УПРАВЛЕНИЕ ГРУППОВЫМ ПОВЕДЕНИЕМ беспилотных летательных аппаратов: ПОСТАНОВКА ЗАДАЧИ ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Обложка

Цитировать

Полный текст

Аннотация

Рассмотрены элементы группы беспилотных летательных аппаратов (БЛА) для формирования различных задач группы и в группе авиационных систем. Предлагается формирование различных фаз выполнения действий управления группой авиационных систем беспилотных летательных аппаратов, которые показаны на примере выбора различных целей для элементов группы (БЛА). Фазы являются элементами крупномасштабного поведения группы и в группе БЛА, которые могут включаться в цикл при использовании технологий искусственного интеллекта. Проведена формализация с точки зрения как монофункциональных БЛА для выбора множества конечных действий, так и многофункциональных БЛА для группового выполнения одной или нескольких функций воздействия. Представлена постановка задачи группового поведения для применения технологий искусственного интеллекта. Сформулированы основные элементы системы отношений и условий эффективности выполнения задач при управлении группой БЛА и действий в группе как крупномасштабной системой, отражающей постановки задачи для применения технологий искусственного интеллекта. Делается вывод о перспективности использования гомогенных и гетерогенных групп БЛА в интерпретации формального поведения робототехнических систем.

Об авторах

В. П Кутахов

Национальный исследовательский центр «Институт имени Н.Е. Жуковского»

Email: kutahovvp@nrczh.ru
г. Москва, Россия

Р. В Мещеряков

Институт проблем управления им. В. А. Трапезникова РАН

Email: mrv@ieee.org
г. Москва, Россия

Список литературы

  1. URL: http://www.kremlin.ru/acts/bank/44731 (дата обращения 01.12.2021).
  2. Li, C. Artificial Intelligence Technology in UAV Equipment // 2021 IEEE/ACIS 20th International Fall Conference on Computer and Information Science (ICIS Fall). - Xi’an, China, 2021. - P. 299-302. - doi: 10.1109/ICISFall51598.2021.9627359.
  3. Xia, C. and Yudi, A. Multi - UAV path planning based on improved neural network // 2018 Chinese Control and Decision Conference (CCDC). - Shenyang, China, 2018. - P. 354-359. - doi: 10.1109/CCDC.2018.8407158.
  4. Varatharasan, V., Rao, A. S. S., Toutounji, E., et al. Target Detection, Tracking and Avoidance System for Low-cost UAVs using AI-Based Approaches // 2019 Workshop on Research, Education and Development of Unmanned Aerial Systems (RED UAS). - Cranfield, UK, 2019. - P. 142-147. - doi: 10.1109/REDUAS47371.2019.8999683.
  5. Hu, A.-P. Camera calibration for UAV ground feature localization // 2011 IEEE/ASME International Conference on Advanced Intelligent Mechatronics (AIM). - Budapest, Hungary, 2011. - P. 176-179. - doi: 10.1109/AIM.2011.6027132.
  6. Zheng, L., Ai, P., and Wu, Y. Building Recognition of UAV Remote Sensing Images by Deep Learning // IGARSS 2020 - 2020 IEEE International Geoscience and Remote Sensing Symposium. - Waikoloa, HI, USA, 2020. - P. 1185-1188. - doi: 10.1109/IGARSS39084.2020.9323322.
  7. Zhang, Y., McCalmon, J., Peake, A., et al. A Symbolic-AI Approach for UAV Exploration Tasks // 2021 7th International Conference on Automation, Robotics and Applications (ICARA). - Prague, Czech Republic, 2021. - P. 101-105. - doi: 10.1109/ICARA51699.2021.9376403.
  8. Chen, B. Research on AI Application in the Field of Quadcopter UAVs // 2020 IEEE 2nd International Conference on Civil Aviation Safety and Information Technology (ICCASIT). - Weihai, China, 2020. - P. 569-571. - doi: 10.1109/ICCASIT50869.2020.9368551.
  9. Togootogtokh, Е., Huang, S., Leong, W.L., et al. An Efficient Artificial Intelligence Framework for UAV Systems // 2019 Twelfth International Conference on Ubi-Media Computing (Ubi-Media). - Bali, Indonesia, 2019. - P. 47-53. - doi: 10.1109/Ubi-Media.2019.00018.
  10. Kim, H., Ben-Othman, J., Mokdad, L., et al. Research Challenges and Security Threats to AI-Driven 5G Virtual Emotion Applications Using Autonomous Vehicles, Drones, and Smart Devices // IEEE Network. - 2020. - Vol. 34, no. 6. - P. 288-294. - doi: 10.1109/MNET.011.2000245.
  11. Жарко Е.Ф., Промыслов В.Г., Исхакова А.Ю. и др. Кибербезопасность беспилотных транспортных средств. Архитектура. Методы проектирования. - М.: Радиотехника, 2021. - 160 с.
  12. Wang, Y., Su, Z., N. Zhang. N., and Benslimane, A. Learning in the Air: Secure Federated Learning for UAV-Assisted Crowdsensing, in IEEE Transactions on Network Science and Engineering, vol. 8, no. 2, pp. 1055-1069, 1 April-June 2021, doi: 10.1109/TNSE.2020.3014385,
  13. Kusyk, J., Uyar, M.U., Ma, K., et al. AI and Game Theory based Autonomous UAV Swarm for Cybersecurity // 2019 IEEE Military Communications Conference (MILCOM). - Norfolk, VA, USA, 2019. - P. 1-6. - doi: 10.1109/MILCOM47813.2019.9020811.
  14. Molina-Padrón, N., Cabrera-Almeida, F., Araña, V., et al. Monitoring in Near-Real Time for Amateur UAVs Using the AIS // IEEE Access. - 2020. - Vol. 8. - P. 33380-33390. - doi: 10.1109/ACCESS.2020.2973503.
  15. Кутахов В.П., Пляскота С.И. Информационное взаимодействие в крупномасштабных робототехниеских авиационных системах // Управление развитием крупномасштабных систем MLSD '2017. Материалы Десятой международной конференции: в 2-х томах. Под общей редакцией С.Н. Васильева, А.Д. Цвиркуна. - М.: Институт проблем управления им. В.А. Трапезникова РАН, 2017. - С. 93-96.
  16. Шевченко А.В., Мещеряков Р.В., Мигачев А.Н. Обзор состояния мирового рынка робототехники для сельского хозяйства. Ч. 1. Беспилотная агротехника // Проблемы управления. - 2019. - № 5. - C. 3-18.
  17. Шевченко А.В., Мещеряков Р.В., Мигачев А.Н. Обзор состояния мирового рынка робототехники для сельского хозяйства. Ч. 2. Беспилотные летательные аппараты и роботизированные фермы // Проблемы управления. - 2019. - № 6. - C. 3-10.
  18. Wang, X., Wang, X., Zhao, J., et al. Monitoring the thermal discharge of hongyanhe nuclear power plant with aerial remote sensing technology using a UAV platform // 2017 IEEE International Geoscience and Remote Sensing Symposium (IGARSS). - Fort Worth, TX, USA, 2017. - P. 2958-2961. -doi: 10.1109/IGARSS.2017.8127619.
  19. Zhang, S., Wu, X., Zhang, G., et al. Analysis of intelligent inspection program for UAV grid based on AI // 2020 IEEE International Conference on High Voltage Engineering and Application (ICHVE). - Xi'an, China, 2020. - P. 1-4. - doi: 10.1109/ICHVE49031.2020.9279634.
  20. Moranduzzo, T., Melgani F. Monitoring structural damages in big industrial plants with UAV images // 2014 IEEE Geoscience and Remote Sensing Symposium. - Quebec City, QC, Canada, 2014. - doi: 10.1109/IGARSS.2014.6947606.
  21. Ким М.Л., Костеренко В.Н., Певзнер Л.Д. и др. Система автоматического управления траекторным движением шахтного беспилотного летательного аппарата // Горная промышленность. - 2019. - № 3 (145). - С. 60-64.
  22. Евтодьева М.Г., Целицкий С.В. Беспилотные летательные аппараты военного назначения: тенденции в сфере разработок и производства // Пути к миру и безопасности. - 2019. - № 2 (57). - С. 104-111.
  23. Кутахов В.П., Мещеряков Р.В. Принципы формирования модели оптимизации системы роботизированных авиационных средств // Сборник трудов XIII Всероссийского совещания по проблемам управления ВСПУ-2019. - М.: Институт проблем управления им. В.А. Трапезникова РАН, 2019. - С. 1211-1214.
  24. Kusyk, J., Uyar, M.U., Ma, K., et al. AI Based Flight Control for Autonomous UAV Swarms // 2018 International Conference on Computational Science and Computational Intelligence (CSCI). - Las Vegas, NV, USA, 2018. - P. 1155-1160. - doi: 10.1109/CSCI46756.2018.00223.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).