文献

J-GLOBAL ID：202202264189401543   整理番号：22A1117377

未知の動的環境における学習ベース空中センサタスク割当【JST・京大機械翻訳】

Learning-based airborne sensor task assignment in unknown dynamic environments

著者 (10件)： He Jing (School of Automation, Northwestern Polytechnical University, Xi’an, PR China) ,  He Jing (Key Laboratory of Information Fusion Technology, Ministry of Education, Xi’an, PR China) ,  Wang Yuedong (School of Automation, Northwestern Polytechnical University, Xi’an, PR China) ,  Wang Yuedong (Key Laboratory of Information Fusion Technology, Ministry of Education, Xi’an, PR China) ,  Liang Yan (School of Automation, Northwestern Polytechnical University, Xi’an, PR China) ,  Liang Yan (Key Laboratory of Information Fusion Technology, Ministry of Education, Xi’an, PR China) ,  Hu Jinwen (School of Automation, Northwestern Polytechnical University, Xi’an, PR China) ,  Hu Jinwen (Key Laboratory of Information Fusion Technology, Ministry of Education, Xi’an, PR China) ,  Yan Shi (School of Automation, Northwestern Polytechnical University, Xi’an, PR China) ,  Yan Shi (Key Laboratory of Information Fusion Technology, Ministry of Education, Xi’an, PR China)
資料名： Engineering Applications of Artificial Intelligence  (Engineering Applications of Artificial Intelligence)
巻： 111  ページ： Null  発行年： 2022年 
JST資料番号： T0797A  ISSN： 0952-1976  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： センサ管理において,既存の研究は,従来のシステムモデリングに頼り,情報優位性を最大にするために努力する。事実,一方では,複雑な環境外乱,不完全な情報,または,空中戦闘ミッションにおける非協力的行動は,しばしば未知のシステム進化をもたらす。一方,センサの有効性を十分に活用することは,本質的に重要であるが,より重要なことに,検出セキュリティは主要な保証である。本論文では,未知の動的環境における航空機搭載センサタスク割当問題を提案した。システム動的モデルに基づく推定誤差共分散または情報エントロピーを最小にする伝統的方法と異なり,著者らの方式は,そのようなモデルサポートなしで必要なセンサ検出を維持しながら,エージェント生存を最大にする必要がある。割り当て実装において,既存の強化学習法を適用するのは簡単ではなく,実際の戦闘要求を満たすために,状態空間と報酬を巧妙に設計する。最初に,基本および無限状態変数としてエージェントおよびターゲットの位置を選択する代わりに,著者らは,計算負荷を低減するためのすべての離散状態変数である,センサの累積放射および情報取得表示とともに,目標脅威ランキングのような状況変数を考察した。第2に,報酬構造は,ミッションの複雑な制約に基づいて設計され,それは,低割当てリスクと比較的完全なセンシングの利用を奨励し,一方,危険な継続性割り当てと不適切な割当て収入をペナルティ化する。シミュレーションは,提案した方式が望ましい任務完了率と許容できる目標追跡精度を達成することを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  状態変数 ,  *資源割付 ,  情報収集 ,  ダイナミックモデル ,  モデリング ,  モデル ,  センサ ,  ペナルティ ,  エージェント ,  強化学習
準シソーラス用語： *タスク割当 ,  計算負荷 ,  動的環境 ,  ターゲット追跡 ,  情報エントロピー ,  システムモデリング , 【Automatic Indexing@JST】

著者キーワード (3件)： 空中センサ ,  タスク割当 ,  未知の動的環境

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 動的環境 ,  学習 ,  タスク割当