Landing Trajectory Prediction for UAS Based on Generative Adversarial Network

要約

軌道予測用のモデルは、多くの高度な航空モビリティ研究において不可欠な要素です。
これらのモデルは、航空機が衝突を検出し、回避操作を計画するのに役立ちます。これは、バーティポート付近の空域が混雑しているため、無人航空機システム (UAS) の着陸管理において特に重要です。
本稿では、敵対的生成ネットワーク (GAN) に基づく UAS の着陸軌道予測モデルを提案します。
GAN は、長年にわたって開発されてきた名門ニューラル ネットワークです。
これまでの研究で、GAN は多くの生成タスクで多くの最先端の結果を達成しました。
GAN は 1 つのニューラル ネットワーク ジェネレーターと 1 つのニューラル ネットワーク ディスクリミネーターで構成されます。
ニューラル ネットワークの学習能力により、ジェネレーターはサンプルの軌跡の特徴を理解できます。
ジェネレーターは前の軌道を入力として受け取り、飛行のランダムなステータスを出力します。
経験の結果によれば、提案したモデルは、さまざまなデータセットにおいてベースライン法(GMR)よりも正確な予測を出力することができます。
提案されたモデルを評価するために、実際のパイロットによる手動のドローン制御の 2,600 以上の軌道を含む実際の UAV 着陸データセットも作成します。

要約(オリジナル)

Models for trajectory prediction are an essential component of many advanced air mobility studies. These models help aircraft detect conflict and plan avoidance maneuvers, which is especially important in Unmanned Aircraft systems (UAS) landing management due to the congested airspace near vertiports. In this paper, we propose a landing trajectory prediction model for UAS based on Generative Adversarial Network (GAN). The GAN is a prestigious neural network that has been developed for many years. In previous research, GAN has achieved many state-of-the-art results in many generation tasks. The GAN consists of one neural network generator and a neural network discriminator. Because of the learning capacity of the neural networks, the generator is capable to understand the features of the sample trajectory. The generator takes the previous trajectory as input and outputs some random status of a flight. According to the results of the experiences, the proposed model can output more accurate predictions than the baseline method(GMR) in various datasets. To evaluate the proposed model, we also create a real UAV landing dataset that includes more than 2600 trajectories of drone control manually by real pilots.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google