本文提出了一种基于深度强化学习的方法,用于规划信息轨迹以增加无人机 (UAV) 发现丢失目标的可能性,以此来解决搜索和救援任务中的活动目标探测问题。
Dec, 2022
我们提出了一种预测性框架,使无人机团队能够在协同场地覆盖和火灾跟踪方面进行合作,并提供概率性能保证。
Jun, 2022
本次工作中,我们提出了一个统一的搜索规划框架,通过考虑低级任务限制,任务目标和用户定义的任务规范来实现无人机在三维空间内搜索规划的自动化和执行,以帮助在紧急响应任务中定位幸存者和需要救援的人群。
Apr, 2023
本研究提出了一种基于高斯过程模型的无人机自适应信息路径规划算法(OA-IPP),该算法可以在复杂的三维环境中进行目标搜索,该算法与现有的路径规划算法相比表现更好,可以应用于实际的城市搜救情景。
Feb, 2019
该论文提出了一个新的框架,用于质量体验驱动的多个无人机的部署和动态移动,并使用遗传算法 K-means 算法和 Q-learning 算法实现了解决非凸 3D 部署和运动问题。
Apr, 2019
本文提出一个新的反无人机问题,即在没有无人机先前信息的复杂环境中感知无人机,为此我们提出了最大的无人机数据集 AntiUAV600 和新的评估指标,并开发了一种新颖的反无人机方法来解决该问题。
Jun, 2023
全球导航卫星系统(GNSS)受限环境要求无人机(UAV)以节能可靠的方式飞行。为此,本研究提出了适用于无人机在 GNSS 受限环境中的感知与能量感知的运动规划。该规划器通过优化成本函数来解决轨迹规划问题,其中包括无人机总能耗和激光雷达(LiDAR)传感器的感知质量两个指标。仿真实验在逼真环境中证实了该规划器在异方差不确定性下能够平衡节能和感知质量的权衡。
Sep, 2023
本文研究使用一个主动无人机和四个被动无人机实时定位一个三维目标无人机的问题,并提出了基于 Z 函数分解的强化学习方法,通过优化无人机的轨迹和主动无人机的发送功率,以最大化目标无人机的定位精度。仿真结果表明,所提出的 ZD-RL 方法相对于 VD-RL 和独立深度 RL 方法,可以减小定位误差多达 39.4% 和 64.6%。
Jan, 2024
本文介绍了使用视觉算法进行目标定位、实时增量式 3D 签名距离地图算法进行遮挡和安全计算、实时相机运动规划器进行优化平滑度、碰撞、遮挡和艺术指导的航拍摄影完整系统,旨在克服多个专业领域影响安全控制无人机的局限,并验证该系统在追踪动态目标方面的稳健性和实时性,最终证明该系统达到了当前最佳性能。
本文提出了一种基于深度学习的无人机自适应路径规划算法,解决了无人机低空精细监测和高效数据采集的问题,并提出了一种新的深度学习精度模型,可以在不浪费能源的情况下获得高分辨率的语义分割图像。实验结果表明本方法可推广应用于不同领域。
Mar, 2022