文献

J-GLOBAL ID：202102246112686545   整理番号：21A0011806

UAVによる連結自律車両位置決めのための強化学習【JST・京大機械翻訳】

Reinforcement Learning for Connected Autonomous Vehicle Localization via UAVs

著者 (3件)： Testi Enrico (”Guglielmo Marcon” (DEI), University of Bologna, CNIT,Department of Electrical, Electronic, and Information Engineering,Cesena,Italy,47522) ,  Favarelli Elia (”Guglielmo Marcon” (DEI), University of Bologna, CNIT,Department of Electrical, Electronic, and Information Engineering,Cesena,Italy,47522) ,  Giorgetti Andrea (”Guglielmo Marcon” (DEI), University of Bologna, CNIT,Department of Electrical, Electronic, and Information Engineering,Cesena,Italy,47522)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： MetroAgriFor  ページ： 13-17  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 精密農業において,非常に有望なシナリオは,栽培場で移動し,高解像度ビデオとハイパースペクトル画像を収集し,位置決めと広帯域通信の両方を必要とする,接続と自律車両(CAV)によって表現される。位置決めと広帯域通信の両方を提供する有効な方法は,基地局(BS)とシームレス接続性を確保するための中継として動作する無人航空機(UAV)を利用する。本論文では,未知の環境においてCAVを局在化し,BSとの通信を支援するためのUAVのスウォームの最良の空間構成を見つけるための強化学習(RL)ベースアルゴリズムを提案した。UAVは,受信信号強度(RSS)のみを利用するCAVの位置を推定するために協調する。UAVsとCAV間の距離に基づく報酬関数と,精度(GDOP)の推定幾何学的希釈を設計した。数値結果は,提案したマルチエージェントQ学習が,環境に関する以前の知識なしでさえ,目標局在化において,UAVを低根二乗平均誤差(RMSE)にいかに到達できるかを示した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 希釈 ,  位置決め ,  基地局 ,  無人機 ,  農場 ,  連結性 ,  空間構成 ,  スウォーム ,  *強化学習
準シソーラス用語： ブロードバンド通信 ,  Q学習 ,  精密農業 ,  局在化 ,  受信信号強度 ,  マルチエージェント , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： UAV ,  自律 ,  強化学習