論文の概要: SwarmFly: A simulation platform for UAV swarm experiment design and validation

• arxiv url: http://arxiv.org/abs/2606.25146v1
• Date: Tue, 23 Jun 2026 20:18:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 17:05:30.137668
• Title: SwarmFly: A simulation platform for UAV swarm experiment design and validation
• Title（参考訳）: SwarmFly:UAV Swarm実験の設計と検証のためのシミュレーションプラットフォーム
• Authors: Abhishek Phadke, Karthik Kumar Vasudeva, Abhishek Joshi,
• Abstract要約: 既存のオープンソースツールは、しばしばメンテナンスされていないか、急勾配の学習曲線を持っているか、単一の固定シナリオを中心に構築されている。 SwarmFlyはリアルタイムの運用マップと4つのSwarm調整モード、シミュレートされたIMUテレメトリ、IPベースの位置情報を組み合わせた。 SwarmFlyはマルチエージェントの空中群を広範囲の内部および外部の破壊に対して露呈する。
• 参考スコア（独自算出の注目度）: 0.07646713951724012
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The initial development phase of UAV swarms largely depends on simulation for experimental design and validation, yet existing open-source tools are often unmaintained, have steep learning curves, or are built around a single fixed scenario. The need for a comprehensive, modular simulation platform is a recognized research gap. This paper presents SwarmFly, a MATLAB-based simulation and test platform for multi- UAV swarms that addresses these gaps. SwarmFly combines a real-time operational map, four swarm coordination modes (leader-follower, decentralized, heterogeneous relay, and heterogeneous speed), simulated IMU telemetry, and IP-based geolocation with a plugin architecture that lets researchers add behaviors, fault models, and analysis tools without touching the core code. Eight bundled plugins extend the base simulator into a full test harness. The SwarmFly platform exposes multi-agent aerial swarms to a wide range of internal and external disruptions, enabling observation and quantification of underlying swarm control and behavioral mechanisms. This study verifies and characterizes each subsystem through eight experiments that measure formation accuracy, wind tolerance, fault recovery, energy endurance, and airspace compliance. The platform runs entirely in MATLAB. Its modular design supports straightforward extension toward hardware-in-the-loop testing, larger swarms, and higher-fidelity dynamics. An open-source release is available at [https://github.com/abhishekphadke/SwarmFly.git]
• Abstract（参考訳）: UAV Swarmの初期開発フェーズは、実験的な設計と検証のシミュレーションに大きく依存するが、既存のオープンソースツールは保守されていないこと、学習曲線が急なこと、あるいは単一の固定シナリオを中心に構築されていることが多い。 総合的なモジュラーシミュレーションプラットフォームの必要性は、研究のギャップとして認識されている。 本稿では,MATLABをベースとしたマルチUAVSwarmのためのシミュレーション・テストプラットフォームであるSwarmFlyについて述べる。 SwarmFlyはリアルタイムの運用マップ、4つのSwarm調整モード(リーダ・フォロワー、分散化、異種リレー、異種速度)、シミュレートされたIMUテレメトリ、IPベースの位置情報をプラグインアーキテクチャと組み合わせて、研究者がコアコードに触れることなく行動や障害モデル、分析ツールを追加できるようにする。 8つのバンドルプラグインがベースシミュレータをフルテストハーネスに拡張する。 SwarmFlyプラットフォームは、マルチエージェントの空中群を広範囲に内部および外部の破壊に晒し、基礎となる群れの制御と行動機構の観察と定量化を可能にする。 本研究は, 発生精度, 耐風性, 耐風性, 耐エネルギー性, 耐空性を測定する8つの実験により, それぞれのサブシステムの特性を検証・評価する。 ホームはMATLABで運用されている。 モジュール設計は、ハードウェア・イン・ザ・ループテスト、より大きなSwarm、高忠実度ダイナミックスへの直接的な拡張をサポートする。 オープンソースリリースは[https://github.com/abhishekphadke/SwarmFly.git]で公開されている。

関連論文リスト

• HERCULES: An Open-Source Simulation Framework for Heterogeneous Multi-Robot SLAM, Collaborative Perception, and Exploration [3.15872644487767]
  HERCULESは、異種マルチロボット自律性のためのオープンソースのシミュレータとデータ収集パイプラインである。 Unreal Engine 5 (UE5) ベースのシミュレータであるAirSimとCosys-AirSimをベースに構築され、HERCULESは以前のフレームワークの主要なアーキテクチャ上の制限を解決する。 ヘテロジニアスマルチロボットSLAM,協調知覚,探索における実験では,HERCULES生成データとアクティブクローズループ実行の両方を用いて,ヘテロジニアスマルチロボットの自律性向上に有効であることを示す。
  論文  参考訳（メタデータ） (2026-06-22T01:51:40Z)
• Plug-and-Play Benchmarking of Reinforcement Learning Algorithms for Large-Scale Flow Control [61.155940786140455]
  強化学習(RL)は,アクティブフロー制御(AFC)において有望な結果を示した。 現在のAFCベンチマークは、外部計算流体力学(CFD)の解法に依存しており、完全には微分不可能であり、3Dとマルチエージェントのサポートが限られている。 AFCにおけるRLのための最初のスタンドアロンで完全に差別化可能なベンチマークスイートであるFluidGymを紹介する。
  論文  参考訳（メタデータ） (2026-01-21T14:13:44Z)
• Full-stack Physics-level model of cascaded entanglement links [1.9014141313309265]
  本稿では,ZALMソースを現実的条件下で,孤立的に,あるいは完全なネットワークテストベッドの一部として,モデムをモデレートするツールを多数提示する。 我々のモデリング形式はガウスと非ガウスのハイブリッド表現の上に構築され、性能と精度の間に柔軟なトレードオフをもたらす。 このソフトウェアスタックを使用して、ZALMソース上に構築された多数の完全なネットワークプロトコルを実証する。
  論文  参考訳（メタデータ） (2025-10-20T18:00:08Z)
• The Well: a Large-Scale Collection of Diverse Physics Simulations for Machine Learning [4.812580392361432]
  ウェルは様々な物理系の数値シミュレーションの大規模なコレクションである。 これらのデータセットは、個別またはより広範なベンチマークスイートの一部として使用することができる。 モデルをトレーニングし、評価するための統合されたPyTorchインターフェースを提供する。
  論文  参考訳（メタデータ） (2024-11-30T19:42:14Z)
• Waymax: An Accelerated, Data-Driven Simulator for Large-Scale Autonomous Driving Research [76.93956925360638]
  Waymaxは、マルチエージェントシーンにおける自動運転のための新しいデータ駆動シミュレータである。 TPU/GPUなどのハードウェアアクセラレータで完全に動作し、トレーニング用のグラフ内シミュレーションをサポートする。 我々は、一般的な模倣と強化学習アルゴリズムのスイートをベンチマークし、異なる設計決定に関するアブレーション研究を行った。
  論文  参考訳（メタデータ） (2023-10-12T20:49:15Z)
• ClimSim-Online: A Large Multi-scale Dataset and Framework for Hybrid ML-physics Climate Emulation [45.201929285600606]
  我々は、ハイブリッドML物理シミュレータを開発するためのエンドツーエンドワークフローを含むClimSim-Onlineを提案する。 データセットはグローバルで、高いサンプリング頻度で10年間にわたっています。 MLモデルを運用環境シミュレータに統合するための、クロスプラットフォームでコンテナ化されたパイプラインを提供します。
  論文  参考訳（メタデータ） (2023-06-14T21:26:31Z)
• Sim-Env: Decoupling OpenAI Gym Environments from Simulation Models [0.0]
  強化学習(RL)は、AI研究の最も活発な分野の1つです。 開発方法論はまだ遅れており、RLアプリケーションの開発を促進するための標準APIが不足している。 多目的エージェントベースのモデルと派生した単一目的強化学習環境の分離開発と保守のためのワークフローとツールを提示する。
  論文  参考訳（メタデータ） (2021-02-19T09:25:21Z)
• Learning Discrete Energy-based Models via Auxiliary-variable Local Exploration [130.89746032163106]
  離散構造データに対する条件付きおよび非条件付きEMMを学習するための新しいアルゴリズムであるALOEを提案する。 エネルギー関数とサンプリング器は、新しい変分型電力繰り返しにより効率よく訓練できることを示す。 本稿では、ソフトウェアテストのためのエネルギーモデルガイド付ファジィザについて、libfuzzerのようなよく設計されたファジィエンジンに匹敵する性能を実現する。
  論文  参考訳（メタデータ） (2020-11-10T19:31:29Z)

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。