Real-Time Sampling-based Online Planning for Drone Interception

要約

このペーパーでは、動的環境での高速オンライン計画を研究しています。
この問題には、システムのダイナミクスに準拠する時間最適な軌跡を見つけること、リアルタイム適応のための計算上の制約を満たし、環境の変化からの不確実性を考慮する必要があります。
これらの課題に対処するために、ニューラルネットワークの推論を活用して時間のかかる非線形軌道の最適化を置き換え、不確実性の下で複数の軌跡オプションを迅速に調査できるようにするサンプリングベースのオンライン計画アルゴリズムを提案します。
提案された方法は、ドローン傍受問題に適用されます。ドローン傍受問題では、防御ドローンは衝突を避け、不完全なターゲット予測を処理しながらターゲットを傍受する必要があります。
アルゴリズムは、複数の潜在的なターゲットドローン位置に並行して軌道を効率的に生成します。
次に、トラバーサル時間をターゲットドローンの予測される到着時間と比較し、最終的に最小限の到達可能な軌道を選択することにより、軌道の到達可能性を評価します。
シミュレートされた環境と現実世界の両方の環境で広範な検証を通じて、高額のオンライン計画に対する方法と、構造化されていない設定での予測不可能な動きに対する適応性を実証します。

要約(オリジナル)

This paper studies high-speed online planning in dynamic environments. The problem requires finding time-optimal trajectories that conform to system dynamics, meeting computational constraints for real-time adaptation, and accounting for uncertainty from environmental changes. To address these challenges, we propose a sampling-based online planning algorithm that leverages neural network inference to replace time-consuming nonlinear trajectory optimization, enabling rapid exploration of multiple trajectory options under uncertainty. The proposed method is applied to the drone interception problem, where a defense drone must intercept a target while avoiding collisions and handling imperfect target predictions. The algorithm efficiently generates trajectories toward multiple potential target drone positions in parallel. It then assesses trajectory reachability by comparing traversal times with the target drone’s predicted arrival time, ultimately selecting the minimum-time reachable trajectory. Through extensive validation in both simulated and real-world environments, we demonstrate our method’s capability for high-rate online planning and its adaptability to unpredictable movements in unstructured settings.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google