論文の概要: PB-STDG: A Prediction-Based Short-Term Decentralized Greedy Guidance Algorithm for a Drone Road System
- arxiv url: http://arxiv.org/abs/2610.05122v1
- Date: Sun, 04 Oct 2026 11:04:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-10 23:19:47.516251
- Title: PB-STDG: A Prediction-Based Short-Term Decentralized Greedy Guidance Algorithm for a Drone Road System
- Title（参考訳）: PB-STDG:ドローン道路システムのための予測に基づく短期分散型グリーディ誘導アルゴリズム
- Abstract要約: 本稿では,構造化ドローン道路システム(DRS)のためのPB-STDGアルゴリズムを提案する。
PB-STDGは、隣接するドローンの判断を予測できる予測メカニズムを導入することで、元のSTDGアルゴリズムを拡張している。
その結果, PB-STDGはSTDGに匹敵する安全性を維持しつつ, 交通効率を向上させることがわかった。
- 参考スコア（独自算出の注目度）: 0.3058685580689604
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In recent years, Unmanned Aerial Vehicles (UAVs) or drones have been increasingly adopted in urban environments for applications such as parcel delivery, infrastructure inspection, emergency response, and drone light shows. A non-negligible issue is how to manage the increasing number of drones operated by different entities, to enable them to cooperatively avoid potential collisions and determine conflict-free short-term flight paths in urban airspace. This paper presents a Prediction-Based Short-Term Decentralized Greedy (PB-STDG) guidance algorithm for a structured Drone Road System (DRS). PB-STDG extends the original STDG algorithm by introducing a prediction mechanism that enables drones to anticipate the decisions of neighboring drones using additional information shared in beacon packets, aiming to address the over-conservative behavior observed in the STDG algorithm. Several simulation scenarios are conducted to evaluate and compare the proposed algorithm with STDG. The results show that PB-STDG improves traffic efficiency while maintaining a safety level comparable to that of STDG.
- Abstract（参考訳）: 近年,無人航空機(UAV)やドローンは,都市部での配送,インフラ検査,緊急対応,ドローンの照準などの用途に採用されている。
無視できない問題は、異なる団体が運用するドローンの数の増加を管理して、潜在的な衝突を避け、都市空域における衝突のない短期飛行経路を決定する方法である。
本稿では,構造化ドローン道路システム(DRS)のためのPB-STDG誘導アルゴリズムを提案する。
PB-STDGは,STDGアルゴリズムで観測される過保守的行動に対処するために,ビーコンパケットで共有された付加情報を用いて,近隣ドローンの判断を予測できる予測機構を導入することで,元のSTDGアルゴリズムを拡張した。
提案手法をSTDGと評価・比較するために, シミュレーションシナリオを複数実施した。
その結果, PB-STDGはSTDGに匹敵する安全性を維持しつつ, 交通効率を向上させることがわかった。
関連論文リスト
- MA-HEAD-Net: Adaptive Rule-Guided Multi-Agent DRL for AoI Minimization in UAV-Assisted Emergency Networks [71.01350912967922]
事故後のシナリオでは、無人航空機(UAV)が緊急通信ネットワークを確立する上で重要である。
本稿では,UAV支援緊急通信における情報量(AoI)の最小化について検討する。
適応型ルール誘導多エージェント深層強化学習フレームワークMA-HEAD-Netを開発した。
論文 参考訳（メタデータ） (2026-08-02T10:05:50Z) - SKYSURF: A Self-learning Framework for Persistent Surveillance using Cooperative Aerial Gliders [2.3318766987247126]
小型無人航空機(UAV)を含む監視用途は、限定的なオンボード電力の持続時間に依存する。
有望な解決策の1つは、浮気の上昇する質量からエネルギーを抽出することである。
本稿では,ソアリング可能なUAVの自律的展開のための地域的行動管理と意思決定手法を提案する。
論文 参考訳（メタデータ） (2026-02-13T11:42:26Z) - A Future Capabilities Agent for Tactical Air Traffic Control [0.0]
エージェント・マラード(Agens Mallard)は、システム化された空域における制御のためのルールベースの戦術的エージェントである。
このアーキテクチャは、モデルに基づく安全性評価、解釈可能な決定論理、およびトラクタブルな計算性能を組み合わせることを意図している。
論文 参考訳（メタデータ） (2026-01-07T14:19:46Z) - A Time-efficient Prioritised Scheduling Algorithm to Optimise Initial Flock Formation of Drones [0.3058685580689604]
本稿では,ドローン群の初期形成過程を改善するための時間効率優先スケジューリングアルゴリズムを提案する。
この方法では、衝突の可能性のある数と目標位置に到達する可能性に基づいて、各ドローンに優先度を割り当てる。
シミュレーションの結果,提案アルゴリズムは最大5000機のドローン群を対象とした衝突のない軌道生成に成功した。
論文 参考訳（メタデータ） (2025-12-22T22:37:58Z) - 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) - 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) - Cluster-Based Multi-Agent Task Scheduling for Space-Air-Ground Integrated Networks [60.085771314013044]
低高度経済は、コミュニケーションやセンシングなどの分野で発展する大きな可能性を秘めている。
本稿では,SAGINにおけるマルチUAV協調タスクスケジューリング問題に対処するため,クラスタリングに基づく多エージェントDeep Deterministic Policy Gradient (CMADDPG)アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-12-14T06:17:33Z) - Genetic Algorithm Based System for Path Planning with Unmanned Aerial Vehicles Swarms in Cell-Grid Environments [42.72938925647165]
無人航空機(UAV)の群集を自律的に制御するための経路計画法が勢いを増している。
自律的な運用は労働コストを大幅に削減できるため、現在では複数のUAVを自律的に制御する必要があるシナリオが増えている。
しかし、これらのシナリオの多くは、パスプランニングを複雑にする電力線や木などの障害を含む。
本稿では, 遺伝的アルゴリズムを用いた進化的システムを用いて, 障害のある環境におけるこの問題に対処する。
論文 参考訳（メタデータ） (2024-12-04T16:24:41Z) - Multi-agent Path Finding for Mixed Autonomy Traffic Coordination [7.857093164418706]
CAV操作に対するHDV応答を予測するための行動予測キネマティック・プライオリティ・ベース・サーチ(BK-PBS)を提案する。
我々の研究は、マルチヒューマン・マルチロボット協調の多くのシナリオに直接当てはまる。
論文 参考訳（メタデータ） (2024-09-05T19:37:01Z) - Congestion-aware Evacuation Routing using Augmented Reality Devices [96.68280427555808]
複数の目的地間でリアルタイムに個別の避難経路を生成する屋内避難のための渋滞対応ルーティングソリューションを提案する。
建物内の混雑分布をモデル化するために、ユーザエンド拡張現実(AR)デバイスから避難者の位置を集約して、オンザフライで取得した人口密度マップを用いる。
論文 参考訳（メタデータ） (2020-04-25T22:54:35Z)
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。