Adaptive USVs Swarm Optimization for Target Tracking in Dynamic Environments

要約

この研究では、k-最近傍法による適応粒子群最適化 (APSO-kNN) アルゴリズムを使用した、複数目標追跡シナリオにおける無人水上車両 (USV) のパフォーマンスと効率を調査します。
この研究では、ランダム ウォーク、スパイラル、芝刈り機、クラスター検索などのさまざまな検索パターンを調査し、動的環境での有効性を評価しています。
広範なシミュレーションを通じて、さまざまな探索戦略の影響を評価し、ターゲットの数と USV の検知機能を変更し、追跡回避モデルを統合して適応性をテストします。
私たちの調査結果は、Spiral や Lawnmower などの体系的な検索パターンが優れたカバー範囲と追跡精度を提供し、徹底したエリア探索に最適であることを示しています。
対照的に、ランダム ウォーク パターンは適応性が高いものの、その非決定性の性質により精度が低く、クラスター検索はグループの凝集性を維持しますが、ターゲットの分布に大きく依存します。
複数のパターンを組み合わせた混合戦略は、さまざまなシナリオにわたって堅牢なパフォーマンスを提供しますが、APSO-kNN は探索と活用のバランスを効果的にとるため、監視、捜索救助、環境モニタリングなどの実世界のアプリケーションにとって有望なアプローチとなっています。
この研究は、USV 群の検索戦略とセンシング構成の最適化に関する貴重な洞察を提供し、最終的には複雑な環境での運用効率と成功を向上させます。

要約(オリジナル)

This research investigates the performance and efficiency of Unmanned Surface Vehicles (USVs) in multi-target tracking scenarios using the Adaptive Particle Swarm Optimization with k-Nearest Neighbors (APSO-kNN) algorithm. The study explores various search patterns-Random Walk, Spiral, Lawnmower, and Cluster Search to assess their effectiveness in dynamic environments. Through extensive simulations, we evaluate the impact of different search strategies, varying the number of targets and USVs’ sensing capabilities, and integrating a Pursuit-Evasion model to test adaptability. Our findings demonstrate that systematic search patterns like Spiral and Lawnmower provide superior coverage and tracking accuracy, making them ideal for thorough area exploration. In contrast, the Random Walk pattern, while highly adaptable, shows lower accuracy due to its non-deterministic nature, and Cluster Search maintains group cohesion but is heavily dependent on target distribution. The mixed strategy, combining multiple patterns, offers robust performance across varied scenarios, while APSO-kNN effectively balances exploration and exploitation, making it a promising approach for real-world applications such as surveillance, search and rescue, and environmental monitoring. This study provides valuable insights into optimizing search strategies and sensing configurations for USV swarms, ultimately enhancing their operational efficiency and success in complex environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google