Provably Safe and Scalable Multivehicle Trajectory Planning
Notice bibliographique
Résumé
The Hamilton–Jacobi (HJ) reachability is a promising tool for guaranteeing goal satisfaction and safety for multivehicle systems. However, a direct application of HJ reachability in most cases becomes intractable due to its exponentially scaling computational complexity with respect to the number of vehicles. In the work by Chenet al.(2018), the sequential trajectory planning (STP) method was proposed, which allows safe, multiple-vehicle trajectory planning to be done with a computation complexity that scales linearly with the number of vehicles. However, the STP computation is still not tractable for large-scale systems using the currently available tools. In this work, we introduce BEACLS, a C++-based reachability toolbox, that can leverage GPU parallelization to improve the computation speed of HJ reachability by nearly 100 times compared with the existing MATLAB implementations. We then combine BEACLS with STP for the safe, large-scale multiple-unmanned aerial vehicle (UAV) planning in a city environment and a multicity environment. We show that intuitive multilane structures naturally emerge, and the size of disturbances and the vehicle density are the primary factors determining the number and width of lanes. We also extend the STP method to safely account for an adversarial intruder during trajectory planning. In the proposed formulation, the number of vehicles that need to replan is a design parameter that can be chosen based on the computational resources available during run time. The proposed formulation along with BEACLS provides both an algorithm and an efficient computational tool for resilient, large-scale multiple-vehicle trajectory planning.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».