論文の概要: Declarative Problem Solving in UAM Strategic Deconfliction

• arxiv url: http://arxiv.org/abs/2607.21197v1
• Date: Thu, 23 Jul 2026 11:18:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-24 18:26:25.386388
• Title: Declarative Problem Solving in UAM Strategic Deconfliction
• Title（参考訳）: UAMストラテジックデコンフリクションにおける宣言的問題解決
• Abstract要約: UAM(Urban Air Mobility)の需要増加は、空域管理において大きな課題をもたらす。 本稿では, 競合のない飛行計画における時間同期と経路最適化に着目した, 戦略的不均衡に対する解答集合プログラミング(ASP)に基づくアプローチを提案する。 結果として、ASPはより高速に実行でき、中小のケースではスケーラビリティが向上し、CPは安定したメモリを維持しますが、複雑さで劣化します。
• 参考スコア（独自算出の注目度）: 0.5219568203653523
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The growing demand for Urban Air Mobility (UAM) introduces significant challenges in airspace management, particularly within densely populated metropolitan regions. As the number of aerial vehicles-such as drones, air taxis, and helicopters-continues to rise, so does the risk of mid-air collisions and conflicts with existing air traffic and obstacles. Ensuring safe and efficient UAM operations requires robust strategic deconfliction mechanisms. We propose an Answer Set Programming (ASP) based approach for strategic deconfliction, focusing on time synchronization and route optimization for conflict-free flight plans. The solution is benchmarked against Constraint Programming (CP), emphasizing scalability and resource use. Results show that ASP offers faster execution and better scalability for small to medium cases, while CP maintains stable memory but degrades with complexity.
• Abstract（参考訳）: UAM(Urban Air Mobility)の需要増加は、特に人口密度の高い大都市圏において、空域管理において大きな課題をもたらす。 ドローン、空飛ぶタクシー、ヘリコプターなどの航空機の数が増加するにつれて、空中衝突や既存の航空交通や障害物との衝突の危険性も高まる。 安全で効率的なUAMの運用を保証するには、堅牢な戦略的分離メカニズムが必要である。 本稿では, 競合のない飛行計画における時間同期と経路最適化に着目した, 戦略的不均衡に対する解答集合プログラミング(ASP)に基づくアプローチを提案する。 このソリューションは、拡張性とリソース使用を強調する制約プログラミング(CP)に対してベンチマークされている。 結果として、ASPはより高速に実行でき、中小のケースではスケーラビリティが向上し、CPは安定したメモリを維持しますが、複雑さで劣化します。

関連論文リスト

• Joint Air Traffic Flow and Capacity Management via Answer Set Programming [64.47906587579985]
  我々は、Answer Set Programming(ASP)におけるエンコーディングを伴う共同ATFCMモデルを導入する。 この結果から,ASP モデルは MIP モデルより優れていたことが示唆された。 DACはリルーティングよりもパフォーマンスを最大に改善しているが、DACの無制限な変種やリルーティングは検索スペースのスラッシングに繋がる。
  論文  参考訳（メタデータ） (2026-06-22T07:58:54Z)
• Blockchain-Enabled Routing for Zero-Trust Low-Altitude Intelligent Networks [77.17664010626726]
  低高度インテリジェントネットワーク(LAIN)における複数のUAVクラスタによるルーティングに焦点を当てる。 潜在的な脅威によるダメージを最小限に抑えるため,ソフトウェア定義の周辺技術とブロックチェーン技術を用いたゼロトラストアーキテクチャを提案する。 提案手法は,平均E2E遅延を59%削減し,TSRを29%改善することを示した。
  論文  参考訳（メタデータ） (2026-02-27T04:30:35Z)
• 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)
• Optimized Conflict Management for Urban Air Mobility Using Swarm UAV Networks [0.0]
  本稿では,エッジAI駆動型分散Swarmアーキテクチャを最適化するための制御アルゴリズムを用いた数学的モデルを提案する。 その結果、競合解決時間は3.8倍まで劇的に小さくなり、従来の集中制御モデルと比較して精度が向上した。
  論文  参考訳（メタデータ） (2025-12-14T10:34:47Z)
• Secure Low-altitude Maritime Communications via Intelligent Jamming [53.42658269206017]
  低高度無線ネットワーク (LAWN) は海上通信の有効なソリューションとして登場している。 オープンで明確なUAV通信チャネルは、海上のLAWNを盗聴攻撃に対して脆弱にする。 本稿では,動的盗難対策にインテリジェントジャミングを用いた低高度海上通信システムを提案する。
  論文  参考訳（メタデータ） (2025-11-10T03:16:19Z)
• When UAV Swarm Meets IRS: Collaborative Secure Communications in Low-altitude Wireless Networks [68.45202147860537]
  低高度無線ネットワーク (LAWN) は、多様なアプリケーションに対して、拡張されたカバレッジ、信頼性、スループットを提供する。 これらのネットワークは、既知のおよび潜在的に未知の盗聴者の両方から重大なセキュリティ上の脆弱性に直面している。 本稿では,Swarm内で選択されたUAVを仮想アンテナアレイとして機能させる,LAWNのための新しいセキュア通信フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-25T02:02:14Z)
• Integrated Noise and Safety Management in UAM via A Unified Reinforcement Learning Framework [21.360875634648746]
  アーバン・エアモビリティ(UAM)は、密集した都市環境における輸送を変革するための小型航空機の普及を想定している。 騒音と安全を考慮した強化学習型航空交通管理システムを提案する。 このシステムは,両目的に対して高い性能を示し,高い交通密度下での分離,騒音暴露,エネルギー効率のトレードオフを明らかにする。
  論文  参考訳（メタデータ） (2025-08-22T14:56:02Z)
• Low-altitude UAV Friendly-Jamming for Satellite-Maritime Communications via Generative AI-enabled Deep Reinforcement Learning [72.23178920029957]
  本稿では,低高度無人航空機(UAV)による衛星海上通信システムを提案する。 安全衛星・海上通信多目的最適化問題(SSMCMOP)を定式化する。 動的かつ長期の最適化問題を解くため、マルコフ決定過程に再構成する。 次に,トランスサック (TransSAC) アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-01-26T10:13:51Z)
• 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)
• Improving Autonomous Separation Assurance through Distributed Reinforcement Learning with Attention Networks [0.0]
  本稿では,AAM廊下内で自律的な自己分離機能を実現するための強化学習フレームワークを提案する。 この問題はマルコフ決定プロセス(Markov Decision Process)として定式化され、サンプル効率の良いオフポリティ・ソフトアクター・クリティック(SAC)アルゴリズムへの新たな拡張を開発することで解決される。 包括的数値計算により,提案手法は高密度・動的環境下で航空機の安全かつ効率的な分離を保証できることが示唆された。
  論文  参考訳（メタデータ） (2023-08-09T13:44:35Z)
• Integrated Conflict Management for UAM with Strategic Demand Capacity Balancing and Learning-based Tactical Deconfliction [3.074861321741328]
  本稿では,戦略紛争管理のための要求キャパシティ・バランシング(DCB)と戦術的分離のための強化学習を組み合わせた新たなフレームワークを提案する。 以上の結果から,このDCBプレコンディショニングにより,他の方法では不可能な安全レベルを達成できることが示唆された。
  論文  参考訳（メタデータ） (2023-05-17T20:23:18Z)

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。