論文の概要: Robust and Scalable UAV-UGV Planning for Aerial Monitoring under Energy and Precedence Constraints
- arxiv url: http://arxiv.org/abs/2610.12670v1
- Date: Thu, 08 Oct 2026 19:47:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 04:06:29.261818
- Title: Robust and Scalable UAV-UGV Planning for Aerial Monitoring under Energy and Precedence Constraints
- Title（参考訳）: エネルギー・先行制約下における航空監視のためのロバストでスケーラブルなUAV-UGV計画
- Abstract要約: 我々は,無人航空機(UAV)および無人地上車両(UGV)チームによる航空監視ミッションの計画を検討している。
本研究では,NPハードプランニング問題に対する効率的な解を生成する実現可能時間アルゴリズムを開発した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We consider planning for unmanned aerial vehicle (UAV) and unmanned ground vehicle (UGV) teams in aerial monitoring missions with ordering requirements on the monitoring points to be visited by the UAV. The system consists of multiple UAV-UGV teams, each comprising one UAV and one UGV. UAV energy limitations are modeled through endurance, defined as the maximum flight time on a full battery. The UGVs serve as mobile charging stations and transport the UAVs between consecutive aerial tours. Given a set of monitoring points subject to ordering constraints and the teams' initial and terminal positions, the objective is to minimize mission completion time while satisfying UAV energy limits and the required visit order under bounded travel-time disturbances that may arise during execution. Unlike prior work, the plan jointly determines vehicle routes and their timing, allowing teams to slow down as needed to satisfy the ordering constraints. We develop a polynomial-time algorithm that generates efficient solutions to the underlying NP-hard planning problem. We establish feasibility guarantees, characterize the algorithm's computational complexity, and evaluate its performance via numerical comparisons.
- Abstract（参考訳）: 無人航空機(UAV)と無人地上機(UGV)の飛行監視ミッションにおける計画について検討する。
このシステムは複数のUAV-UGVチームで構成され、それぞれ1つのUAVと1つのUGVで構成されている。
UAVのエネルギー制限は、フルバッテリの最大飛行時間として定義される持続性によってモデル化される。
UGVは移動式充電ステーションとして機能し、UAVを連続した航空ツアー間で輸送する。
命令の制約とチームの初期位置と終了位置の監視ポイントのセットが与えられた場合、目的は、実行中に発生する可能性のある有界な旅行時間外乱の下で、UAVのエネルギー制限と必要な訪問順序を満たしながらミッション完了時間を最小化することである。
以前の作業とは異なり、計画は車両経路とタイミングを共同で決定し、注文制約を満たすために必要な速度を低下させる。
我々は,NPハード計画問題に対する効率的な解を生成する多項式時間アルゴリズムを開発した。
実現可能性保証を確立し、アルゴリズムの計算複雑性を特徴づけ、数値比較によりその性能を評価する。
関連論文リスト
- Towards Reliable Aerial Ground Vehicle Collaboration: An Integrated Planning and Autonomy Framework for Field Deployment [0.0]
信頼性の高いフィールド配置のための統合型計画と自律化フレームワークを提案する。
本稿では,エネルギー制約付き協調的ルーティングタスクとしてこの問題を定式化し,Deep Reinforcement Learning (DRL)ベースのプランナーを用いて解決する。
計画と実行のギャップを埋めるために、標準化された2層YAMLベースのミッションAPIを導入します。
このフレームワークは、UAV制御のためのPX4/MAVSDKとUGVナビゲーションのためのROS 2/Nav2を使用して、完全な自律スタックによってサポートされている。
論文 参考訳（メタデータ） (2026-07-07T15:59:49Z) - An Agentic AI Framework with Large Language Models and Chain-of-Thought for UAV-Assisted Logistics Scheduling with Mobile Edge Computing [47.615329461292504]
クラウド製造において、無人航空機(UAV)は製品収集と移動エッジコンピューティング(MEC)の両方をサポートすることができる。
本稿では,エージェントAIによる2つのコンポーネントの最適化フレームワークを提案する。
まず,大規模言語モデル,検索拡張生成,および連鎖推論を組み合わせたエージェントAIを開発し,ユーザ入力をハイブリッドスケジューリング問題に対する解釈可能な数学的定式化に変換する。
論文 参考訳（メタデータ） (2026-05-13T09:13:19Z) - PRO-SPECT: Probabilistically Safe Scalable Planning for Energy-Aware Coordinated UAV-UGV Teams in Stochastic Environments [0.0]
本研究では,無人航空機(UAV)チームにおける環境下でのエネルギー利用計画について考察する。
UAVは、UGVを移動充電ステーションとして頼りながら、エネルギー制約を尊重しながら、最低限の時間で一連の空気点を訪れなければならない。
決定論的旅行時間や固定マージンを仮定した以前の作業とは異なり、私たちはランダム変数として時間をモデル化し、ミッション全体にわたってエラー(エネルギー枯渇)の確率を、ユーザ特定リスクレベルに制限します。
論文 参考訳（メタデータ） (2026-04-02T15:13:40Z) - Energy-Aware Collaborative Exploration for a UAV-UGV Team [0.0]
未知の環境で運用するUAV-UGVチームのためのエネルギー対応共同探査フレームワークを提案する。
我々は密度対応層状確率的ロードマップを用いて、疎結合の空地ロードマップを構築した。
本手法はシミュレーション,ベンチマーク比較,実世界の実験を通じて検証する。
論文 参考訳（メタデータ） (2026-03-23T19:14:01Z) - Optimal Safety-Aware Scheduling for Multi-Agent Aerial 3D Printing with Utility Maximization under Dependency Constraints [16.61271813421072]
最適化問題は、建設ミッションをサブタスクと自律型UAVのチームに分割され、容量とバッテリーが限られている。
タスク依存を考慮したタスク割り当てとスケジューリングを含む最適なミッションプランを生成する。
より重要なタスクへの解の導出によって計算を高速化するために重要な優先順位付けを提案する。
論文 参考訳（メタデータ） (2025-12-05T15:34:43Z) - Trajectory Design for UAV-Based Low-Altitude Wireless Networks in Unknown Environments: A Digital Twin-Assisted TD3 Approach [62.11847362756054]
低高度無線ネットワーク(LAWN)のキーイネーブラーとして無人航空機(UAV)が登場している
我々は、デジタルツイン(DT)支援トレーニングおよびデプロイメントフレームワークを提案する。
このフレームワークでは、UAVは統合されたセンシングと通信信号を送信し、地上ユーザーに通信サービスを提供し、同時にDTサーバにアップロードされたエコーを収集して、仮想環境(VE)を段階的に構築する。
これらのVEはモデルトレーニングを加速し、展開中のリアルタイムUAVセンシングデータを継続的に更新し、意思決定をサポートし、飛行安全性を向上する。
論文 参考訳（メタデータ） (2025-10-28T10:05:53Z) - UAV Swarm-enabled Collaborative Secure Relay Communications with
Time-domain Colluding Eavesdropper [115.56455278813756]
航空中継機としての無人航空機(UAV)は、インターネットモノ(IoT)ネットワークの補助として事実上魅力的である。
本研究では,UAV基地局と端末端末装置間のセキュアな通信を支援するために,UAVを活用することを目的とする。
論文 参考訳（メタデータ） (2023-10-03T11:47:01Z) - Multi-Agent Deep Reinforcement Learning For Optimising Energy Efficiency
of Fixed-Wing UAV Cellular Access Points [3.502112118170715]
固定翼UAVセルアクセスポイントのエネルギー効率を最適化する多エージェント深部強化学習手法を提案する。
提案手法では,UAVの3次元軌道を一連の時間経過で調整できるDueling Deep Q-Network (DDQN) エージェントを備える。
論文 参考訳（メタデータ） (2021-11-03T14:49:17Z) - A Multi-UAV System for Exploration and Target Finding in Cluttered and
GPS-Denied Environments [68.31522961125589]
複雑なGPSを用いた複雑な環境において,UAVのチームが協調して目標を探索し,発見するための枠組みを提案する。
UAVのチームは自律的にナビゲートし、探索し、検出し、既知の地図で散らばった環境でターゲットを見つける。
その結果, 提案方式は, 時間的コスト, 調査対象地域の割合, 捜索・救助ミッションの成功率などの面で改善されていることがわかった。
論文 参考訳（メタデータ） (2021-07-19T12:54:04Z) - 3D UAV Trajectory and Data Collection Optimisation via Deep
Reinforcement Learning [75.78929539923749]
無人航空機(UAV)は現在、無線通信におけるネットワーク性能とカバレッジを高めるために配備され始めている。
UAV支援モノのインターネット(IoT)のための最適な資源配分方式を得ることは困難である
本稿では,UAVの最も短い飛行経路に依存しつつ,IoTデバイスから収集したデータ量を最大化しながら,新しいUAV支援IoTシステムを設計する。
論文 参考訳（メタデータ） (2021-06-06T14:08:41Z) - 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。