論文の概要: Integrated Exploration-Aware UAV Route Optimization and Path Planning

• arxiv url: http://arxiv.org/abs/2605.28654v1
• Date: Wed, 27 May 2026 15:54:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-28 17:38:56.192539
• Title: Integrated Exploration-Aware UAV Route Optimization and Path Planning
• Title（参考訳）: 統合探索型UAV経路最適化と経路計画
• Authors: Jimin Choi, Grant Stagg, Cameron K. Peterson, Max Z. Li,
• Abstract要約: 無人航空機(UAV)は、危険な環境での探査駆動の監視にますます利用されている。 これらの設定では、危険に関する事前情報は、しばしば不完全であり、空間的に不正確であり、実行中に変更される。 本稿では,未確定かつ進化した事前情報の下でのハザードモニタリングのための,調査対応UAV経路最適化と経路計画フレームワークについて述べる。
• 参考スコア（独自算出の注目度）: 1.3999481573773072
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Uncrewed aerial vehicles (UAVs) are increasingly used for exploration-driven monitoring in hazardous environments such as disaster zones, contaminated sites, wildfire areas, and damaged infrastructure, where limited flight endurance must be allocated between visiting reported locations and gathering new information. In these settings, prior information regarding hazards is often incomplete, spatially imprecise, and subject to change during execution. For example, initial reports may identify a region where a hazard is likely to exist, but the actual hazard may be displaced, partially observed, or entirely unreported. We present an integrated exploration-aware UAV route optimization and path planning framework for hazard monitoring under uncertain and evolving prior information. The environment is represented as a spatial risk map, where each location has an associated belief of hazardous conditions. Reported hazards are modeled as uncertain regions of interest (ROIs) rather than confirmed target locations, requiring the UAV to inspect reported areas while also using its limited flight endurance to explore informative regions. The proposed method solves a vehicle routing problem over reported ROIs, augments the route with auxiliary pseudo-nodes to improve spatial coverage, allocates the remaining flight distance budget across route segments, and optimizes dynamically feasible B-spline trajectories for local exploration. During execution, UAV measurements update a grid-based belief map, and the remaining trajectory is replanned when new information and the remaining budget justify adaptation. Across 48 scenario configurations, online replanning improves average KL reduction by 15.9% over the offline optimized planner and 48.6% over straight-line traversal.
• Abstract（参考訳）: 無人航空機(UAV)は、災害地域、汚染された場所、山火事地域、損傷したインフラなどの危険環境での探査駆動の監視にますます使われており、そこでは、報告された場所を訪問し、新しい情報を集めるために、限られた航続距離を割り当てなければならない。 これらの設定では、危険に関する事前情報は、しばしば不完全であり、空間的に不正確であり、実行中に変更される。 例えば、初期報告では、危険が生じる可能性のある地域を特定できるが、実際の危険はずれたり、部分的に観察されたり、完全に報告されなかったりすることができる。 本稿では,未確定かつ進化した事前情報の下でのハザードモニタリングのための,調査対応UAV経路最適化と経路計画フレームワークについて述べる。 環境は空間的リスクマップとして表現され、それぞれの場所は有害な状況に関する信念を持っている。 報告されたハザードは、確認された目標位置よりも不確実な関心領域(ROI)としてモデル化され、UAVは報告された地域を検査し、その限られた飛行耐久力を使用して情報的な地域を探索する必要がある。 提案手法は、報告されたROIに対する車両ルーティング問題を解消し、補助的な擬似ノードで経路を拡張して空間被覆を改善するとともに、残りの飛行距離予算を経路セグメント間で割り当て、局所探索のために動的に実現可能なB-スプライン軌道を最適化する。 実行中、UAV測定はグリッドベースの信念マップを更新し、新しい情報と残りの予算が適応を正当化するとき、残りの軌跡を再構築する。 48のシナリオ構成で、オンラインのリプランニングにより、オフラインで最適化されたプランナーで平均KLが15.9%、直線的なトラバースで48.6%削減される。

関連論文リスト

• FU-MPC: Frontier- and Uncertainty-Aware Model Predictive Control for Efficient and Accurate UAV Exploration with Motorized LiDAR [29.924596251375892]
  我々は独立に回転するLiDARを備えたUAVプラットフォームを開発し、階層的な探索フレームワークを提案する。 Fu-MPCは、予測された飛行軌道に沿ってLiDAR回転を最適化する局所後退水平走査コントローラとして機能する。 複雑な環境下での実験では、ロバストなローカライゼーション性能を維持しつつ、探索効率を向上させることが示されている。
  論文  参考訳（メタデータ） (2026-05-14T14:54:29Z)
• Optimized Area Coverage in Disaster Response Utilizing Autonomous UAV Swarm Formations [0.879504058268139]
  本稿では,山火事等の災害シナリオにおいて,最初の応答者を支援するために設計されたUAVスワムシステムを提案する。 複数のエージェントにセンサーを分散させることで、飛行期間を延長し、データの可用性を高め、衝突によるミッション失敗のリスクを低減する。
  論文  参考訳（メタデータ） (2025-12-08T20:41:08Z)
• Bayesian-Driven Graph Reasoning for Active Radio Map Construction [96.08082552413117]
  本稿では,経路ナビゲーションに適したグラフベースの推論を明示的に活用する不確実性を考慮した無線地図再構成フレームワークを提案する。 提案手法は,(1)空間的不確実性をリアルタイムで推定するベイズニューラルネットワーク,(2)グローバル推論を行う注意に基づく強化学習ポリシの2つの重要な深層学習要素を統合した。 実験の結果,URAMは既存のベースラインよりも最大で34%の精度で復元できることがわかった。
  論文  参考訳（メタデータ） (2025-07-29T03:32:01Z)
• NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
  我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。 グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。 我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
  論文  参考訳（メタデータ） (2025-06-23T14:28:30Z)
• Secure Navigation using Landmark-based Localization in a GPS-denied Environment [1.19658449368018]
  本稿では,ランドマークに基づくローカライゼーション(LanBLoc)と拡張カルマンフィルタ(EKF)を統合した新たなフレームワークを提案する。 本稿では,障害物や危険のない経路を移動する物体を誘導する2つのアプローチについて,シミュレーションした戦場シナリオを提案する。
  論文  参考訳（メタデータ） (2024-02-22T04:41:56Z)
• Cooperative Probabilistic Trajectory Forecasting under Occlusion [110.4960878651584]
  隠蔽対象の情報を安全なナビゲーションのためにエゴエージェントに伝達する必要がある場合が多い。 本稿では,エゴエージェントの基準フレームにおける閉塞歩行者の現況を協調的に推定するエンド・ツー・エンドネットワークを設計する。 また,エゴ剤による閉塞歩行者の不確実性を考慮した軌道予測は,閉塞を前提とした地上の真実軌道とほぼ同様であることを示した。
  論文  参考訳（メタデータ） (2023-12-06T05:36:52Z)
• HALO: Hazard-Aware Landing Optimization for Autonomous Systems [1.5414037351414311]
  本稿では,ハザード検出,最適着陸軌道生成,緊急計画課題に対処する認識計画手法を提案する。 本研究では,HALSS(Hazard-Aware Landing Site Selection)とAdaptive Deferred-Decision Trajectory Optimization(Adaptive Deferred-Decision Trajectory Optimization,-DDTO)という2つの新しいアルゴリズムを開発し,統合し,認識と計画の課題に対処する。 シミュレーションした火星環境を用いたアプローチの有効性を実証し, 組み合わせた認識計画法が着地成功率を高めることを示す。
  論文  参考訳（メタデータ） (2023-04-04T07:20:06Z)
• 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)
• Reinforcement Learning for UAV Autonomous Navigation, Mapping and Target Detection [36.79380276028116]
  本研究では,無人航空機(UAV)に低高度レーダーを装備し,未知の環境下での飛行における共同検出・マッピング・ナビゲーション問題について検討する。 目的は、マッピング精度を最大化する目的で軌道を最適化することであり、目標検出の観点からは、測定が不十分な領域を避けることである。
  論文  参考訳（メタデータ） (2020-05-05T20:39:18Z)

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。