scholarly journals Data Transfer via UAV Swarm Behaviours

2018 ◽  
Vol 6 (2) ◽  
pp. 35-57
Author(s):  
Phillip Smith ◽  
Robert Hunjet ◽  
Aldeida Aleti ◽  
Jan Carlo Barca
Keyword(s):  
Machine Learning ◽  
Unmanned Aerial Vehicles ◽  
Data Transfer ◽  
Evolution Process ◽  
Heuristic Rule ◽  
Upper Limit ◽  
Aerial Vehicles ◽  
Uav Swarm ◽  
Robotic Swarm ◽  
The Given

This paper presents an adaptive robotic swarm of Unmanned Aerial Vehicles (UAVs) enabling communications between separated non-swarm devices. The swarm nodes utilise machine learning and hyper-heuristic rule evolution to enable each swarm member to act appropriately for the given environment. The contribution of the machine learning is verified with an exploration of swarms with and without this module. The exploration finds that in challenging environments the learning greatly improves the swarm’s ability to complete the task. The swarm evolution process of this study is found to successfully create different data transfer methods depending on the separation of non-swarm devices and the communication range of the swarm members. This paper also explores the resilience of the swarm to agent loss, and the scalability of the swarm in a range of environment sizes. In regard to resilience, the swarm is capable of recovering from agent loss and is found to have improved evolution. In regard to scalability, the swarm is observed to have no upper limit to the number of agents deployed in an environment. However, the size of the environment is seen to be a limit for optimal swarm performance.

scholarly journals Data Transfer via UAV Swarm Behaviours

2018 ◽  
Vol 6 (2) ◽  
pp. 35-57
Author(s):  
Phillip Smith ◽  
Robert Hunjet ◽  
Aldeida Aleti ◽  
Jan Carlo Barca
Keyword(s):  
Machine Learning ◽  
Unmanned Aerial Vehicles ◽  
Data Transfer ◽  
Evolution Process ◽  
Heuristic Rule ◽  
Upper Limit ◽  
Aerial Vehicles ◽  
Uav Swarm ◽  
Robotic Swarm ◽  
The Given

This paper presents an adaptive robotic swarm of Unmanned Aerial Vehicles (UAVs) enabling communications between separated non-swarm devices. The swarm nodes utilise machine learning and hyper-heuristic rule evolution to enable each swarm member to act appropriately for the given environment. The contribution of the machine learning is verified with an exploration of swarms with and without this module. The exploration finds that in challenging environments the learning greatly improves the swarm’s ability to complete the task. The swarm evolution process of this study is found to successfully create different data transfer methods depending on the separation of non-swarm devices and the communication range of the swarm members. This paper also explores the resilience of the swarm to agent loss, and the scalability of the swarm in a range of environment sizes. In regard to resilience, the swarm is capable of recovering from agent loss and is found to have improved evolution. In regard to scalability, the swarm is observed to have no upper limit to the number of agents deployed in an environment. However, the size of the environment is seen to be a limit for optimal swarm performance.

scholarly journals Modeling Goodput for Data Transmission in FANET

2020 ◽  
Vol 6 (1) ◽  
pp. 100-108
Author(s):  
I. Kaisina
Keyword(s):  
Mathematical Model ◽  
Unmanned Aerial Vehicles ◽  
Transfer Process ◽  
Data Transmission ◽  
Data Transfer ◽  
Network Simulator ◽  
Data Traffic ◽  
Stream Data ◽  
Ground Station ◽  
Aerial Vehicles

This paper investigates the process of multi-stream data transmission from several unmanned aerial vehicles (UAV) to a ground station. We can observe a mathematical model of the data transfer process at the application level of the OSI model (from flying nodes to a ground station). The Poisson – Pareto packet process is used to describe the multi-stream data traffic. The results of simulation are obtained using the network simulator NS-3. It is considered a system for emulating the process of multi-stream data transmission from UAV to a ground station. Acording to the results of studies for multi-stream data transmission it is clear that the increase of the UAV source nodes which simultaneously transmit data to a ground station needs higher requirements for Goodput.

scholarly journals Methodological Ambiguity and Inconsistency Constrain Unmanned Aerial Vehicles as A Silver Bullet for Monitoring Ecological Restoration

2019 ◽  
Vol 11 (10) ◽  
pp. 1180 ◽  
Author(s):  
Todd M. Buters ◽  
Philip W. Bateman ◽  
Todd Robinson ◽  
David Belton ◽  
Kingsley W. Dixon ◽  
...  
Keyword(s):  
Machine Learning ◽  
Unmanned Aerial Vehicles ◽  
Ecological Restoration ◽  
Large Scale ◽  
Ecological Monitoring ◽  
Policy Framework ◽  
Strong Positive Correlation ◽  
Aerial Vehicles ◽  
The Future ◽  
Thermal Cameras

The last decade has seen an exponential increase in the application of unmanned aerial vehicles (UAVs) to ecological monitoring research, though with little standardisation or comparability in methodological approaches and research aims. We reviewed the international peer-reviewed literature in order to explore the potential limitations on the feasibility of UAV-use in the monitoring of ecological restoration, and examined how they might be mitigated to maximise the quality, reliability and comparability of UAV-generated data. We found little evidence of translational research applying UAV-based approaches to ecological restoration, with less than 7% of 2133 published UAV monitoring studies centred around ecological restoration. Of the 48 studies, > 65% had been published in the three years preceding this study. Where studies utilised UAVs for rehabilitation or restoration applications, there was a strong propensity for single-sensor monitoring using commercially available RPAs fitted with the modest-resolution RGB sensors available. There was a strong positive correlation between the use of complex and expensive sensors (e.g., LiDAR, thermal cameras, hyperspectral sensors) and the complexity of chosen image classification techniques (e.g., machine learning), suggesting that cost remains a primary constraint to the wide application of multiple or complex sensors in UAV-based research. We propose that if UAV-acquired data are to represent the future of ecological monitoring, research requires a) consistency in the proven application of different platforms and sensors to the monitoring of target landforms, organisms and ecosystems, underpinned by clearly articulated monitoring goals and outcomes; b) optimization of data analysis techniques and the manner in which data are reported, undertaken in cross-disciplinary partnership with fields such as bioinformatics and machine learning; and c) the development of sound, reasonable and multi-laterally homogenous regulatory and policy framework supporting the application of UAVs to the large-scale and potentially trans-disciplinary ecological applications of the future.

Streamlined bridge inspection system utilizing unmanned aerial vehicles (UAVs) and machine learning

Measurement ◽  
2020 ◽  
Vol 164 ◽  
pp. 108048 ◽  
Author(s):  
Brandon J. Perry ◽  
Yanlin Guo ◽  
Rebecca Atadero ◽  
John W. van de Lindt
Keyword(s):  
Machine Learning ◽  
Unmanned Aerial Vehicles ◽  
Inspection System ◽  
Bridge Inspection ◽  
Aerial Vehicles

scholarly journals Resource allocation and service management in next generation 5G wireless networks

2019 ◽  
Author(s):  
Παναγιώτης Βαμβακάς
Keyword(s):  
Machine Learning ◽  
Resource Allocation ◽  
Unmanned Aerial Vehicles ◽  
Utility Theory ◽  
Service Management ◽  
Learning Automata ◽  
Expected Utility Theory ◽  
Visible Light Communications ◽  
Aerial Vehicles

Η παρούσα διδακτορική διατριβή πραγματεύτεται το πρόβλημα της βέλτιστης κατανομής πόρων και την πολύπλευρη διαχείριση υπηρεσιών σε ασύρματα δίκτυα 5ης γενιάς (5G). Βασικό αντικείμενο της εργασίας αποτελεί η βελτιστοποίηση της ποιότητας υπηρεσίας (Quality of Service) εντός του δικτύου τόσο στα πλαίσια της αύξησης της ενεργειακής αποδοτικότητας του δικτύου συνολικά, αλλά και λαμβάνοντας υπόψη την ετερογένεια μεταξύ των χρηστών ως προς τις απαιτήσεις της εκπομπής τους. Ειδικά σχεδιασμένες συναρτήσεις χρησιμότητας (utility functions) επιτρέπουν στους χρήστες να ποσοτικοποιούν διάφορες παραμέτρους της επικοινωνίας ζεύξης ανόδου (uplink communication) αντικατοπτρίζοντας την ικανοποίηση τους από την κατανομή των εκάστοτε πόρων (π.χ. ισχύς εκπομπής, ρυθμός μετάδοσης, κοστολόγηση κλπ.). Συγκεκριμένα, τα προβλήματα κατανομής πόρων μελετώνται υπό διαφορετικές τεχνολογίες αιχμής, τεχνικές πρόσβασης, αρχιτεκτονικές δικτύου και διακριτά είδη υπηρεσιών, υπό συνθήκες ανταγωνισμού των χρηστών ή σε αντίξοα περιβάλλοντα επικοινωνίας. Τα εκάστοτε προβλήματα μοντελοποιούνται ως μη συνεργατικά παίγνια τα οποία επιλύθηκαν με βάση τις αρχές της Θεωρίας Παιγνίων και Βελτιστοποίησης, παρέχοντας στους χρήστες τον βασικό έλεγχο της λήψης των αποφάσεων κατά την διάρκεια της εκπομπής τους. Με αυτόν τον τρόπο, επιτυγχάνεται η αποκέντρωση του συστήματος και η ισχυροποίηση του ρόλου των χρηστών στην διαδικασία της κατανομής πόρων και της βελτιστοποίηση της λειτουργίας του ασύρματου δικτύου. Σε κάθε περίπτωση, επιβεβαιώνεται η ύπαρξη του σημείου ισορροπίας κατά Nash (Nash Equilibrium) το οποίο αντιπροσωπεύει μια σταθερή έκβαση της κατανομής από την οποία κανένας χρήστης δεν επιθυμεί να παρεκλίνει. Παράλληλα, κατανεμημένοι αλγόριθμοι χαμηλής πολυπλοκότητας αναλαμβάνουν την σύγκλιση των παιγνίων στα ανωτέρω σημεία ισορροπίας. Πιο αναλυτικά, αρχικά ερευνήθηκε η κατανομή πόρων σε πολυεπίπεδα δίκτυα με χρήση μάκρο και φεμτοκυψελών (macro and femtocells) με τα προβλήματα να επεκτείνονται σε πιο ευρείες και σύνθετες κατανομές της ισχύος εκπομπής και του ρυθμού μετάδοσης για διαφορετικά είδη υπηρεσιών. Επίσης μελετήθηκε το πρόβλημα της κατανομής ισχύος και οπτικών σημείων πρόσβασης για επικοινωνίες ορατού φωτός (Visible Light Communications) για διαφορετικές τεχνικές πρόσβασης. Εν συνεχεία, αναλύθηκε το πρόβλημα της εξατομικευμένης κοστολόγησης της εκπομπής των χρηστών. Βασική καινοτομία της εν λόγω προσέγγισης, αποτελεί η παραδοχή ότι η εκάστοτε τιμή συνιστά έναν ακόμη πεπερασμένο πόρο προς κατανομή, σε αντίθεση με την βιβλιογραφία στην οποία αντιμετωπίζεται ως μια εξωτερική ποινή που επιβάλλεται από τον διαχειριστή ώστε να μειωθούν οι παρεμβολές εντός του δικτύου. Το πρόβλημα μελετάται για διαφορετικούς συνδυασμούς πόρων (ισχύος εκπομπής ή / και ρυθμού μετάδοσης) για ποικίλα σενάρια κοστολόγησης. Συνακόλουθα, το πρόβλημα εξετάστηκε υπό συνθήκες ανταγωνισμού των παρόχων υπηρεσίας, οι οποίοι προσαρμόζοντας τις πολιτικές και τα επίπεδα των τιμών, επιδιώκουν την απόκτηση μεγαλύτερων μεριδίων αγοράς. Οι χρήστες μοντελοποιούνται και λαμβάνουν αποφάσεις ως μανθάνοντα αυτόματα (learning automata) υπό τις αρχές της Νοημοσύνης των Μηχανών (Machine Learning), αυτοματοποιώντας έτσι την βέλτιστη επιλογή του παρόχου. Η παρούσα διατριβή επίσης διερευνά τα προβλήματα της δυναμικής σύνθεσης υπηρεσιών (service bundling) και κατανομής πόρων μέσω του σχεδιασμού συνεργατικών τηλεπικοινωνιακών προϊόντων, τα οποία καθορίζονται αυτόνομα από τους χρήστες. Παράλληλα, μελετήθηκε η βέλτιστη ασύρματη φόρτιση της μπαταρίας των χρηστών με κριτήριο τις ενεργειακές ανάγκες των χρηστών από την επικείμενη εκπομπή τους. Ολοκληρώνοντας, στην διδακτορική αυτή διατριβή, το πρόβλημα της κατανομής πόρων αντιμετωπίζεται συνολικά μέσω μίας καινοτόμου και ρεαλιστικής προσέγγισης υιοθετώντας την χρήση της Θεωρίας Προοπτικής (Prospect Theory), η οποία ανατρέπει την έως τώρα επιλογή της Θεωρίας Αναμενόμενης Χρησιμότητας (Expected Utility Theory) σε θέματα κατανομής πόρων. Για πρώτη φορά στην σχετική βιβλιογραφία, τα προβλήματα διατυπώνονται ενσωματώνοντας την υποκειμενικότητα των χρηστών στην λήψη αποφάσεων όταν επικρατούν συνθήκες αβεβαιότητας, ενώ ταυτόχρονα για πρώτη φορά εισάγεται η συνθήκη της πιθανής κατάρρευσης του εύρους ζώνης λόγω της υπέρμετρης χρήσης του εντός του δικτύου. Το ανωτέρω πλαίσιο υλοποιείται για διαφορετικά σενάρια (συνδυασμός αδειοδοτημένου και μη εύρους ζώνης, ταυτόχρονη εκπομπή μέσω πολλαπλών τεχνικών πρόσβασης), ενώ επιπλέον αναλύεται η κατανομή πόρων και η ασφάλεια (network security) σε δίκτυα δημόσιας ασφάλειας (Public Safety Networks) με αξιοποίηση μη επανδρωμένων αεροσκαφών (Unmanned Aerial Vehicles).

Sign in / Sign up

Export Citation Format

Share Document