群制御2026/10/29arXiv:2610.39379

情報駆動型の異種UAV/UGV協調自律システム

Information-Driven Collaborative Autonomy for Heterogeneous UAV/UGV Teams

UAVの空中センシングとUGVの地上経路計画を統合し、未知の危険目標を探索・回避する分散協調手法を提案。エルゴディック制御とベイズ推論で情報密度に基づく探索を行い、確率制約付き経路計画を分散最適化で解く。

詳しい要約

1. どんなもの？

- 本論文は、未知数の危険targetを含む領域を進むheterogeneousなUAV/UGVチームの協調自律を扱う研究。 - UAVはonboard optical camerasでaerial sensingを行い、ground routesとtarget情報に応じてtrajectoryを適応させる。 - 空中探索をergodic controlで定式化し、spatial information densityに従ってsensing effortを配分する。 - 地上計画ではchance-constrainedなtarget回避とvoid-probability objectiveを組み合わせる。 - 各チームの最適化をfully decentralizedに解くclosed-loop schemeを提案する。

2. 先行研究と比べてどこがすごい？

- 先行研究との具体的比較は要旨からは不明。 - 特徴として、ergodic controlによる空中探索とPMB approximationによるtarget posteriorを組み合わせ、detected/undetected双方のtargetを表現する点を挙げている。 - dynamic camera field-of-view footprintsとpose-dependent probabilistic detection modelsを定式化に組み込む点も示される。 - 地上側はconfidence setsによるchance-constrained target回避とvoid-probability objectiveを統合する。 - decentralized solverによりnonlinearities、nonseparable objectives、continuous-time inter-agent separation constraintsを扱うと述べる。

3. 技術・手法の肝は？

- 空中探索をergodic controlで定式化し、spatial information densityに基づき探索とtarget localizationのバランスを取る。 - dynamic camera field-of-view footprintsとpose-dependent probabilistic detection modelsを組み込む。 - Angles-only measurementsをBayesian inferenceとdata-association hypotheses上のmarginalizationで処理し、PMB approximationを得る。 - このbeliefで未探索領域やtarget localizationを改善するviewpointへaerial sensingを誘導する。 - 地上計画はconfidence setsによるchance-constrained target avoidanceとvoid-probability objectiveを統合する。 - 各チームの最適化をnested SCvx…

4. どうやって有効だと検証した？

- Numerical case studiesを実施している。 - sensing geometryとtarget uncertaintyを検討する。 - decentralized solverとcentralized solverを比較する。 - 複数UAVとUGV間のfull closed-loop collaborationを実証する。 - 具体的な評価指標やデータセットは要旨からは不明。

5. 議論はある？

- 要旨からは不明。 - ただしclosed-loop schemeが情報獲得に応じて両fleetのtrajectoryを更新し、残存route riskが所定thresholdを下回るとground motionを許可する点が記述される。 - decentralizedとcentralizedのsolver比較やsensing geometry、target uncertaintyの検討がcase studiesで扱われる。 - 限界や課題についての明示的議論は要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法としてergodic control、Poisson multi-Bernoulli (PMB) approximation、SCvx*、C-ADMM、chance-constrained planning、void-probability objectiveを挙げる。 - 同分野の定番としてBayesian inference、data association、sequential convex programming、distributed consensus optimization、UAV/UGV coordinationの関連論文を次に読む候補とする。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Joshua Yuriv Pilipovsky

分類: cs.RO, eess.SY, math.OC

原文アブストラクト

This paper considers coordinating a heterogeneous team of unmanned aerial vehicles (UAVs) and unmanned ground vehicles (UGVs) traversing a domain containing an unknown number of potentially hazardous targets. The UAVs provide aerial sensing using onboard optical cameras, adapting their trajectories to ground routes and target information. We formulate the aerial search problem using ergodic control, which distributes sensing effort according to a spatial information density to balance exploration and target localization. The formulation incorporates dynamic camera field-of-view footprints and pose-dependent probabilistic detection models. Angles-only measurements are processed through Bayesian inference and marginalization over data-association hypotheses to obtain a Poisson multi-Bernoulli (PMB) approximation of the target posterior, representing both detected and undetected targets. This belief directs aerial sensing toward unexplored regions along the ground routes and viewpoints that improve target localization. Ground planning combines chance-constrained target avoidance, enforced through confidence sets, with a void-probability objective that favors routes unlikely to contain threats. We solve each team's optimization problem in a fully decentralized manner using a nested SCvx*--C-ADMM scheme, with outer sequential convex programming iterations and inner distributed consensus optimization, accounting for nonlinearities, nonseparable objectives, and continuous-time inter-agent separation constraints. A closed-loop scheme updates both fleets' trajectories as information becomes available and permits ground motion when the remaining route risk falls below a prescribed threshold. Numerical case studies examine sensing geometry and target uncertainty, compare decentralized and centralized solvers, and demonstrate full closed-loop collaboration between multiple UAVs and UGVs.

arXivで原文を読む →arXiv概要ページ