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:2610.12670

エネルギーと順序制約下でのUAV-UGV協調による空中モニタリング計画

Robust and Scalable UAV-UGV Planning for Aerial Monitoring under Energy and Precedence Constraints

シェア:XThreadsFacebookLINEはてブBluesky

UAVとUGVのチームで監視点を順序制約付きで訪問する際、UAVの飛行時間制限と移動時間の乱れを考慮し、ミッション完了時間を最小化する多項式時間アルゴリズムを開発した。

詳しい要約

1. どんなもの?

- UAVとUGVのチームによる空中モニタリングミッションの計画問題を扱う。 - 複数のUAV-UGVチームが存在し、各チームは1機のUAVと1台のUGVで構成される。 - UAVのエネルギー制約はendurance(満充電での最大飛行時間)でモデル化される。 - UGVは移動充電ステーションとして機能し、連続する空中ツアー間でUAVを輸送する。 - 監視点には訪問順序制約があり、チームの初期・終端位置が与えられる。 - 目的は、UAVのエネルギー制限と訪問順序を満たしつつ、実行時に生じる可能性のある有界の移動時間外乱の下で、ミッション完了時間を最小化することである。

2. 先行研究と比べてどこがすごい?

- 先行研究とは異なり、車両の経路とタイミングを同時に決定する計画を提案する。 - これにより、順序制約を満たすために必要に応じてチームが減速することが可能になる。 - 従来の手法では経路とタイミングを別々に扱っていた可能性があるが、本手法は統合的に扱う点が新しい。 - また、NP-hardな計画問題に対して多項式時間アルゴリズムを開発し、効率的な解を生成する点が優れている。

3. 技術・手法の肝は?

- 多項式時間アルゴリズムを開発し、NP-hardな計画問題に対して効率的な解を生成する。 - アルゴリズムは、UAVのエネルギー制約と訪問順序制約を満たしつつ、移動時間外乱の下でのロバスト性を考慮する。 - 車両の経路とタイミングを同時に決定し、必要に応じて減速を許容する。 - 実現可能性の保証と計算複雑度の特性評価を行う。

4. どうやって有効だと検証した?

- 数値比較を通じてアルゴリズムの性能を評価する。 - 具体的な評価指標やベンチマークについては要旨からは不明。 - 実現可能性の保証と計算複雑度の理論的な特性評価も行っている。

5. 議論はある?

- 有界の移動時間外乱の下でのロバスト性を考慮しているが、外乱の具体的なモデルや範囲については要旨からは不明。 - アルゴリズムの実現可能性保証と計算複雑度の特性評価がなされているが、実際の適用限界やスケーラビリティの詳細は要旨からは不明。 - 数値比較の結果や他の手法との比較の詳細は要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として、UAV-UGVチームの計画、エネルギー制約下での経路計画、順序制約付き訪問問題、ロバスト計画などが考えられる。 - 同分野の定番として、Vehicle Routing Problem with Time Windows (VRPTW)、Traveling Salesman Problem (TSP)、UAV経路計画、UGVを移動充電ステーションとする研究などが挙げられる。

※ 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: Cahit Ikbal Er, Yasin Yazicioglu

分類: cs.RO, cs.MA, eess.SY

原文アブストラクト

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.

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. 2newmo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
  3. 3NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  4. 4GXO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
  5. 5Google DeepMind、ロボット向けAIを発表新製品・発表

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI