Dual-UAV Payload Transportation Using Optimized Velocity Profiles via Real-Time Dynamic Programming
Notice bibliographique
Résumé
In this paper, a real-time dynamic programming (RTDP) approach was developed for the first time to jointly carry a slung load using two unmanned aerial vehicles (UAVs) with a trajectory optimized for time and energy consumption. The novel strategy applies RTDP algorithm, where the journey was discretized into horizons consisting of distance intervals, and for every distance interval, an optimal policy was obtained using a dynamic programming sweep. The RTDP-based strategy is applied for dual-UAV collaborative payload transportation using coordinated motion where UAVs act as actuators on the payload. The RTDP algorithm provides the optimal velocity decisions for the slung load transportation to either minimize the journey time or the energy consumption. The RTDP approach involves minimizing a cost function which is derived after simplifying the combined model of the dual-UAV-payload system. The cost function derivation was also accommodated to dynamically distribute the load/energy between two multi-rotor platforms during a transportation mission. The cost function is used to calculate transition costs for all stages and velocity decisions. A terminal cost is used at the last distance interval during the first phase of the journey when the velocity at the end of the current horizon is not known. In the second phase, the last stage or edge of the horizon includes the destination, hence final velocity is known which is used to calculate the transition cost of the final stage. Once all transition costs are calculated, the minimum cost is traced back from the final stage to the current stage to find the optimal velocity decision. The developed approach was validated in MATLAB simulation, software in the loop Gazebo simulation, and real experiments. The numerical and Gazebo simulations showed the successful optimization of journey time or energy consumption based on the selection of the factor λ. Both simulation and real experiments results show the effectiveness and the applicability of the proposed approach.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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 ».