Biologically Inspired Swarm Dynamic Target Tracking and Obstacle Avoidance

要約

この研究では、軍事用途向けに分散型ドローン群を使用して動的目標を追跡するために、オンラインの自由再訓練予測モデル、群制御、および障害物回避戦略を統合した、新しい人工知能 (AI) 駆動のフライト コンピューターを提案します。
動的な目標追跡を可能にするために、群れは効率的な経路計画を維持しながら急速な操縦や動きの追跡を可能にする迎撃を達成するための軌道予測機能を必要とします。
カーブ フィッティングや Long ShortTerm Memory (LSTM) などの従来の予測手法は堅牢性が低く、単一エージェント ベースの軌道予測の収束が遅いため、短期的には動的ターゲット追跡に苦労し、多くの場合、効果を発揮するには広範なオフライン トレーニングやチューニングが必要です。
したがって、この論文では、これらの課題に対処するための、新しい堅牢な適応双方向ファジー脳感情学習予測 (BFBEL-P) 方法論を紹介します。
このコントローラーには、ファジー インターフェイス、迅速な適応、予測機能、および複数のソリューションを集約できるマルチエージェント解決を可能にするニューラル ネットワークが統合されており、短期および長期の両方で迅速な収束時間と高精度を実現します。
これは、ドローンの群れによって予測および追跡される複雑な軌道を確認する数値シミュレーションの使用を通じて検証されました。
これらのシミュレーションでは、短期的には最先端の手法に対する適応性と精度が向上し、長期領域では強力な結果が得られ、正確な群れターゲットの追跡と予測機能が可能になることが示されています。

要約(オリジナル)

This study proposes a novel artificial intelligence (AI) driven flight computer, integrating an online free-retraining-prediction model, a swarm control, and an obstacle avoidance strategy, to track dynamic targets using a distributed drone swarm for military applications. To enable dynamic target tracking the swarm requires a trajectory prediction capability to achieve intercept allowing for the tracking of rapid maneuvers and movements while maintaining efficient path planning. Traditional predicative methods such as curve fitting or Long ShortTerm Memory (LSTM) have low robustness and struggle with dynamic target tracking in the short term due to slow convergence of single agent-based trajectory prediction and often require extensive offline training or tuning to be effective. Consequently, this paper introduces a novel robust adaptive bidirectional fuzzy brain emotional learning prediction (BFBEL-P) methodology to address these challenges. The controller integrates a fuzzy interface, a neural network enabling rapid adaption, predictive capability and multi-agent solving enabling multiple solutions to be aggregated to achieve rapid convergence times and high accuracy in both the short and long term. This was verified through the use of numerical simulations seeing complex trajectory being predicted and tracked by a swarm of drones. These simulations show improved adaptability and accuracy to state of the art methods in the short term and strong results over long time domains, enabling accurate swarm target tracking and predictive capability.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google