Urban Drone Navigation: Autoencoder Learning Fusion for Aerodynamics

要約

建物や風などの障害物がある動的な環境をナビゲートするという課題があるため、ドローンは都市部の緊急捜索救助（SAR）に不可欠です。
この論文では、多目的強化学習 (MORL) と畳み込みオートエンコーダーを組み合わせて、都市 SAR におけるドローンのナビゲーションを改善する方法を紹介します。
このアプローチでは、MORL を使用して複数の目標を達成し、オートエンコーダーを使用してコスト効率の高い風力シミュレーションを実現します。
都市レイアウトの画像データを利用することで、ドローンは従来のセンサーを使用せずに、自律的にナビゲーションの決定を下し、経路を最適化し、風の影響を打ち消すことができます。
ニューヨーク市のモデルでテストされたこの方法は、複雑な都市環境におけるドローン SAR 運用を強化します。

要約(オリジナル)

Drones are vital for urban emergency search and rescue (SAR) due to the challenges of navigating dynamic environments with obstacles like buildings and wind. This paper presents a method that combines multi-objective reinforcement learning (MORL) with a convolutional autoencoder to improve drone navigation in urban SAR. The approach uses MORL to achieve multiple goals and the autoencoder for cost-effective wind simulations. By utilizing imagery data of urban layouts, the drone can autonomously make navigation decisions, optimize paths, and counteract wind effects without traditional sensors. Tested on a New York City model, this method enhances drone SAR operations in complex urban settings.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google