論文の概要: Multi-UAV Formation Cooperative Obstacle Avoidance and Adaptive Shape Deformation Control in Complex Environments Based on BI-APF-RRT and Affine Transformation

• arxiv url: http://arxiv.org/abs/2606.29755v1
• Date: Mon, 29 Jun 2026 03:59:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:16.034529
• Title: Multi-UAV Formation Cooperative Obstacle Avoidance and Adaptive Shape Deformation Control in Complex Environments Based on BI-APF-RRT and Affine Transformation
• Title（参考訳）: BI-APF-RRTとアフィン変換に基づく複合環境における複数UAV生成協調障害物回避と適応形状変形制御
• Abstract要約: 両方向人工電位場法(BI-APF-RRT)を用いて, リーダ形成の遠心波に対する大域的衝突のない経路計画を行う。 生成した経路を、アフィン変換マトリクスと組み合わせて、生成のセントロイドの誘導軌道として使用することにより、障害物までの距離に基づいて適応的に変形することができる。 最後に、フォロワーたちはリーダーを分散制御法で追跡し、組織全体が分解することなく、複雑な障害物領域を安全に横断できるようにします。
• 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: Aiming at the problem that obstacle avoidance flexibility and formation integrity are difficult to coexist in multi-UAV formation motion in complex obstacle environments , and that the traditional artificial potential field (APF) method easily falls into local optima, a cooperative obstacle avoidance algorithm for multi-UAV formations integrating BI-APF-RRT and affine transformation is proposed. First, abandoning the traditional APF centroid path planning method , a goal-biased Bidirectional Artificial Potential Field method RRT (BI-APF-RRT) algorithm is adopted to conduct global collision-free path planning for the centroid of the leader formation. By introducing an improved artificial potential field and cubic B-spline interpolation, the smoothness and rapid convergence of the global path are ensured. Secondly, using the generated global path as the guiding trajectory for the formation's centroid , combined with an affine transformation matrix (including non-uniform scaling and rotation) , the formation can adaptively deform based on the distance to obstacles while moving along the optimal path. Finally, the followers track the leaders through a distributed control law , enabling the entire formation to safely cross complex obstacle areas without disassembling.
• Abstract（参考訳）: 複雑な障害物環境下でのマルチUAV生成運動において、障害物回避の柔軟性と生成の整合性が共存し難い問題や、従来の人工電位場(APF)法が局所最適に容易に崩壊すること等を踏まえ、BI-APF-RRTとアフィン変換を統合した多UAV生成のための協調的障害物回避アルゴリズムを提案する。 まず,従来のAPFセントロイド経路計画法を捨て,BI-APF-RRTアルゴリズムを用いてリーダ形成のセントロイドに対するグローバル衝突のない経路計画を行う。 改良された人工電位場と立方体B-スプライン補間を導入することにより、グローバルパスの滑らかさと迅速な収束が確保される。 第2に、生成したグローバルパスを、アフィン変換行列(非一様スケーリング及び回転を含む)と組み合わせて、その生成を、最適経路に沿って移動しながら障害物までの距離に基づいて適応的に変形させることができる。 最後に、フォロワーたちはリーダーを分散制御法で追跡し、組織全体が分解することなく、複雑な障害物領域を安全に横断できるようにします。

関連論文リスト

• FF-MPCC: High-speed Agile Formation Flight with Model Predictive Contouring Control [4.325897399736408]
  本稿では,MPCCフレームワークに編隊維持を組み込んだ新たな編隊飛行手法を提案する。 速度が21m/sまで高速飛行で65%向上し,目標達成に要する時間に匹敵する速度を実現した。
  論文  参考訳（メタデータ） (2026-08-21T12:56:07Z)
• AutoPath: Learning Transferable Goal-Conditioned Stochastic Path Prior for Safe Navigation Without Human Demonstrations [103.61864552260316]
  動的環境におけるリアルタイムナビゲーションは、限られた知覚下での衝突のない、動的に実現可能な動きを必要とする。 我々は,移動可能な目標整合経路の学習としてナビゲーションを定式化し,局所的な観測に基づいて,目標整合な局所経路上の再利用可能な分布をモデル化する。 我々は、幾何対応の極性行動多様体を用いて局所経路をパラメータ化し、安定かつ安全対応の計画のためのマルチゴール分散ロールアウトによるリスク感応性ユーティリティシェーピングを含む構造化された事前学習フレームワークを開発した。
  論文  参考訳（メタデータ） (2026-07-13T16:00:41Z)
• Three Dimensional Hydrodynamic Flow-Based Collision Avoidance for UAV Formations Facing Emergent Dynamic Obstacles [0.0]
  本稿では,無人航空機(UAV)の3次元流体力学による衝突回避フレームワークを提案する。 移動障害物は3次元のダブルトまたは楕円体としてモデル化され、局所速度場を発生させ、近傍のUAVを誘導してスムーズで無衝突操作を行う。 提案手法は, リアルタイム・実用化に適した安全かつスムーズかつ計算効率の良い回避操作を実現する。
  論文  参考訳（メタデータ） (2026-01-16T23:43:18Z)
• OptiVote: Non-Coherent FSO Over-the-Air Majority Vote for Communication-Efficient Distributed Federated Learning in Space Data Centers [68.73273027298625]
  メガコンステレーションは、宇宙データセンター(SDC)の長期的なビジョンを推進している AirCompはフリースペース(FSO)を学習するためのネットワーク内集約フレームワーク AirVoteは符号勾配(SGD)と多数符号変調(PPM)を統合し、各衛星はPPMタイムスロットを活性化することで局所勾配を伝達する。 OptiVoteは位相依存性電場重ね合わせを位相非依存光強度結合に緩和する。
  論文  参考訳（メタデータ） (2025-12-30T16:40:02Z)
• Multi-Agent Formation Navigation Using Diffusion-Based Trajectory Generation [0.0]
  本稿では, 散在環境におけるリーダ・フォロワ生成制御のための拡散型プランナを提案する。 提案手法はスムーズな動きと低追尾誤差を生じ、ほとんどの障害は狭い障害物のない空間で発生している。
  論文  参考訳（メタデータ） (2025-12-24T04:36:28Z)
• A Cross-Environment and Cross-Embodiment Path Planning Framework via a Conditional Diffusion Model [6.482051262912219]
  本研究の目的は、未確認環境や新しいロボットマニピュレータに再訓練せずに一般化できる経路計画フレームワークを開発することである。 本稿では,Voxelized scene representationsに基づく共同空間軌跡を生成する拡散型計画モデルであるGADGETを提案する。 実験結果から,GADGETは球状障害物,ビンピッキング,シェルフ環境において衝突強度の低い高い高い成功率を達成できた。
  論文  参考訳（メタデータ） (2025-10-21T23:30:14Z)
• Iterative Refinement of Flow Policies in Probability Space for Online Reinforcement Learning [56.47948583452555]
  固定ステップのEulerスキームによるフローマッチング推論プロセスの離散化は,最適輸送から変化するJordan-Kinderlehrer-Otto原理と整合する,というキーインサイトに基づいて,SWFP(Stepwise Flow Policy)フレームワークを紹介した。 SWFPは、大域的な流れを、プロキシメート分布間の小さな漸進的な変換の列に分解する。 この分解は、小さな流れブロックのカスケードを介して事前訓練された流れを微調整する効率的なアルゴリズムを導き、大きな利点をもたらす。
  論文  参考訳（メタデータ） (2025-10-17T07:43:51Z)
• Discrete-Guided Diffusion for Scalable and Safe Multi-Robot Motion Planning [56.240199425429445]
  マルチロボット運動計画(MPMP)は、共有された連続作業空間で動作する複数のロボットのための軌道を生成する。 離散マルチエージェント探索(MAPF)法は,その拡張性から広く採用されているが,粗い離散化の軌道品質は高い。 本稿では、制約付き生成拡散モデルを用いた離散MAPF解法を導入することにより、2つのアプローチの限界に対処する。
  論文  参考訳（メタデータ） (2025-08-27T17:59:36Z)
• Multi-Agent Path Finding in Continuous Spaces with Projected Diffusion Models [57.45019514036948]
  MAPF(Multi-Agent Path Finding)は、ロボット工学における基本的な問題である。 連続空間におけるMAPFの拡散モデルと制約付き最適化を統合する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-12-23T21:27:19Z)
• Adaptive Diffusion Terrain Generator for Autonomous Uneven Terrain Navigation [10.025095580713678]
  我々はAdaptive Diffusion Terrain Generator (ADTG)を紹介する。 ADTGは、現在のポリシーに適応したより多様な複雑な地形を追加することで、既存のトレーニング環境を動的に拡張する。 ADTGにより訓練されたポリシーは、一般的なナビゲーション手法とともに、プロシージャ生成環境と自然環境の両方を上回ります。
  論文  参考訳（メタデータ） (2024-10-14T17:42:37Z)
• RaCIL: Ray Tracing based Multi-UAV Obstacle Avoidance through Composite Imitation Learning [1.934627691560021]
  本研究では,無人航空機(UAV)における障害物回避の課題を,革新的な模倣学習アプローチによって解決する。 本研究は,障害物検出と回避能力向上におけるレイトレーシングの意義を明らかにするものである。 我々のアプローチは、混雑した環境や動的な環境での高度自律型UAV運用の道を開くものである。
  論文  参考訳（メタデータ） (2024-06-24T17:43:24Z)
• A Regularized Implicit Policy for Offline Reinforcement Learning [54.7427227775581]
  オフラインの強化学習は、環境とのさらなるインタラクションなしに、固定データセットから学習を可能にする。 フレキシブルだが十分に調整された完全実装ポリシーの学習を支援するフレームワークを提案する。 D4RLデータセットの実験とアブレーション研究により、我々のフレームワークとアルゴリズム設計の有効性が検証された。
  論文  参考訳（メタデータ） (2022-02-19T20:22:04Z)
• Semi-supervised Domain Adaptive Structure Learning [72.01544419893628]
  半教師付きドメイン適応 (SSDA) は,1) アノテーションの低いデータに過度に適合する手法と,2) ドメイン間の分散シフトの両方を克服しなければならない課題である。 SSLとDAの協調を正規化するための適応型構造学習手法を提案する。
  論文  参考訳（メタデータ） (2021-12-12T06:11:16Z)

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。