GROUP CONTROL of unmanned aerial vehicles: A GENERALIZED PROBLEM STATEMENT OF APPLYING ARTIFICIAL INTELLIGENCE TECHNOLOGIES

Capa

Citar

Texto integral

Resumo

This paper considers elements of a group of unmanned aerial vehicles (UAVs) to form various tasks of the group and within a group of aerial systems. Different phases to execute control actions for a group of aerial systems of UAVs are proposed. These phases are shown by an example of selecting different targets for group elements (UAVs). The phases are elements of the large-scale behavior of the group and in the group of UAVs and can be included in the cycle when using artificial intelligence technologies. The approach is formalized for single-function UAVs (choosing a set of end actions) and multifunction UAVs (performing one or more impact functions within the group). A group control problem for applying artificial intelligence technologies is stated. The main elements of the system of relations and conditions for effectively performing tasks by a group of UAVs and executing actions within the group as a large-scale system are formulated. This system reflects the problem statement for applying artificial intelligence technologies. As noted, using homogeneous and heterogeneous groups of UAVs is a promising approach to interpret the formal behavior of robotic systems.

Sobre autores

V. Kutakhov

National Research Center “Zhukovsky Institute”

Email: kutahovvp@nrczh.ru
Moscow, Russia

R. Mescheryakov

Trapeznikov Institute of Control Sciences, Russian Academy of Sciences

Email: mrv@ieee.org
Moscow, Russia

Bibliografia

  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.

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML
Baixar


Creative Commons License
Este artigo é disponível sob a Licença Creative Commons Atribuição 4.0 Internacional.

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).