強化学習を用いた複数UAVの協調飛行における中継地点通過と衝突回避の考察

カテゴリ：研究会(論文単位)

論文No：CMN25039

グループ名：【C】電子・情報・システム部門 通信研究会

発行日：2025/6/23

タイトル(英語)：Consideration of Passing Relay Points and Collision Avoidance in Cooperative Flight of Multiple UAVs Using Reinforcement Learning

著者名：久保田 直裕(関西大学),三浦 秀芳(岡山大学),木村 共孝(同志社大学),平田 孝志(関西大学)

著者名(英語)： Naohiro Kubota(Kansai University),Hideyoshi Miura(Okayama University),Tomotaka Kimura(Doshisha University),Kouji Hirata(Kansai University)

キーワード：ＵＡＶネットワーク,ＵＡＶ軌道問題,強化学習,最適化問題,UAV networks,UAV orbital problem,Reinforcement Learning,Optimization problem

要約(日本語)：本研究では、複数の無人航空機（UAV）が協調して目的地への最適経路を自律的に学習する手法を提案する。具体的には、強化学習アルゴリズムであるDeep Q-Network（DQN）を用い、各UAVに1つずつ割り当てられたチェックポイントを通過しながらゴールを目指す。各チェックポイントは充電スポットや重要な収集情報地点を想定しており、UAVはそれらを通過することが求められる。提案手法では、UAV間で位置情報を共有し、衝突を回避しつつ、効率的に最短経路を計画する。これにより、複数UAVによる協調的な移動が実現され、従来の単独機飛行における限界を克服する。さらに、このアプローチは、広範囲なエリアにおける自律的な運用やリアルタイムでの経路調整が可能であり、柔軟で安全な運用が可能となる。

要約(英語)：In this study, we propose a method in which multiple unmanned aerial vehicles (UAVs) cooperate to autonomously learn the optimal path to a destination. Specifically, we use Deep Q-Network (DQN), a reinforcement learning algorithm, to achieve the goal by passing through checkpoints assigned to each UAV, one at a time. Each checkpoint is assumed to be a charging spot or an important information collection point, and the UAV is required to pass through them. In the proposed method, UAVs share their location information with each other and efficiently plan the shortest route while avoiding collisions. This enables coordinated movement by multiple UAVs and overcomes the limitations of conventional single-aircraft flight. Furthermore, this approach allows for autonomous operation over a wide area and real-time route adjustment, enabling flexible and safe operations.

本誌：2025年6月26日-2025年6月27日通信研究会

本誌掲載ページ：33-38p

原稿種別：日本語

PDFファイルサイズ：2,137Kバイト