EA-AHS: 都市環境におけるリアルタイムUAV経路計画のための知覚駆動型適応ヒューリスティックフレームワーク
EA-AHS: A Perception-Driven Adaptive Heuristic Framework for Real-Time UAV Path Planning in Complex Urban Environments
都市低空域の開放に伴い、ドローンは複雑な都市環境での安全な航行のためにリアルタイム環境知覚への依存度を高めている。従来の計画アルゴリズムは、空間的に不均一なセンサーデータを効率的に処理することが困難であり、計算上のボトルネックや安全でない軌道につながる。この課題に対処するため、環境認識型適応ヒューリスティック探索(EA-AHS)フレームワークが提案された。EA-AHSは、スライディングウィンドウを介して局所的な障害物密度を知覚し、適応的なヒューリスティック重みへと変換する。さらに、履歴フィードバックループによりマクロレベルでのパラメータ適応を可能にする。実験では、EA-AHSは単純な迷路で87.9%、複雑なポイントブロックマップで81.0%の計画時間短縮を達成した。3D都市シナリオでは、計算オーバーヘッドの増加を抑えつつ、標準的なA*の48%、重み付きA*の57%という累積リスクの低減と、障害物との最小距離の6.04mへの増加を実現した。EA-AHSは学習ベースの手法とは異なり、事前学習やニューラル推論を必要としないため、リソース制約のあるオンボードセンサーシステムにとって実用的で軽量なソリューションとなる。
- EA-AHSフレームワークが提案され、単純な迷路で87.9%、複雑なポイントブロックマップで81.0%の計画時間短縮を達成
- 3D都市シナリオで標準A*の48%、重み付きA*の57%の累積リスク低減と障害物との最小距離6.04mを実現
- 学習ベース手法と異なり事前学習やニューラル推論が不要で、リソース制約のあるオンボードセンサーシステム向けの軽量ソリューション
本稿で提案されたEA-AHSは、ドローンのオンボードセンサー向けに軽量な経路計画手法を示しており、都市内ドローン物流や点検ロボティクスの実用化に向けた計算効率向上に寄与する。学習ベースの手法と異なり事前学習が不要である点は、リソース制約の強いエッジデバイスへの展開において実用的優位性を持つ。ただし、現時点では論文発表段階であり、実機実装や商用化の具体的な動きは確認できないため、投資判断への即効性は限定的である。