E2CoPre: Energy Efficient and Cooperative Collision Avoidance for UAV Swarms with Trajectory Prediction

要約

この論文では、UAV 群におけるエネルギー効率と衝突回避のための協力を達成する際の課題に対処するための新しいソリューションを紹介します。
提案された方法は、人工ポテンシャル フィールド (APF) と粒子群最適化 (PSO) 技術を組み合わせたものです。
APF は環境認識と暗黙的な調整を UAV に提供し、PSO は暗黙的な調整の下で分散型の方法で各 UAV の衝突のないエネルギー効率の高い軌道を探索します。
この分散型アプローチは、画像処理によるアクティブ輪郭モデルの利点を活用する新しいコスト関数を最小化することによって実現されます。
さらに、将来の軌道は、変動計算を使用して新しいコスト関数の最小値を近似することによって予測されます。これにより、プロアクティブなアクションが可能になり、PSO の初期条件が定義されます。
私たちは、エネルギーを考慮して必要な場合にのみ UAV が高度を変更できるようにする 2 分岐の軌道計画フレームワークを提案します。
さまざまな状況における私たちの方法の有効性と効率を評価するために、広範な実験が行われます。

要約(オリジナル)

This paper presents a novel solution to address the challenges in achieving energy efficiency and cooperation for collision avoidance in UAV swarms. The proposed method combines Artificial Potential Field (APF) and Particle Swarm Optimization (PSO) techniques. APF provides environmental awareness and implicit coordination to UAVs, while PSO searches for collision-free and energy-efficient trajectories for each UAV in a decentralized manner under the implicit coordination. This decentralized approach is achieved by minimizing a novel cost function that leverages the advantages of the active contour model from image processing. Additionally, future trajectories are predicted by approximating the minima of the novel cost function using calculus of variation, which enables proactive actions and defines the initial conditions for PSO. We propose a two-branch trajectory planning framework that ensures UAVs only change altitudes when necessary for energy considerations. Extensive experiments are conducted to evaluate the effectiveness and efficiency of our method in various situations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google