An Intent Modeling and Inference Framework for Autonomous and Remotely Piloted Aerial Systems

要約

意図のモデリングと推論フレームワークは、不正な飛行からジオ フェンスを保護するための防衛計画を支援するために提示されます。
まず、無人航空機システム (UAS) の意図についての新しい数学的定義が提示されます。
クリティカル ウェイポイントとクリティカル ウェイポイント パターンの概念が導入され、モーション プロセスに関連付けられて、意図を完全に特徴づけます。
このモデリング フレームワークは、航空機の動作シーケンスを計画するために使用される UAS ミッション プランナーと、ジオ フェンスを保護するために定義された防衛プランナーの表現で構成されます。
障害物のある 2D および 3D 環境における自律型、半自律型、および操縦型システムに適用できます。
このフレームワークは、セキュリティ アプリケーションのインテントのライブラリを定義することで説明されています。
意図推論問題を定式化するには、ターゲットの検出と追跡が想定されます。
意思決定者の目標に関する複数の定式化が、深層学習ベースの方法論の一部として議論されます。
さらに、UAS の飛行を特徴付けるためのマルチモーダル動的モデルについても説明します。
これは、後で、インタラクション・マルチプル・モデル (IMM) フィルターを使用して特徴を抽出し、意図分類器をトレーニングするために利用されます。
最後に、シミュレーション研究の一部として、意図推論のための注意ベースの双方向長短期記憶 (Bi-LSTM) ネットワークが提示されます。
シミュレーション実験では、2D および 3D 環境での軌道生成、レーダー測定シミュレーションなど、フレームワークのさまざまな側面を示します。

要約(オリジナル)

An intent modelling and inference framework is presented to assist the defense planning for protecting a geo-fence against unauthorized flights. First, a novel mathematical definition for the intent of an uncrewed aircraft system (UAS) is presented. The concepts of critical waypoints and critical waypoint patterns are introduced and associated with a motion process to fully characterize an intent. This modelling framework consists of representations of a UAS mission planner, used to plan the aircraft’s motion sequence, as well as a defense planner, defined to protect the geo-fence. It is applicable to autonomous, semi-autonomous, and piloted systems in 2D and 3D environments with obstacles. The framework is illustrated by defining a library of intents for a security application. Detection and tracking of the target are presumed for formulating the intent inference problem. Multiple formulations of the decision maker’s objective are discussed as part of a deep-learning-based methodology. Further, a multi-modal dynamic model for characterizing the UAS flight is discussed. This is later utilized to extract features using the interacting multiple model (IMM) filter for training the intent classifier. Finally, as part of the simulation study, an attention-based bi-directional long short-term memory (Bi-LSTM) network for intent inference is presented. The simulation experiments illustrate various aspects of the framework, including trajectory generation, radar measurement simulation, etc., in 2D and 3D environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google