
• Attention in Motion: Secure Platooning via Transformer-based Misbehavior Detection [0.6999740786886536]
  車両小隊は、多車編成の調整を通じて、輸送効率と安全性の変革的な改善を約束する。 確率チェックや統計的手法に依存する従来の誤動作検出手法は、偽陽性(FP)率が高い。 Intention In Motion (AIMformer) は、車体プラトンにおけるリアルタイムな誤動作検出に適したトランスフォーマーベースのフレームワークである。
  論文  参考訳（メタデータ） (2025-12-17T14:45:33Z)
• Optimizing Multi-Lane Intersection Performance in Mixed Autonomy Environments [0.0]
  本稿では,グラフ注意ネットワーク(GAT)とSoft Actor-Critic(SAC)強化学習を組み合わせた新しい交通信号制御フレームワークを提案する。 提案したSACは、エントロピー最適化決定による適応的な信号制御を可能にする頑健な非政治強化学習アルゴリズムである。 実験の結果,従来の手法と比較して平均遅延時間を24.1%削減し,トラフィック違反を29.2%減少させることにより,GAT-SACアプローチの有効性を示した。
  論文  参考訳（メタデータ） (2025-11-04T03:10:47Z)
• 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)
• LLM Meets the Sky: Heuristic Multi-Agent Reinforcement Learning for Secure Heterogeneous UAV Networks [57.27815890269697]
  この研究は、エネルギー制約下での不均一なUAVネットワーク(HetUAVN)における機密率の最大化に焦点を当てている。 本稿では,Large Language Model (LLM) を用いたマルチエージェント学習手法を提案する。 その結果,本手法は機密性やエネルギー効率において,既存のベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2025-07-23T04:22:57Z)
• Low-altitude UAV Friendly-Jamming for Satellite-Maritime Communications via Generative AI-enabled Deep Reinforcement Learning [72.23178920029957]
  本稿では,低高度無人航空機(UAV)による衛星海上通信システムを提案する。 安全衛星・海上通信多目的最適化問題(SSMCMOP)を定式化する。 動的かつ長期の最適化問題を解くため、マルコフ決定過程に再構成する。 次に,トランスサック (TransSAC) アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-01-26T10:13:51Z)
• Improving Autonomous Separation Assurance through Distributed Reinforcement Learning with Attention Networks [0.0]
  本稿では,AAM廊下内で自律的な自己分離機能を実現するための強化学習フレームワークを提案する。 この問題はマルコフ決定プロセス(Markov Decision Process)として定式化され、サンプル効率の良いオフポリティ・ソフトアクター・クリティック(SAC)アルゴリズムへの新たな拡張を開発することで解決される。 包括的数値計算により,提案手法は高密度・動的環境下で航空機の安全かつ効率的な分離を保証できることが示唆された。
  論文  参考訳（メタデータ） (2023-08-09T13:44:35Z)
• DenseLight: Efficient Control for Large-scale Traffic Signals with Dense Feedback [109.84667902348498]
  交通信号制御(TSC)は、道路網における車両の平均走行時間を短縮することを目的としている。 従来のTSC手法は、深い強化学習を利用して制御ポリシーを探索する。 DenseLightは、不偏報酬関数を用いてポリシーの有効性をフィードバックする新しいRTLベースのTSC手法である。
  論文  参考訳（メタデータ） (2023-06-13T05:58:57Z)

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。