論文の概要: Market-Based Replanning for Safety-Critical UAV Swarms in Search and Rescue Missions

• arxiv url: http://arxiv.org/abs/2606.01970v1
• Date: Mon, 01 Jun 2026 09:33:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:31.697723
• Title: Market-Based Replanning for Safety-Critical UAV Swarms in Search and Rescue Missions
• Title（参考訳）: 探索・救助任務における安全クリティカルなUAV群集の市場化
• Authors: Luiz Giacomossi, Andrea Haglund, Claire Namatovu, Emily Zainali, Esaias Målqvist, Yonatan M. Beyene, Ivan Tomasic, Baran Çürüklü, Håkan Forsberg,
• Abstract要約: SAR(Search and Rescue)ミッションにおける信頼性の高い自律型UAV群は、エージェントの劣化にもかかわらず、動作を持続できるフォールトトレラント調整を必要とする。 本稿では,資源制約環境向けに設計された分散協調アーキテクチャであるIntelligent Replanning Drone Swarm (IRDS)を紹介する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable autonomous UAV swarms in Search and Rescue (SAR) missions require fault-tolerant coordination capable of sustaining operations despite agent degradation. This paper introduces the Intelligent Replanning Drone Swarm (IRDS), a distributed coordination architecture designed for resource-constrained environments. The proposed framework employs a Reverse-Auction market mechanism where agents bid to service search sectors based on a distance-weighted cost function, coupled with a geometric consensus protocol for target verification. We evaluate the approach through physics-based simulations (N=8 agents, 8x8 grid) subjected to stochastic fault injection. Results indicate that the swarm autonomously reallocates tasks from failed agents with low latency relative to the total mission duration, maintaining a mission success rate of 93% under 25% workforce degradation. The proposed framework demonstrates a robust, empirically tested method for self-healing aerial robotic coordination.
• Abstract（参考訳）: SAR(Search and Rescue)ミッションにおける信頼性の高い自律型UAV群は、エージェントの劣化にもかかわらず、動作を持続できるフォールトトレラント調整を必要とする。 本稿では,資源制約環境向けに設計された分散協調アーキテクチャであるIntelligent Replanning Drone Swarm (IRDS)を紹介する。 提案手法は,距離重み付きコスト関数に基づくサーチセクターへの入札を行うリバースオークション市場機構と,ターゲット検証のための幾何学的コンセンサスプロトコルを併用する。 確率的断層注入を受ける物理シミュレーション(N=8エージェント,8x8グリッド)によるアプローチの評価を行った。 その結果,Swarmはミッション完了率を25%以下に維持し,ミッション完了率を93%に抑えながら,ミッション完了期間に対して低遅延のエージェントからタスクを自律的に再配置することがわかった。 提案するフレームワークは, 自己修復型空中ロボット協調のための, 頑健で実証実験的な手法を示す。

関連論文リスト

• WMAttack: Automated Attack Search for Adversarial Evaluation of World-Model Agents [53.84430233754606]
  WMAttackは、世界モデルエージェントの敵意評価のための自動攻撃探索フレームワークである。 WMAttackは攻撃構成に対する有限予算探索としてロバストネス評価を定式化する。 WMAttackは評価ベースラインよりも強力な攻撃を継続的に発見することを示す。
  論文  参考訳（メタデータ） (2026-05-22T04:31:09Z)
• On-Policy Self-Evolution via Failure Trajectories for Agentic Safety Alignment [54.30690671490447]
  既存の安全アライメント信号は、主に応答レベルまたは政治外である。 FATEは、検証済みの失敗を専門家のデモンストレーションなしで修復管理に変換する。 FATEは攻撃成功率を33.5%、有害なコンプライアンスを82.6%削減し、外的軌道安全診断を6.5%改善する。
  論文  参考訳（メタデータ） (2026-05-12T09:56:28Z)
• Can LLM Agents Respond to Disasters? Benchmarking Heterogeneous Geospatial Reasoning in Emergency Operations [55.251494694783894]
  災害対応エージェントベンチマーク(DORA)は、エンド・ツー・エンドの災害対応のための最初のエージェントベンチマークである。 タスクは、災害認識、空間関係分析、救助・避難計画、時間的進化推論、マルチモーダルレポート合成という、災害対応パイプラインをカバーする5つの次元にまたがる。 DORAは、運用上の信頼性の高い災害対応エージェントのための厳格なテストベッドを確立する。
  論文  参考訳（メタデータ） (2026-05-12T06:57:41Z)
• Quality-Aware Exploration Budget Allocation for Cooperative Multi-Agent Reinforcement Learning [20.364473705766326]
  固有のモチベーションは、探索を駆動する一般的なアプローチであるが、その効果は探索の強度にかかっている。 トレーニングよりもグローバルに$$を適用すること、本質的な報酬信号の信頼性が異なるエージェント間で調査予算を割り当てること、という2つの課題に対処する。 我々のフレームワークは、大域的な強度制御のための戻り条件付きシグモイドスケジュールと、エージェントごとの逆信号品質測定値を組み合わせたものである。
  論文  参考訳（メタデータ） (2026-05-03T13:20:00Z)
• A Blueprint for Self-Evolving Coding Agents in Vehicle Aerodynamic Drag Prediction [9.020568132598827]
  本稿では, 産業制約下でのドラッグ係数$C_d$を予測するために, 実行可能サロゲートパイプラインを検出する自己進化型符号化エージェントの契約中心の青写真を提案する。 この方法は、静的モデルインスタンスではなく、プログラム上の制約付き最適化としてサロゲート発見を定式化する。 厳しい評価契約は、任意の候補が承認される前に、漏洩防止、決定論的リプレイ、マルチシード、ロバスト性、資源予算を強制する。
  論文  参考訳（メタデータ） (2026-03-23T08:36:57Z)
• DeFRiS: Silo-Cooperative IoT Applications Scheduling via Decentralized Federated Reinforcement Learning [62.347535250646196]
  本稿では、ロバストでスケーラブルなシロコラボ型IoTアプリケーションスケジューリングのための分散フェデレーション強化学習フレームワークであるDeFRiSを提案する。 DeFRiSは、(i)異種サイロ間のシームレスな知識伝達を可能にするための候補資源スコアを利用したアクション空間非依存ポリシー、(ii)汎用アドバンテージ推定とクリッピングされたポリシー更新を組み合わせたサイロ最適化ローカル学習メカニズム、(iii)類似性認識の知識伝達と異常検出に勾配指紋を利用するDual-Track Non-IIDロバストな分散集約プロトコル、の3つのイノベーションを統合する。
  論文  参考訳（メタデータ） (2026-03-16T02:02:38Z)
• Agentic Spatio-Temporal Grounding via Collaborative Reasoning [80.83158605034465]
  時間的ビデオグラウンド(Temporal Video Grounding)は、テキストクエリが与えられたビデオ内の対象物または人の時間的チューブを検索することを目的としている。 本稿では,STVGの課題に対して,オープンワールドおよびトレーニングフリーシナリオに向けたエージェント時空間グラウンド(ASTG)フレームワークを提案する。 具体的には、現代多言語モデル(MLLM)を活用した2つの特殊エージェントSRA(Spatial Reasoning Agent)とTRA(Temporal Reasoning Agent)である。 人気のあるベンチマークの実験は、既存の弱教師付きおよびゼロショットアプローチをマージンで上回る提案手法の優位性を実証している。
  論文  参考訳（メタデータ） (2026-02-10T10:16:27Z)
• Bayesian Ambiguity Contraction-based Adaptive Robust Markov Decision Processes for Adversarial Surveillance Missions [1.7188280334580195]
  コラボレーティブ・コンバット・エアクラフト(CCA)は、自律的な知能、監視、偵察ミッションを可能にするために計画されている。 これらのミッションは、モデルの不確実性と、安全でリアルタイムな意思決定の必要性によって、課題を提起する。 本稿では,CCA を用いた ISR ミッションに適した適応型マルコフ決定処理フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-01T13:31:40Z)
• An LLM-based Framework for Human-Swarm Teaming Cognition in Disaster Search and Rescue [11.300720465575608]
  大規模災害探索・救助(SAR)の運用は複雑な地形と通信を妨害する。 Unmanned Aerial Vehicle(UAV)は、広域検索やサプライデリバリーといったタスクに対して、有望なソリューションを提供するが、その効果的な調整は、人間のオペレーターに重大な認知的負担を与える。 本研究では,Large Language Models (LLMs) を応用し,人間とスワームの協調認知をモデル化・拡張する新しいLLM-CRFシステムを提案する。
  論文  参考訳（メタデータ） (2025-11-06T04:27:20Z)
• High-Level Multi-Robot Trajectory Planning And Spurious Behavior Detection [41.75258434978792]
  本稿では,LTL(Linear Temporal Logic)公式として指定された計画の急激な実行を特定することの課題について述べる。 我々はNets-within-Nets(NWN)パラダイムに基づく構造化データ生成フレームワークを提案する。 本稿では,トランスフォーマーを用いた異常検出パイプラインを提案する。
  論文  参考訳（メタデータ） (2025-10-20T07:47:51Z)
• 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)

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。