日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

群制御arXiv:2605.27917

二段階最適化によるセンサ連続再配置を伴う監視回避ゲーム

A Surveillance Evasion Game with Continuous Sensor Redeployment via Bilevel Optimization

シェア:XThreadsFacebookLINEはてブBluesky

敵対的UASと異種センサネットワークのゼロ和微分ゲームを定式化し、センサを建物境界上で連続的に再配置する手法を提案。勾配法で最適化可能な平滑近似を用い、交互二段階最適化で局所ナッシュ均衡を求める。

詳しい要約

1. どんなもの?

- 敵対的UASと異種センサネットワーク(指向性・無指向性)の2人ゼロ和微分ゲームとして定式化。 - 防御側は建物境界に沿ってセンサを連続的に再配置可能。 - 攻撃側は検出回避軌道を最適化。 - 交互二レベル最適化でLocal Nash Equilibrium (LNE)に収束。 - CUASミッション向けの展開可能なベースラインを提供。

2. 先行研究と比べてどこがすごい?

- 従来のゲーム理論アプローチは防御側を離散配置グラフや固定構成に制限。 - 本研究は各センサを凸建物境界に沿って自由にスライドさせる連続再配置を導入。 - これにより時空間ギャップを悪用する侵入に対処可能。 - 多角形頂点での微分可能性を保つlog-sum-exp平滑近似を採用。

3. 技術・手法の肝は?

- 連続センサ再配置をlog-sum-exp平滑近似で実現し、勾配ベース最適化を可能に。 - 攻撃側の最適応答はSTP-RRT*による軌道初期化と非線形計画法による検出最小化の2段階。 - 交互二レベル最適化でLNEに収束。 - 両プレイヤーの解析的一階定常条件を導出。

4. どうやって有効だと検証した?

- 要旨からは不明(具体的な検証方法や実験結果は記載されていない)。

5. 議論はある?

- 要旨からは不明(議論や限界、課題についての記述はない)。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究:離散配置グラフや固定構成を用いた従来のゲーム理論アプローチ。 - 関連手法:STP-RRT*、非線形計画法、二レベル最適化、微分ゲーム。 - 同分野の定番:CUAS(Counter-UAS)におけるセンサ配置最適化、追跡・回避ゲーム。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Jaehyeok Kim, Kartik A. Pant, Joseph Kinerson, Kylie Sommer-Kohrt, Worawis Sribunma, Li-Yu Lin, James M. Goppert

分類: cs.RO

原文アブストラクト

Uncrewed Aerial Systems (UASs) have become a growing threat to the security of critical infrastructure, exploiting spatiotemporal gaps in sensor perimeters to infiltrate restricted airspace undetected. We formulate this interaction as a two-player zero-sum differential game between an adversarial UAS and a heterogeneous sensor network of directional and omnidirectional sensors. Unlike earlier game-theoretic approaches that restrict the defender to discrete placement graphs or fixed configurations, we introduce a continuous sensor redeployment technique in which each sensor slides freely along the convex building boundaries. This is enforced via a log-sum-exp smooth approximation that preserves differentiability at polygon vertices, enabling optimization with gradient-based methods. The attacker's best response is computed via a two-step approach combining STP-RRT* for feasible trajectory initialization and nonlinear programming for detection-minimization refinement. The joint optimization converges to a Local Nash Equilibrium (LNE) via alternating bilevel optimization, with analytical first-order stationarity conditions derived for both players, thereby establishing a deployable baseline for heterogeneous sensor placements in CUAS missions.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI