Chasing the Intruder: A Reinforcement Learning Approach for Tracking Intruder Drones

要約

ドローンは無数の用途で多用途になりつつあります。
これにより、制限空域や私有空域へのスパイ行為や侵入にドローンが使用されるようになりました。
ドローン技術のこのような不正使用は、多くの重要なインフラの安全性とセキュリティにとって危険です。
さらに、ドローンの多様な低コスト設計と機敏性により、従来のレーダー システムを使用してドローンを識別し追跡することは困難な作業です。
この論文では、チェイサードローンを使用して侵入者ドローンを識別し追跡するための強化学習ベースのアプローチを提案します。
私たちが提案するソリューションは、強化学習のポリシー学習フレームワークとインターリーブされたコンピュータービジョン技術を使用して、侵入者ドローンを追跡するための制御ポリシーを学習します。
システム全体は、ROS および Gazebo と Ardupilot ベースのフライト コントローラーを使用して実装されています。
結果は、強化学習ベースのポリシーが侵入者のドローンを識別して追跡するために収束していることを示しています。
さらに、学習されたポリシーは、侵入者ドローンの速度や方向の変化に対して堅牢です。

要約(オリジナル)

Drones are becoming versatile in a myriad of applications. This has led to the use of drones for spying and intruding into the restricted or private air spaces. Such foul use of drone technology is dangerous for the safety and security of many critical infrastructures. In addition, due to the varied low-cost design and agility of the drones, it is a challenging task to identify and track them using the conventional radar systems. In this paper, we propose a reinforcement learning based approach for identifying and tracking any intruder drone using a chaser drone. Our proposed solution uses computer vision techniques interleaved with the policy learning framework of reinforcement learning to learn a control policy for chasing the intruder drone. The whole system has been implemented using ROS and Gazebo along with the Ardupilot based flight controller. The results show that the reinforcement learning based policy converges to identify and track the intruder drone. Further, the learnt policy is robust with respect to the change in speed or orientation of the intruder drone.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google