論文の概要: Wind-Informed Rapid Flight-Planning in Complex Urban Topologies via Machine Learning and Experimental Validation
- arxiv url: http://arxiv.org/abs/2608.10309v1
- Date: Mon, 10 Aug 2026 23:30:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-12 19:14:45.847589
- Title: Wind-Informed Rapid Flight-Planning in Complex Urban Topologies via Machine Learning and Experimental Validation
- Title（参考訳）: 機械学習と実験検証による複雑な都市トポロジにおける風圧インフォームラピッドフライトプランニング
- Abstract要約: 本研究は,風の強い都市環境における航空車両の安全な飛行計画に向けた新しい枠組みを提案する。
学習ベースサロゲートモデルは、容易に利用可能な情報から流れ場を迅速に予測するために訓練される。
安全でフローインフォームドされた飛行軌道は、コスト最小化パスファインダーによって識別される。
- 参考スコア（独自算出の注目度）: 46.65676221937358
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Advanced air mobility operations hold the potential to enhance and expand regional transportation of both people and goods in populated areas. However, hazardous flight conditions arising from interactions between wind and the built environment remain a significant challenge for aerial vehicles in urban settings. This work proposes a novel framework towards safe flight planning of aerial vehicles in windy urban environments. A learning-based surrogate model is trained to rapidly predict flow fields from readily available information such as building geometry and incident wind. This surrogate prediction is used to calculate a volumetric flight challenge scalar field based on critical flow parameters and proximity to structures. A safe, flow-informed flight trajectory is then identified through a cost-minimizing pathfinder. The complete system is demonstrated experimentally through flight tests of a micro aerial vehicle through a model urban geometry placed in a large fan-array wind tunnel. Comparing this approach to trajectories generated without knowledge of the wind field, we find the flow-informed approach reduces undesired vehicle displacement and improves flight stability. This work is among the first practical demonstrations of safe, wind-aware methodologies for advanced air mobility in urban environments.
- Abstract（参考訳）: 高度空輸事業は、人口の多い地域での人や商品の地域輸送を拡大・拡大する可能性を秘めている。
しかし、風と建設環境との相互作用から生じる危険な飛行条件は、都市部における航空車両にとって重要な課題である。
本研究は,風の強い都市環境における航空車両の安全な飛行計画に向けた新しい枠組みを提案する。
学習ベースサロゲートモデルを用いて,建築幾何学やインシデント風などの情報から流れ場を高速に予測する。
この代理予測は、臨界フローパラメータと構造に近接する構造に基づいて、体積的飛行チャレンジスカラー場を計算するために用いられる。
安全でフローインフォームドされた飛行軌道は、コスト最小化パスファインダーによって識別される。
完全なシステムは、大型ファンアレイ風洞に設置された都市形状のモデルを通して、小型航空機の飛行試験を通じて実験的に実証される。
この手法を風速を知らずに発生する軌跡と比較すると,フローインフォームドアプローチは不要な車両の変位を低減し,飛行安定性を向上させる。
この研究は、都市環境における高度空気移動のための安全で風に敏感な手法の最初の実演である。
関連論文リスト
- DESCENT: Directed Edge Scene Encoding for Airport Surface Movement Prediction [54.94692733670454]
DESCENTは変圧器ベースのアーキテクチャで、不均一な力学と厳密なトポロジ的制約を扱うように設計されている。
本手法は,飛行場環境コンテキストを適応的に収集する,潜在的到達性セット(PRS)コンテキストサンプリング機構を備えている。
Amelia-10ベンチマークによる評価では,最先端のベースラインよりも大幅な性能向上が見られた。
論文 参考訳（メタデータ） (2026-08-26T16:49:50Z) - Airspeed Forward-Invariance for Unpowered Fixed-Wing Aircraft [5.173672380708639]
本稿では, 地すべり誘導のための生存性に基づく空気速度保護について述べる。
我々は, 安全空力エンベロープの前方不変性を保証する, 許容誘導コマンドの閉形式, 風による特性評価を導出する。
この手法は、グライディング軌道上の高忠実で非力な固定翼航空機モデルを用いて検証される。
論文 参考訳（メタデータ） (2026-04-22T21:43:07Z) - Real Time Local Wind Inference for Robust Autonomous Navigation [0.0]
この論文は、航空機に搭載されたセンサーと組込み飛行ハードウェアを用いて、空中ロボットが周囲の風の流れをリアルタイムで推論できるソリューションを提示している。
まず,高密度都市環境における正確な風速予測のための地形データの有効性,およびエネルギー効率と障害物回避を重視した運動計画のための学習風モデルの有用性,という2つの基本的課題に対処することを目的とする。
論文 参考訳（メタデータ） (2026-04-01T00:35:54Z) - ASCENT: Transformer-Based Aircraft Trajectory Prediction in Non-Towered Terminal Airspace [54.94692733670454]
ASCENTは、マルチモーダル3D航空機の軌道予測のための軽量トランスフォーマーベースのモデルである。
ドメイン対応の3D座標正規化とパラメータ化予測を統合している。
論文 参考訳（メタデータ） (2026-03-17T14:16:10Z) - Generative Modeling of Microweather Wind Velocities for Urban Air Mobility [0.0]
本研究は, 安全で信頼性が高く, 耐候性のある都市空力(UAM)ソリューションの追求により, マイクロウェザー風速のキャラクタリゼーションのための生成モデル手法を提案する。
この研究は、計算効率のよい風速をモデル化し、ランダムな変動を捉えることを目的としており、永久的なフィールド計測のキャンペーンよりも一時的なものしか必要としない。
論文 参考訳（メタデータ） (2025-03-04T15:03:15Z) - Multi-Source Urban Traffic Flow Forecasting with Drone and Loop Detector Data [61.9426776237409]
ドローンが捉えたデータは、大規模都市ネットワークのための正確なマルチセンサー移動観測所を作ることができる。
単純なグラフベースモデルHiMSNetは、複数のデータモダリティと学習時間相関を統合するために提案されている。
論文 参考訳（メタデータ） (2025-01-07T03:23:28Z) - SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Diffusion-Controllable Adversaries [94.84458417662407]
制御可能なクローズドループ安全クリティカルシミュレーションフレームワークであるSAFE-SIMを紹介する。
提案手法は,1)現実の環境を深く反映した現実的な長距離安全クリティカルシナリオの生成,2)より包括的でインタラクティブな評価のための制御可能な敵行動の提供,の2つの利点をもたらす。
複数のプランナにまたがるnuScenesとnuPlanデータセットを使用して、我々のフレームワークを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
論文 参考訳（メタデータ） (2023-12-31T04:14:43Z) - A deep reinforcement learning approach to assess the low-altitude
airspace capacity for urban air mobility [0.0]
都市空力は、低高度空域を利用して高速で安全な旅行手段を提供することを目的としている。
当局は現在も、都市空輸に適用される新しい飛行規則の見直しに取り組んでいる。
深い強化学習アプローチと深い決定論的政策勾配アルゴリズムを用いて,自律型UAV経路計画フレームワークを提案する。
論文 参考訳（メタデータ） (2023-01-23T23:38:05Z) - Neural-Fly Enables Rapid Learning for Agile Flight in Strong Winds [96.74836678572582]
本稿では,ディープラーニングを通じて事前学習した表現を組み込むことで,オンラインでの迅速な適応を可能にする学習ベースのアプローチを提案する。
Neural-Flyは、最先端の非線形かつ適応的なコントローラよりもかなり少ないトラッキングエラーで正確な飛行制御を実現する。
論文 参考訳（メタデータ） (2022-05-13T21:55:28Z) - Learning High-Speed Flight in the Wild [101.33104268902208]
複雑な自然環境や人工環境を高速で自律的に飛行するエンド・ツー・エンドのアプローチを提案する。
鍵となる原理は、雑音の知覚観測を直接、後退水平方向に無衝突軌道にマッピングすることである。
現実的なセンサノイズをシミュレートすることにより,シミュレーションから現実環境へのゼロショット転送を実現する。
論文 参考訳（メタデータ） (2021-10-11T09:43:11Z)
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。