論文の概要: Dynamical Vehicle Orienteering Problem for Multi-Rotor Unmanned Aerial Vehicles
- arxiv url: http://arxiv.org/abs/2607.13789v1
- Date: Wed, 15 Jul 2026 12:48:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-16 16:39:12.761125
- Title: Dynamical Vehicle Orienteering Problem for Multi-Rotor Unmanned Aerial Vehicles
- Title（参考訳）: マルチロータ無人航空機の動的配向問題
- Abstract要約: 動的車両オリエンテーリング問題(DVOP)は、オリエンテーリング問題(OP)の一般化である
マルチロータ型無人航空機(UAV)の飛行計画におけるDVOPの検討を行った。
- 参考スコア（独自算出の注目度）: 3.5945543871230274
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This paper introduces the Dynamical Vehicle Orienteering Problem (DVOP), a generalization of the Orienteering Problem (OP). The OP maximizes the reward collected from spatial targets under a limited travel budget; the DVOP extends it by accounting for both external and vehicle-actuated forces. We study the DVOP in the context of multi-rotor Unmanned Aerial Vehicle (UAV) flight planning, using a three-dimensional Point-Mass Model (PMM) constrained by maximum velocity and acceleration magnitudes and subject to gravitational acceleration, with the travel budget expressed as a maximum flight time. Because the DVOP couples reward maximization with time-optimal trajectory planning, it cannot be formulated as a simple graph problem and solved exactly without relaxing or under-actuating the vehicle dynamics. We therefore propose two solution approaches: a Branch-and-Bound (BnB) procedure that combines Non-Linear Programming (NLP) and Mixed-Integer Linear Programming (MILP) to provide high-quality solutions, and a Large Neighborhood Search (LNS) metaheuristic that supplies an initial reward bound and scales to instances intractable for the BnB. The BnB relies on a novel MILP formulation of travel costs based on minimum-time trajectory primitives through target triplets, yielding a tight reward upper bound, while the LNS uses limited thrust decomposition to compute fast, high-quality PMM trajectories. Experiments on benchmark instances show improvements of up to 37 % over state-of-the-art solutions for the Kinematic Orienteering Problem, and a real-world deployment on a multi-rotor UAV verifies the proposed PMM solution trajectories.
- Abstract（参考訳）: 本稿では,オブジェクト指向問題(OP)の一般化であるDVOP(Dynamical Vehicle Orienteering Problem)を紹介する。
OPは、限られた旅行予算の下で空間的目標から収集された報酬を最大化する。
最大速度と加速度の制約を受けた3次元ポイントマスモデル(PMM)を用いて,多回転無人航空機(UAV)の飛行計画におけるDVOPについて検討し,旅行予算を最大飛行時間として表現した。
DVOPは、時間-最適軌道計画による報酬の最大化を行うため、単純なグラフ問題として定式化することはできず、車両のダイナミクスを緩和したり過小評価したりすることなく、正確に解決する。
そこで我々は,NLP(Non-Linear Programming)とMILP(Mixed-Integer Linear Programming)を組み合わせたBnB(BnB)の手法と,BnBに格納可能なインスタンスに初期報酬を付与するLarge Neighborhood Search(LNS)メタヒューリスティックを提案する。
BnBは目標三重項を通した最小時間軌道プリミティブに基づく新たなMILPの旅行コストの定式化に依存しており、LNSは高速で高品質なPMM軌道を計算するために限られた推力分解を使用する。
ベンチマークインスタンス上での実験では、Kinematic Orienteering Problemの最先端ソリューションよりも最大37%改善され、マルチロータUAVへの実環境展開によって提案されたPMMソリューショントラジェクトリが検証された。
関連論文リスト
- Reward-Density Heuristic for Dynamic Multi-Vehicle Routing: Performance and Computational Efficiency [0.0]
車両問題(VRP)とオリエンテーリング問題(OP)の要素を組み合わせた動的オンライン変種に対処する。
本稿では,効率ルーティングと呼ばれる動的多車割当に対する報酬密度を提案し,評価する。
テストされたすべての構成の中で、効率は最高のメタヒューリスティックアルゴリズムの解の質と一致し、2～3桁の計画時間を必要とする。
論文 参考訳（メタデータ） (2026-07-07T09:37:46Z) - HAD: Combining Hierarchical Diffusion with Metric-Decoupled RL for End-to-End Driving [51.268878540511054]
我々は階層的拡散政策を備えたエンドツーエンドの計画フレームワークであるHADを提案する。
我々は,NAVSIMとHUGSIMの両方でHADが新たな最先端性能を実現することを示す。
論文 参考訳（メタデータ） (2026-04-04T04:12:47Z) - Multi UAVs Preflight Planning in a Shared and Dynamic Airspace [4.802862639452379]
本稿では,インクリメンタルかつ反復的な紛争解決を伴うデリバリ・タイム・アウェア・プライオリティライズ・プランニング手法DTAPP-IICRを提案する。
当社のフレームワークは,緊急性に基づくミッションの優先順位付けによって,まず最初のソリューションを生成する。
SFIPP-STは、新しい4Dシングルエージェントプランナーである。
時空NFZのベンチマークでは、DTAPP-IICRは最大1000機のUAVでほぼ100%の成功を達成している。
論文 参考訳（メタデータ） (2026-02-12T15:18:46Z) - Optimal Safety-Aware Scheduling for Multi-Agent Aerial 3D Printing with Utility Maximization under Dependency Constraints [16.61271813421072]
最適化問題は、建設ミッションをサブタスクと自律型UAVのチームに分割され、容量とバッテリーが限られている。
タスク依存を考慮したタスク割り当てとスケジューリングを含む最適なミッションプランを生成する。
より重要なタスクへの解の導出によって計算を高速化するために重要な優先順位付けを提案する。
論文 参考訳（メタデータ） (2025-12-05T15:34:43Z) - Dependency-Aware Task Offloading in Multi-UAV Assisted Collaborative Mobile Edge Computing [53.88774113545582]
本稿では,新しい無人航空機(UAV)による協調移動エッジコンピューティング(MEC)フレームワークを提案する。
システムコストを最小限に抑え、タスク消費とエネルギー消費のトレードオフを改善することを目的としている。
提案手法はシステムコストを大幅に削減し,タスク消費とエネルギー消費のトレードオフの改善を実現する。
論文 参考訳（メタデータ） (2025-10-23T02:55:40Z) - 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) - Task Delay and Energy Consumption Minimization for Low-altitude MEC via Evolutionary Multi-objective Deep Reinforcement Learning [52.64813150003228]
無人航空機や他の航空機による低高度経済(LAE)は、輸送、農業、環境監視といった分野に革命をもたらした。
今後の6世代(6G)時代において、UAV支援移動エッジコンピューティング(MEC)は特に山岳や災害に遭った地域のような困難な環境において重要である。
タスクオフロード問題は、主にタスク遅延の最小化とUAVのエネルギー消費のトレードオフに対処するUAV支援MECの重要な問題の一つである。
論文 参考訳（メタデータ） (2025-01-11T02:32:42Z) - Learn to Solve Vehicle Routing Problems ASAP: A Neural Optimization Approach for Time-Constrained Vehicle Routing Problems with Finite Vehicle Fleet [0.0]
車両の車両サイズが有限である時間制約付静電容量VRPを解くためのNCO手法を提案する。
この手法は、柔軟性と堅牢な一般化の両方を示す、適切で費用効率のよい解を見つけることができる。
論文 参考訳（メタデータ） (2024-11-07T15:16:36Z) - Integrating Higher-Order Dynamics and Roadway-Compliance into
Constrained ILQR-based Trajectory Planning for Autonomous Vehicles [3.200238632208686]
軌道計画は、自動運転車のグローバルな最適ルートを作成することを目的としている。
既存の自転車キネマティックモデルを用いた実装では、制御可能な軌道は保証できない。
このモデルを、曲率と長手ジャークの1階および2階微分を含む高階項で拡張する。
論文 参考訳（メタデータ） (2023-09-25T22:30:18Z) - Motion Planning and Control for Multi Vehicle Autonomous Racing at High
Speeds [100.61456258283245]
本稿では,自律走行のための多層移動計画と制御アーキテクチャを提案する。
提案手法はダララのAV-21レースカーに適用され、楕円形のレーストラックで25$m/s2$まで加速試験された。
論文 参考訳（メタデータ） (2022-07-22T15:16:54Z) - Data Freshness and Energy-Efficient UAV Navigation Optimization: A Deep
Reinforcement Learning Approach [88.45509934702913]
我々は、移動基地局(BS)が配備される複数の無人航空機(UAV)のナビゲーションポリシーを設計する。
我々は、地上BSにおけるデータの鮮度を確保するために、エネルギーや情報年齢(AoI)の制約などの異なる文脈情報を組み込んだ。
提案したトレーニングモデルを適用することで、UAV-BSに対する効果的なリアルタイム軌道ポリシーは、時間とともに観測可能なネットワーク状態をキャプチャする。
論文 参考訳（メタデータ） (2020-02-21T07:29:15Z)
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。