論文の概要: Energy-Aware Wind-Resilient Routing for Truck-Assisted Multi-UAV Delivery under Wind Uncertainty

• arxiv url: http://arxiv.org/abs/2608.11641v1
• Date: Wed, 12 Aug 2026 04:40:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-13 19:07:54.449908
• Title: Energy-Aware Wind-Resilient Routing for Truck-Assisted Multi-UAV Delivery under Wind Uncertainty
• Title（参考訳）: 風力不確実性下におけるトラック支援多UAV送電のためのエネルギーを考慮した耐風性ルーティング
• Abstract要約: 風力の不確実性の下でのエネルギー供給は、低高度の地上輸送にとって重要な安全問題である。 本稿では,風向きおよび省エネUAVルーティングのためのオンラインリスク感応計画フレームワークであるEWRを提案する。 公共トラックとUAVの配送データセットから再生された風のログを合成配信グラフを用いて実験したところ、EWRはミッションの成功率を改善し、風によるリターン失敗を低減する。
• 参考スコア（独自算出の注目度）: 8.00361595836773
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Energy feasibility under wind uncertainty is a critical safety issue for low-altitude air-ground delivery. In truck-UAV systems, UAVs complete assigned deliveries and safely return to a mobile truck or depot, while wind-induced propulsion costs vary online and are only partially observable. Existing routing methods often rely on static or deterministic energy models, which may underestimate headwind, crosswind, battery-voltage, and return-feasibility risks. This paper proposes Energy-Aware Wind-Resilient Routing (EWR), an online risk-sensitive planning framework for wind-aware and energy-safe UAV routing. The delivery environment is represented as a time-dependent directed energy graph whose edge costs are updated using delayed noisy wind estimates, payload states, and conservative uncertainty margins. Experiments using synthetic delivery graphs with replayed wind logs from a public truck-UAV delivery dataset show that EWR improves mission success rates and reduces wind-induced return failures.
• Abstract（参考訳）: 風力の不確実性の下でのエネルギー供給は、低高度の地上輸送にとって重要な安全問題である。 トラックとUAVシステムでは、UAVは割り当てられた配送を完了し、移動式トラックや補給所へ安全に戻るが、風による推進コストはオンラインで変化し、部分的にしか観測できない。 既存のルーティング手法は、しばしば静的または決定論的エネルギーモデルに依存しており、これはヘッドウインド、クロスウインド、バッテリ電圧、リターン実現可能性リスクを過小評価する可能性がある。 本稿では,風向きおよび省エネUAVルーティングのためのオンラインリスク感応計画フレームワークであるEWRを提案する。 配送環境は、遅延ノイズ風速推定、ペイロード状態、保守的不確実性マージンを用いてエッジコストを更新する時間依存指向エネルギーグラフとして表される。 公共トラックとUAVの配送データセットから再生された風のログを合成配信グラフを用いて実験したところ、EWRはミッションの成功率を改善し、風によるリターン失敗を低減する。

関連論文リスト

• Wind-Informed Rapid Flight-Planning in Complex Urban Topologies via Machine Learning and Experimental Validation [46.65676221937358]
  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。
  論文  参考訳（メタデータ） (2026-08-10T23:30:49Z)
• PVRF: All-in-one Adverse Weather Removal via Prior-modulated and Velocity-constrained Rectified Flow [69.40969296005794]
  そこで本研究では,ゼロショット型軟弱感と速度制約付き整流補正を統合した統合フレームワークを提案する。 PVRFは、最先端のベースラインよりも忠実さと知覚品質の両方を改善する。
  論文  参考訳（メタデータ） (2026-05-13T19:07:14Z)
• Robust Energy-Aware Routing for Air-Ground Cooperative Multi-UAV Delivery in Wind-Uncertain Environments [8.00361595836773]
  本稿では,風に敏感なトラック支援型UAV配送のためのオンラインリスク感受性計画フレームワークであるBattery-Efficient Routing(BER)を提案する。 この問題は、風による空力効果に応じてエッジコストが増大する時間依存エネルギーグラフ上のルーティングとして定式化される。 このアプローチは、タスク割り当て、ルーティング、分散軌道実行を組み合わせた階層的な地上配送アーキテクチャに組み込まれている。
  論文  参考訳（メタデータ） (2026-04-15T03:43:18Z)
• WESPR: Wind-adaptive Energy-Efficient Safe Perception & Planning for Robust Flight with Quadrotors [9.15147164003286]
  WESPRは環境形状が局地風環境にどのように影響するかを予測する高速なフレームワークである。 その結果,最大軌道偏差が12.5-58.7%減少し,風向非依存の適応制御器に比べて24.6%の安定性が向上した。
  論文  参考訳（メタデータ） (2026-03-10T05:09:43Z)
• Robust Optimization-based Autonomous Dynamic Soaring with a Fixed-Wing UAV [15.033246214180258]
  固定翼無人航空機による自律的動的舞踏の枠組みを提案する。 このフレームワークは、風場の明示的な表現と、UAVの誘導と制御のための古典的なアプローチを利用する。
  論文  参考訳（メタデータ） (2025-12-07T01:02:46Z)
• FlowDrive: Energy Flow Field for End-to-End Autonomous Driving [50.89871153094958]
  FlowDriveは、物理的に解釈可能なエネルギーベースのフローフィールドを導入し、セマンティックな前提と安全性をBEV空間にエンコードする新しいフレームワークである。 NAVSIM v2ベンチマークの実験では、FlowDriveが最先端のパフォーマンスを86.3で達成し、安全性と計画品質の両方において以前のベースラインを超えたことが示されている。
  論文  参考訳（メタデータ） (2025-09-17T13:51:33Z)
• 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)
• Digital Twin Framework for Time to Failure Forecasting of Wind Turbine Gearbox: A Concept [0.0]
  風力タービンは複雑な機械であり、回転・非回転装置は故障に敏感である。 風力タービンの故障検出は、しばしば風力発電事業者から利用可能なSCADAデータで補完される。 時系列分析とデータ表現は、動的プロセスのより深い基盤となる強力なツールとなっている。
  論文  参考訳（メタデータ） (2022-04-28T05:51:48Z)
• RIS-assisted UAV Communications for IoT with Wireless Power Transfer Using Deep Reinforcement Learning [75.677197535939]
  無人航空機(UAV)通信をサポートするIoTデバイスのための同時無線電力伝送と情報伝送方式を提案する。 第1フェーズでは、IoTデバイスが無線電力転送を通じてUAVからエネルギーを回収し、第2フェーズでは、UAVが情報伝送を通じてIoTデバイスからデータを収集する。 マルコフ決定過程を定式化し、ネットワーク総和率を最大化する最適化問題を解くために、2つの深い強化学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-08-05T23:55:44Z)
• CVaR-based Flight Energy Risk Assessment for Multirotor UAVs using a Deep Energy Model [1.8593061465167362]
  エネルギー管理は、無人航空機(UAV)のリスク評価の重要な側面である。 時間的畳み込みネットワークを用いたUAVの深部エネルギーモデルを構築し,その時間的変化を捉える。 条件付きバリュー・アット・リスク(CVaR)は、名目上の最悪のエネルギー消費に関連するリスクをキャプチャする。
  論文  参考訳（メタデータ） (2021-05-31T17:51:55Z)
• Federated Learning in the Sky: Joint Power Allocation and Scheduling with UAV Swarms [98.78553146823829]
  無人航空機(UAV)は様々なタスクを実行するために機械学習(ML)を利用する必要がある。 本稿では,UAVスワム内に分散学習(FL)アルゴリズムを実装するための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-02-19T14:04:01Z)

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。