論文の概要: Spiking Neural Network Actor-Critic Proximal Policy Optimization Control for Autonomous UAV Navigation Through Constrained Openings in Civil Infrastructure and Buildings

• arxiv url: http://arxiv.org/abs/2609.23643v1
• Date: Sun, 20 Sep 2026 13:44:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:03.939958
• Title: Spiking Neural Network Actor-Critic Proximal Policy Optimization Control for Autonomous UAV Navigation Through Constrained Openings in Civil Infrastructure and Buildings
• Title（参考訳）: 公共施設・建築物の拘束開口部における自律型UAVナビゲーションのためのニューラルネットワークアクタ・クオリティ最適化制御
• Abstract要約: 民間インフラ検査における無人航空機の応用には、橋梁検査、トンネル検査、構造検査などが含まれる。 無人航空機の自律航法における深層強化学習の利用は、制約のある環境で成功している。 本稿では,無人航空機の自律航法におけるスパイクニューラルネットワークを用いたPhysmal Policy Optimizationアルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Autonomous navigation of unmanned aerial vehicles in constrained three-dimensional environments has been a challenge in the robotics domain. The application of autonomous unmanned aerial vehicles in civil infrastructure inspection involves the use of such vehicles in bridge inspection, tunnel inspection, and structural inspection. The use of deep reinforcement learning in the autonomous navigation of unmanned aerial vehicles has been successful in constrained environments. However, the computational cost of the algorithm limits the application of the algorithm in the autonomous navigation of unmanned aerial vehicles. This paper proposes the use of the spiking neural network-based Proximal Policy Optimization algorithm in the autonomous navigation of unmanned aerial vehicles in constrained sequential environments. The proposed algorithm integrates the use of spike-based actor-critic reinforcement learning with the Proximal Policy Optimization algorithm. The proposed algorithm uses the stochastic Gaussian policy in the autonomous navigation of unmanned aerial vehicles. The proposed algorithm was implemented in the autonomous navigation of unmanned aerial vehicles in constrained 3D environments. The proposed algorithm was successful in completing 1913 episodes out of more than 3000. The proposed algorithm was successful in passing an average of 2.10 windows per episode. The proposed algorithm was successful in achieving a success rate of 63.77%. The proposed algorithm was successful in achieving success rates of more than 90% in the later stages of the algorithm.
• Abstract（参考訳）: 制約された3次元環境における無人航空機の自律航法は、ロボット分野において課題となっている。 民間インフラ検査における無人航空機の応用には、橋梁検査、トンネル検査、構造検査などが含まれる。 無人航空機の自律航法における深層強化学習の利用は、制約のある環境で成功している。 しかし、アルゴリズムの計算コストは、無人航空機の自律航法におけるアルゴリズムの適用を制限している。 本稿では, 無人航空機の自律航法におけるスパイクニューラルネットワークを用いたPhysmal Policy Optimizationアルゴリズムを提案する。 提案アルゴリズムは,スパイクに基づくアクター批判強化学習と近似ポリシ最適化アルゴリズムを併用する。 提案アルゴリズムは,無人航空機の自律航法における確率的ガウスポリシーを用いる。 提案アルゴリズムは、制約された3次元環境下で無人航空機の自律航法に実装された。 提案されたアルゴリズムは、3000以上のエピソードから1913年のエピソードを完成させることに成功した。 提案されたアルゴリズムは1話平均2.10ウィンドウを通過させることに成功した。 提案されたアルゴリズムは63.77%の成功率を達成した。 提案アルゴリズムはアルゴリズムの後半段階で90%以上の成功率を達成することに成功した。

関連論文リスト

• Deep RL-based Autonomous Navigation of Micro Aerial Vehicles (MAVs) in a complex GPS-denied Indoor Environment [9.162792034193373]
  室内環境における無人航空機(UAV)の自律性は、倉庫、工場、屋内施設などの囲い込み空間における信頼性の高いGPS信号が欠如していることから、大きな課題となっている。 本稿では,強化学習に基づくDeep-Proximal Policy Optimization (D-PPO)アルゴリズムを提案する。 提案手法は,性能を著しく低下させることなく,トレーニング期間中に計算遅延を91%削減する。
  論文  参考訳（メタデータ） (2025-04-08T11:14:37Z)
• Autonomous Navigation of Unmanned Vehicle Through Deep Reinforcement Learning [1.3725832537448668]
  本稿では,アッカーマンロボットのモデルとDDPGアルゴリズムの構造と応用について詳述する。 その結果、DDPGアルゴリズムは経路計画タスクにおいて従来のディープQネットワーク(DQN)およびダブルディープQネットワーク(DDQN)アルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2024-07-18T05:18:59Z)
• Confidence-Controlled Exploration: Efficient Sparse-Reward Policy Learning for Robot Navigation [72.24964965882783]
  強化学習(RL)はロボットナビゲーションにおいて有望なアプローチであり、ロボットは試行錯誤を通じて学習することができる。 現実世界のロボットタスクは、しばしばまばらな報酬に悩まされ、非効率な探索と準最適政策に繋がる。 本稿では,RLに基づくロボットナビゲーションにおいて,報酬関数を変更せずにサンプル効率を向上させる新しい手法であるConfidence-Controlled Exploration (CCE)を紹介する。
  論文  参考訳（メタデータ） (2023-06-09T18:45:15Z)
• Safe Reinforcement Learning with Probabilistic Control Barrier Functions for Ramp Merging [7.103977648997475]
  我々は、強化学習ポリシーに組み込まれた制御障壁関数を用いて、自動運転車の性能を最適化する。 提案アルゴリズムは、安全なランプマージアルゴリズムだけではなく、高速道路のランプマージに対処するための安全な自律運転アルゴリズムである。
  論文  参考訳（メタデータ） (2022-12-01T16:14:40Z)
• Tackling Real-World Autonomous Driving using Deep Reinforcement Learning [63.3756530844707]
  本研究では,加速と操舵角度を予測するニューラルネットワークを学習するモデルレスディープ強化学習プランナを提案する。 実際の自動運転車にシステムをデプロイするために、我々は小さなニューラルネットワークで表されるモジュールも開発する。
  論文  参考訳（メタデータ） (2022-07-05T16:33:20Z)
• Fast and computationally efficient generative adversarial network algorithm for unmanned aerial vehicle-based network coverage optimization [1.2853186701496802]
  移動ネットワークにおける動的な交通需要の課題は、無人航空機をベースとした移動セルに対処されている。 将来,無人航空機の膨大な可能性を考えると,カバー範囲最適化のための新しいアルゴリズムを提案する。 提案アルゴリズムは,一意の多層和プーリング損失関数を持つ条件付き生成逆ニューラルネットワークに基づいて実装された。
  論文  参考訳（メタデータ） (2022-03-25T12:13:21Z)
• Model-based Decision Making with Imagination for Autonomous Parking [50.41076449007115]
  提案アルゴリズムは,駐車前に結果を予測するための想像モデル,高速探索ランダムツリー(RRT)の改良,経路平滑化モジュールの3つの部分から構成される。 われわれのアルゴリズムは、実際のキネマティックな車両モデルに基づいており、実際の自動運転車にアルゴリズムを適用するのにより適している。 アルゴリズムの有効性を評価するため,3つの異なる駐車シナリオにおいて,従来のRTとアルゴリズムを比較した。
  論文  参考訳（メタデータ） (2021-08-25T18:24:34Z)
• XAI-N: Sensor-based Robot Navigation using Expert Policies and Decision Trees [55.9643422180256]
  本稿では,ロボットの密集した動的環境における衝突のない軌道を計算するためのセンサベース学習ナビゲーションアルゴリズムを提案する。 我々のアプローチは、sim2realパラダイムを用いて訓練された深層強化学習に基づくエキスパートポリシーを使用する。 シミュレーション環境でのアルゴリズムの利点を強調し、移動中の歩行者の間でClearpath Jackalロボットをナビゲートする。
  論文  参考訳（メタデータ） (2021-04-22T01:33:10Z)
• Multi-Agent Reinforcement Learning in NOMA-aided UAV Networks for Cellular Offloading [59.32570888309133]
  複数の無人航空機(UAV)によるセルローディングのための新しい枠組みの提案 非直交多重アクセス(NOMA)技術は、無線ネットワークのスペクトル効率をさらに向上するために、各UAVに採用されている。 相互深いQ-network (MDQN) アルゴリズムは,UAVの最適3次元軌道と電力配分を共同で決定するために提案される。
  論文  参考訳（メタデータ） (2020-10-18T20:22:05Z)
• NOMA in UAV-aided cellular offloading: A machine learning approach [59.32570888309133]
  複数の無人航空機(UAV)によるセルローディングのための新しい枠組みの提案 非直交多重アクセス(NOMA)技術は、無線ネットワークのスペクトル効率をさらに向上するために、各UAVに採用されている。 相互深いQ-network (MDQN) アルゴリズムは,UAVの最適3次元軌道と電力配分を共同で決定するために提案される。
  論文  参考訳（メタデータ） (2020-10-18T17:38:48Z)
• Three Dimensional Route Planning for Multiple Unmanned Aerial Vehicles using Salp Swarm Algorithm [0.0]
  ルートプランニングは、あるスタート地点から目的地のゴール地点までの一連の翻訳と回転のステップである。 提案手法は,それぞれ平均コストと全体の時間を1.25%と6.035%改善する。
  論文  参考訳（メタデータ） (2019-11-24T12:36:18Z)

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。