論文の概要: Locker-based Truck-Drone Routing with Integrated Considerations of Pickups, Deliveries, and No-Fly Zones

• arxiv url: http://arxiv.org/abs/2606.30680v1
• Date: Fri, 26 Jun 2026 20:20:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-01 18:27:18.950058
• Title: Locker-based Truck-Drone Routing with Integrated Considerations of Pickups, Deliveries, and No-Fly Zones
• Title（参考訳）: ピックアップ, 配送, ノンフライゾーンの総合的考察によるロッカーベーストラックドレインルーティング
• Abstract要約: ロッカーベースの運用では、スマートロッカーは一時的なパーセルストレージ施設として機能し、自動ドローンドッキングやサービスノードとして機能する。 本稿では, ピックアップ, 配送, 飛行禁止ゾーンを統合的に検討した, ロッカー型トラックドローンのルーティング問題を提案する。 経路構築過程をマルコフ決定プロセスとして定式化し、2段階の深層強化学習に基づくニューラル計算を開発する。
• 参考スコア（独自算出の注目度）: 13.14642494293817
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Truck-drone delivery is an emerging last-mile logistics mode combining the long-haul capacity of trucks with the flexible service capability of drones. In locker-based operations, smart lockers serve not only as temporary parcel storage facilities but also as automated drone docking and service nodes. These automated nodes support drone takeoff, landing, parcel handover, and battery replacement, thereby significantly extending the service range and operational flexibility of drone-assisted delivery networks. However, practical locker-based delivery systems face complex real-world challenges, requiring the integrated coordination of not only parcel delivery, return pickup, battery-constrained and load-dependent drone flights, but also necessary detours around restricted airspace. To address this practical and multifaceted challenge, this paper introduces a locker-based truck-drone routing problem with integrated considerations of pickups, deliveries, and no-fly zones (LTDRP-PDNF), with the objective of minimizing the total operational cost of a fleet of drone-equipped trucks. We formulate the route construction process as a Markov Decision Process and develop a two-stage deep reinforcement learning-based neural heuristic. The first stage utilizes an attention-based encoder and a Bidirectional Gated Recurrent Unit decoder to solve the truck-only routing problem, formulated as a capacitated vehicle routing problem. The second stage combines a policy-transfer strategy with a hybrid dispatch assignment heuristic to construct fully coordinated truck and drone routes for LTDRP-PDNF. Experiments on instances of different scales demonstrate that the proposed method outperforms metaheuristic and neural heuristic baselines in most cases while maintaining exceptionally short computation times, offering an effective, scalable solution framework under practical operational constraints.
• Abstract（参考訳）: トラックドロンの配送は、トラックの長距離輸送能力とドローンの柔軟なサービス能力を組み合わせた、新たなラストマイルロジスティクスモードである。 ロッカーベースの運用では、スマートロッカーは一時的なパーセルストレージ機能だけでなく、自動ドローンドッキングやサービスノードとしても機能する。 これらの自動ノードは、ドローンの離陸、着陸、パーセルハンドオーバ、バッテリー交換をサポートする。 しかし、現実的なロッカーベースの配送システムは複雑な現実的な課題に直面しており、荷物の配送、回収、バッテリーの制限、負荷に依存したドローン飛行の協調だけでなく、制限された空域周辺の移動も必要である。 この実用的で多面的な課題に対処するために、ドローン搭載トラックの総運用コストを最小化することを目的として、ピックアップ、配送、飛行禁止ゾーン(LTDRP-PDNF)の統合を考慮したロッカーベースのトラック走行経路問題を提案する。 経路構築過程をマルコフ決定プロセスとして定式化し、2段階の深層強化学習に基づくニューラルヒューリスティックを開発する。 第1段階では、アテンションベースのエンコーダと双方向Gated Recurrent Unitデコーダを使用して、静電容量化車両ルーティング問題として定式化されたトラックのみのルーティング問題を解決する。 第2段階は、LTDRP-PDNFのための完全に調整されたトラックとドローンルートを構築するために、政策伝達戦略とハイブリッドディスパッチ割り当てヒューリスティックを組み合わせる。 異なるスケールのインスタンスに対する実験では、提案手法がメタヒューリスティックおよびニューラルヒューリスティックのベースラインよりも優れており、計算時間が極めて短く、実用的な運用制約下で効率的なスケーラブルなソリューションフレームワークを提供する。

関連論文リスト

• An Agentic AI Framework with Large Language Models and Chain-of-Thought for UAV-Assisted Logistics Scheduling with Mobile Edge Computing [47.615329461292504]
  クラウド製造において、無人航空機(UAV)は製品収集と移動エッジコンピューティング(MEC)の両方をサポートすることができる。 本稿では,エージェントAIによる2つのコンポーネントの最適化フレームワークを提案する。 まず,大規模言語モデル,検索拡張生成,および連鎖推論を組み合わせたエージェントAIを開発し,ユーザ入力をハイブリッドスケジューリング問題に対する解釈可能な数学的定式化に変換する。
  論文  参考訳（メタデータ） (2026-05-13T09:13:19Z)
• Arc Routing Problems with Multiple Trucks and Drones: A Hybrid Genetic Algorithm [0.41292255339309664]
  Rural Postman Problem (RPP) は、ネットワーク内のエッジや弧のサブセットをトラバースしなければならない基本的な変種である。 本稿では、複数のトラックを複数台搭載するRPP-mTDの一般化形態について検討する。 本稿では,人口ベース探索と対象地域探索を組み合わせたハイブリッド遺伝的アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-08-25T15:10:46Z)
• Collaborative Last-Mile Delivery: A Multi-Platform Vehicle Routing Problem With En-route Charging [5.93228031688634]
  本研究は、ドローンとロボットによる新しい多プラットフォーム車両ルーティング問題を紹介する。 トラックが$mathcalM$、ドローンが$mathcalN$、ロボットが$mathcalK$を共同で配達する。 トラックはモバイルプラットフォームとして機能し、ドローンやロボットの起動、回収、ルートの充電を可能にする。
  論文  参考訳（メタデータ） (2025-05-29T15:58:01Z)
• Optimization of Multi-Agent Flying Sidekick Traveling Salesman Problem over Road Networks [10.18252143035175]
  道路ネットワーク上でのマルチエージェント飛行サイドキック走行セールスマン問題(MA-FSTSP)について紹介する。 このNPハード問題に対して,混合整数線形計画モデルと効率的な3相アルゴリズムを提案する。 当社のアプローチは5分間の時間制限内で300以上の顧客にスケールし、大規模な実世界のロジスティクスアプリケーションの可能性を示している。
  論文  参考訳（メタデータ） (2024-08-20T20:44:18Z)
• Learning Robust Autonomous Navigation and Locomotion for Wheeled-Legged Robots [50.02055068660255]
  都市環境のナビゲーションは、ロボットにとってユニークな課題であり、移動とナビゲーションのための革新的なソリューションを必要としている。 本研究は, 適応移動制御, 移動対応ローカルナビゲーション計画, 市内の大規模経路計画を含む, 完全に統合されたシステムを導入する。 モデルフリー強化学習(RL)技術と特権学習を用いて,多目的移動制御系を開発した。 私たちのコントローラーは大規模な都市航法システムに統合され、スイスのチューリッヒとスペインのセビリアで自律的、キロメートル規模の航法ミッションによって検証されます。
  論文  参考訳（メタデータ） (2024-05-03T00:29:20Z)
• SmartPathfinder: Pushing the Limits of Heuristic Solutions for Vehicle Routing Problem with Drones Using Reinforcement Learning [14.395184780210913]
  Vehicle Problem with Drones (VRPD)は、トラックとドローンの両方のルーティングパスを最適化しようとしている。 我々は、VRPDの解決、蒸留、およびコア要素への標準化のために設計された手法を網羅的に検討する。 次に、ソリューションコンポーネントとシームレスに統合された、新しい強化学習フレームワークを開発します。
  論文  参考訳（メタデータ） (2024-04-13T19:10:54Z)
• Fair collaborative vehicle routing: A deep multi-agent reinforcement learning approach [49.00137468773683]
  協力的な車両ルーティングは、キャリアがそれぞれの輸送要求を共有し、互いに代表して輸送要求を実行することで協力するときに発生する。 従来のゲーム理論解の概念は、特性関数がエージェントの数とともに指数関数的にスケールするので、計算に費用がかかる。 我々は,この問題を,深層マルチエージェント強化学習を用いて解決した連立交渉ゲームとしてモデル化することを提案する。
  論文  参考訳（メタデータ） (2023-10-26T15:42:29Z)
• Convergence of Communications, Control, and Machine Learning for Secure and Autonomous Vehicle Navigation [78.60496411542549]
  接続された自動運転車(CAV)は、交通事故におけるヒューマンエラーを低減し、道路効率を向上し、様々なタスクを実行する。これらのメリットを享受するためには、CAVが目標とする目的地へ自律的にナビゲートする必要がある。 本稿では,通信理論,制御理論,機械学習の収束を利用して,効果的なCAVナビゲーションを実現する手法を提案する。
  論文  参考訳（メタデータ） (2023-07-05T21:38:36Z)
• DC-MRTA: Decentralized Multi-Robot Task Allocation and Navigation in Complex Environments [55.204450019073036]
  本稿では,倉庫環境における移動ロボットのためのタスク割り当てと分散ナビゲーションアルゴリズムを提案する。 本稿では,共同分散タスク割り当てとナビゲーションの問題について考察し,それを解決するための2段階のアプローチを提案する。 ロボットの衝突のない軌道の計算では,タスク完了時間において最大14%の改善と最大40%の改善が観察される。
  論文  参考訳（メタデータ） (2022-09-07T00:35:27Z)
• Dynamic Bicycle Dispatching of Dockless Public Bicycle-sharing Systems using Multi-objective Reinforcement Learning [79.61517670541863]
  ドッキングレスPBS(DL-PBS)に欠かせない動的自転車レンタル需要に基づく効率的な自転車配車ソリューションを実現するためのAIの活用 DL-PBSに最適な自転車ディスパッチソリューションを提供するために、マルチオブジェクト強化学習(MORL-BD)に基づく動的自転車ディスパッチアルゴリズムを提案します。
  論文  参考訳（メタデータ） (2021-01-19T03:09:51Z)
• The two-echelon routing problem with truck and drones [0.0]
  我々は、トラックが最初のエケロンでパーセルとドローンの群を中間補給所へ輸送する、よく知られた2エケロン車両ルーティング問題の新しい変種について研究する。 目的は、古典的な2エケロン車両の経路問題のように、輸送コストの代わりに完成時間を最小化することである。
  論文  参考訳（メタデータ） (2020-04-05T18:33:16Z)

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。