摘要 — 本文研究了一种无人机 (UAV) 辅助移动边缘计算 (MEC) 系统,其中 UAV 为地面 MEC 系统提供补充计算资源。UAV 通过创建相应的虚拟机来处理从移动用户 (MU) 接收的计算任务。由于 MEC 系统中 UAV 的共享 I/O 资源有限,每个 MU 都会在决策时期内竞争安排本地和远程任务计算,旨在最大化预期的长期计算性能。MU 之间的非合作交互被建模为随机博弈,其中 MU 的决策取决于全局状态统计数据,并且所有 MU 的任务调度策略是耦合的。为了近似纳什均衡解,我们提出了一种基于长短期记忆和深度强化学习 (DRL) 技术的主动方案。建立 MEC 系统的数字孪生,以离线训练主动 DRL 方案。使用所提出的方案,每个 MU 仅使用自己的信息进行任务调度决策。数值实验表明,该方案在决策时期内每个 MU 的平均效用方面具有显着的性能提升。
无人机上没有飞行员,这意味着机长 (PIC) 无法直接感知飞机的状况、轨迹和周围空域。依靠射频 (RF) 频谱和地面控制站与飞机之间的持续连接来安全运行,这意味着 UAS 飞行员对飞机的控制可能会受到有人驾驶飞机所没有的干扰;不同类型的无人机与其他飞机分离的能力各不相同,有时甚至极其有限(这意味着,在使用其他方式遵守“看见并避开”规则的情况下,按照目前制定的“目视飞行规则”进行操作并不总是可行的);偶尔使用新奇和奇特的材料进行推进或飞机回收,这意味着涉及存在此类材料的系统的事故现场可能会对急救人员和航空安全调查人员都造成意想不到的危险。
我们最初的努力旨在满足各军种和作战指挥官的迫切需求。然而,随着 sUAS 技术和扩散继续以挑战国防部在当前范式下有效响应的能力的速度发展,显然我们不能仅仅依靠物资解决方案。相反,我们必须重新审视如何应对 sUAS 给联合部队带来的日益严峻的挑战,方法是考虑和开发涵盖整个条令、组织、培训、物资、领导和教育、人员、设施 - 政策 (DOTMLPF-P) 范围的解决方案。该战略为解决本土、东道国和应急地点的危险和威胁等各种 sUAS 问题提供了框架。随着技术和系统的发展,该战略将需要持续评估以确保国防部跟上步伐。成功需要国防部所有利益相关者的共同努力。各军事部门、作战司令部、联合参谋部和其他国防部部门将持续警惕 sUAS,确保美国及其盟友和伙伴国家采取最有效的应对措施。
可以连接任何支持 TCP/IP 的设备。带备用系统的导航。发动机故障时设备安全。可在一天中的任何时间和各种气候条件下使用。可以快速集成到其他控制系统中。提供用于信息交换的卫星频道。提供 ADS-B 接收器。通过互联网传输数据的能力。在线分析接收到的数据并存档。将所有显示对象绑定到地理坐标和时间。根据使用条件,以 480p、720p、1080p、4K 格式传输数据。以 4K (QFHD) 录制和保存信息。整个硬件的 UAV CAN 总线可提高数据交换和诊断速度。操作模式 - 自动、半自动或手动(安全通道无线电控制)。实时监视和侦察、目标检测、识别、鉴别和捕获。通信:GNSS - GPS/GLONASS、IRIDIUM(选项);链接 - 数字、安全、AES 代码。20 倍光学变焦、高分辨率控制 4K 视频摄像头,陀螺稳定在 3 轴平台上。4 倍数码变焦热传感器,第 4 代,640x480 分辨率。>25Hz 无人机 - IP53,GCS - MIL.STD.810F。
图 1。俄亥俄州/印第安纳州 UAS 中心飞行操作程序。...................................................... 13 图 2。俄亥俄州/印第安纳州 UAS 中心试飞步骤和流程。......................................................... 14 图 3。Yamaha R-Max。......................................................................................................... 14 图 4。美国 290 号公路上的 SH 6 — 平移、倾斜和缩放与 400 英尺高程视图。.................... 20 图 5。UAS 响应单元示例。............................................................................................. 24 图 6。操作场景 1:事件监控。........................................................... 27 图 7。操作场景 2:态势感知。......................................................... 28 图 8。操作场景 3:困难地形、安全或机动性。................................ 30 图 9。操作场景 4:自然事件。......................................................................... 31 图 10。操作场景 5:致命事故现场测绘。................................................. 32 图 11。TIM 系统的国家 ITS 服务包图形。.......................................... 34 图 12。UAS-TIM 架构。.............................................................................................. 34 图 13。奥斯汀空域分析。......................................................................................... 45 图 14。大学城空域分析。...................................................................................... 45 图 15。达拉斯-沃斯堡空域分析。...................................................................................... 46 图 16。埃尔帕索空域分析。............................................................................................. 46 图 17。休斯顿空域分析。................................................................................................ 47 图 18。里奥格兰德河谷空域分析。................................................................................ 47 图 19。圣安东尼奥空域分析。................................................ . ...................................... 48
Teknofest组织的比赛鼓励年轻人探索无人的车辆技术,从而促进科学和技术进步。,它为那些渴望领导自主海洋技术发展的人提供了重要的机会。从事无人地面车辆技术的参与者将设计和开发能够成功完成任务的车队的车辆。在国防部和阿斯尔森部的领导下组织,比赛使年轻的创新者能够在未来的技术中脱颖而出。
制定基于地理信息系统 (GIS) 的总体/发展规划是 AMRUT 下的重要改革之一。这项改革的目标是利用 GIS 为 AMRUT 计划下的所有城市制定总体规划,并开发通用的数字地理参考基础地图和土地利用图。然而,中小型城镇使用传统 GIS 技术制定总体规划的能力有限,因此,该部希望探索使用无人机 (UAV) 技术为这些城镇制定基于 GIS 的总体规划。为此,在印度测量总监的主持下成立了一个委员会,负责制定应用无人机技术为中小型城镇制定基于 GIS 的总体规划的设计和标准(参见 2018 年 9 月 26 日发布的命令号 K-14031/5/2016-AMRUT(CB)-Part(2))。
摘要 - 重要的技术进步使行星勘探飞机能够被视为可行的科学平台。这些系统填补了一个独特的行星科学测量差距,区域尺度的近距离观察,同时为行星发现提供了新的视角。使用UAV(无人驾驶飞机)对火星进行探索已有25年以上的领先航天组织(例如NASA)。最近的努力已经能够产生一些成熟的任务和飞行系统概念,准备实施飞行项目。然而,与让飞机飞过稀薄的二氧化碳富含火星氛围有关的挑战有很多。传统飞机设计专业知识并不总是适用于这种车辆,几何,空气动力和任务限制会导致可行的可行设计空间受到限制。本文提出了一种概念方法,该方法是为设计能够在火星大气中执行VTOL(垂直起飞和降落)的无人机。无人机旨在参加2021年国际行星航空系统挑战赛。无人机可以携带高达5公斤的科学有效载荷(火星重量)。
2020 年 7 月 8 日:亚当斯通信与工程技术公司 (ACET) 获得了美国空军安装承包局颁发的国防技术信息中心 (DTIC) 信息分析中心多项奖励合同 (IAC MAC) 下一项价值 4240 万美元的新任务订单 (TO),以支持海军研究生院 (NPS) 进行无人和机器人系统研究。ACET 团队将提供项目管理、协调、研究、分析、建议和可交付成果的开发,以通过应用知识和资源来推进 IAC MAC 相关的科学和技术信息 (STI),以实现所需活动的任务要求。TO 的工作范围主要在选定的地点为 NPS 完成。NPS 对无人和机器人技术以及武器系统进行了广泛的研究。作为这项研究的一部分,NPS 在全球范围内开展和主办联合实验活动。ACET/NPS 合作伙伴关系将有助于提供满足实际运营需求的解决方案。