Hybrid Artificial Intelligence Strategies for Drone Navigation

要約

目的: この論文では、ドローンナビゲーションのためのハイブリッド人工知能戦略の開発について説明します。
方法: ナビゲーション モジュールは、エージェントの状態に応じて深層学習モデルとルールベースのエンジンを組み合わせます。
深層学習モデルは強化学習を使用してトレーニングされています。
ルールベースのエンジンは専門知識を利用して特定の状況に対処します。
ナビゲーション モジュールには、観測空間に基づいてドローンの決定を説明するためのいくつかの戦略と、ナビゲーション プロセスに人間の決定を含めるためのさまざまなメカニズムが組み込まれています。
最後に、この論文は、いくつかのシナリオを定義し、各シナリオに適応した指標に従ってさまざまな戦略のパフォーマンスを分析することに基づいた評価方法論を提案します。
結果: 2 つの主要なナビゲーション問題が研究されました。
最初のシナリオ (既知の目標に到達する) では、90% のタスク完了率を達成することができ、ルールベースのエンジンのおかげで衝突の数が大幅に減少しました。
2 番目のシナリオでは、強化学習モデルを使用してすべてのターゲットを見つけるのに必要な時間を 20% 短縮することができました。
結論: 強化学習は、ドローンナビゲーションのポリシーを学習するための非常に優れた戦略ですが、重要な状況では、タスクの成功率を高めるためにルールベースのモジュールで強化学習を補完する必要があります。

要約(オリジナル)

Objective: This paper describes the development of hybrid artificial intelligence strategies for drone navigation. Methods: The navigation module combines a deep learning model with a rule-based engine depending on the agent state. The deep learning model has been trained using reinforcement learning. The rule-based engine uses expert knowledge to deal with specific situations. The navigation module incorporates several strategies to explain the drone decision based on its observation space, and different mechanisms for including human decisions in the navigation process. Finally, this paper proposes an evaluation methodology based on defining several scenarios and analyzing the performance of the different strategies according to metrics adapted to each scenario. Results: Two main navigation problems have been studied. For the first scenario (reaching known targets), it has been possible to obtain a 90% task completion rate, reducing significantly the number of collisions thanks to the rule-based engine. For the second scenario, it has been possible to reduce 20% of the time required to locate all the targets using the reinforcement learning model. Conclusions: Reinforcement learning is a very good strategy to learn policies for drone navigation, but in critical situations, it is necessary to complement it with a rule-based module to increase task success rate.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google