AI Algorithm for Predicting and Optimizing Trajectory of UAV Swarm

要約

この論文では、無人航空機 (UAV) の飛行隊の軌道を生成するための人工知能 (AI) 技術の応用について検討します。
対処する 2 つの主な課題には、UAV の経路を正確に予測することと、UAV 間の衝突を効率的に回避することが含まれます。
まず、この論文では、単一の隠れ層を備えたフィードフォワード ニューラル ネットワーク (FFNN) にさまざまな活性化関数のセットを系統的に適用しており、これにより、以前の研究と比較して予測パスの精度が向上しています。
次に、新しいアクティベーション関数である AdaptoSwelliGauss を導入します。これは、スウィッシュ アクティベーションとエリオット アクティベーションを高度に融合したもので、スケーリングおよびシフトされたガウス コンポーネントとシームレスに統合されています。
Swish はスムーズな移行を促進し、Elliott は突然の軌道変化を捕捉し、スケールおよびシフトされたガウスはノイズに対する堅牢性を強化します。
この動的な組み合わせは、UAV の軌道予測の複雑さをうまく捉えるように特別に設計されています。
この新しいアクティベーション関数は、既存のすべてのアクティベーション関数よりも大幅に高い精度をもたらします。
第三に、我々は、2 つの相補的な UAV 衝突回避技術、つまり UAV 軌道の変更とその開始時間の変更 (バッチとも呼ばれます) を統合した、新しい統合衝突検出、回避、バッチ処理 (ICDAB) 戦略を提案します。
この統合は、両方の欠点を克服するのに役立ちます。つまり、最初の手法では軌道操作の回数が減り、過度に複雑な経路が回避され、バッチ サイズが小さくなり、2 番目の手法では全体の離陸時間が短縮されます。

要約(オリジナル)

This paper explores the application of Artificial Intelligence (AI) techniques for generating the trajectories of fleets of Unmanned Aerial Vehicles (UAVs). The two main challenges addressed include accurately predicting the paths of UAVs and efficiently avoiding collisions between them. Firstly, the paper systematically applies a diverse set of activation functions to a Feedforward Neural Network (FFNN) with a single hidden layer, which enhances the accuracy of the predicted path compared to previous work. Secondly, we introduce a novel activation function, AdaptoSwelliGauss, which is a sophisticated fusion of Swish and Elliott activations, seamlessly integrated with a scaled and shifted Gaussian component. Swish facilitates smooth transitions, Elliott captures abrupt trajectory changes, and the scaled and shifted Gaussian enhances robustness against noise. This dynamic combination is specifically designed to excel in capturing the complexities of UAV trajectory prediction. This new activation function gives substantially better accuracy than all existing activation functions. Thirdly, we propose a novel Integrated Collision Detection, Avoidance, and Batching (ICDAB) strategy that merges two complementary UAV collision avoidance techniques: changing UAV trajectories and altering their starting times, also referred to as batching. This integration helps overcome the disadvantages of both – reduction in the number of trajectory manipulations, which avoids overly convoluted paths in the first technique, and smaller batch sizes, which reduce overall takeoff time in the second.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google