CN115202386A - 基于经训练的空中走廊模型控制飞行器沿空中走廊行进 - Google Patents

基于经训练的空中走廊模型控制飞行器沿空中走廊行进 Download PDF

Info

Publication number
CN115202386A
CN115202386A CN202210371603.7A CN202210371603A CN115202386A CN 115202386 A CN115202386 A CN 115202386A CN 202210371603 A CN202210371603 A CN 202210371603A CN 115202386 A CN115202386 A CN 115202386A
Authority
CN
China
Prior art keywords
corridor
aircraft
data
air corridor
air
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210371603.7A
Other languages
English (en)
Inventor
萨梅特·M·艾汉
伊恩·安德鲁·拜厄姆·威尔逊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Boeing Co
Original Assignee
Boeing Co
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Boeing Co filed Critical Boeing Co
Publication of CN115202386A publication Critical patent/CN115202386A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
    • G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0017—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information
    • G08G5/0021—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information located in the aircraft
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0047—Navigation or guidance aids for a single aircraft
    • G08G5/006—Navigation or guidance aids for a single aircraft in accordance with predefined flight zones, e.g. to avoid prohibited zones
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0017—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0004—Transmission of traffic-related information to or from an aircraft
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/003—Flight plan management
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/003—Flight plan management
    • G08G5/0039—Modification of a flight plan
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0043—Traffic management of multiple aircrafts from the ground
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0047—Navigation or guidance aids for a single aircraft
    • G08G5/0069—Navigation or guidance aids for a single aircraft specially adapted for an unmanned aircraft
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0073—Surveillance aids
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/04—Anti-collision systems
    • G08G5/045—Navigation or guidance aids, e.g. determination of anti-collision manoeuvers

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Automation & Control Theory (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本公开涉及基于经训练的空中走廊模型控制飞行器沿空中走廊行进。由飞行器(102)接收与空中走廊(200)相关联的经训练的空中走廊模型(106)，其中，该经训练的空中走廊模型(106)被配置为保持空中走廊(200)中的交通工具之间的安全间隔距离。识别飞行器(102)在空中走廊(200)中的当前位置，并接收其他代理(122)在空中走廊(200)中的位置。基于经训练的空中走廊模型(106)、当前位置和代理位置确定飞行器(102)的下一位置。控制飞行器(102)从当前位置行进到所确定的下一位置，从而使飞行器(102)和其他代理(122)能够在保持彼此之间的安全距离的同时有效地使用空中走廊(200)的空域。

Description

基于经训练的空中走廊模型控制飞行器沿空中走廊行进
技术领域
本公开总体上涉及使飞行器能够在空中走廊中行进的领域，并且尤其涉及基于经训练的空中走廊模型控制飞行器沿空中走廊行进。
背景技术
先进空中移动性(AAM)(也称为城市空中移动性(UAM))的出现将使空中出租飞机和货运航空交通工具(CAV)进入现实，由于它们将共享同一空域(其中常规飞机和小型无人驾驶飞机系统(sUAS)在地面以上(AGL)高达2500英尺处操作)而提出新的挑战。UAS业务管理(UTM)、常规空中业务管理(ATM)和AAM操作对空域的这种同时使用需要AAM系统，该AAM系统能够以有效且可扩展的方式适应各种和大量的飞行器，并受到安全控制和间隔规则和法规的发展的支持。
发明内容
提供本发明内容以便以简化形式介绍将在下面的具体实施方式中进一步描述的概念的选择。本发明内容并不旨在标识所要求保护的主题的关键特征或必要特征，也不旨在用作确定所要求保护的主题的范围的帮助。
本公开的多个方面使飞行器能够至少通过以下各项在保持安全间隔的同时有效地行进通过空中走廊：由飞行器的处理器接收与原点、目的地以及表示原点与目的地之间的空域的空中走廊相关联的经训练的空中走廊模型，其中，该经训练的空中走廊模型被配置为保持空中走廊中的交通工具之间的安全间隔距离；由处理器识别表示飞行器在空中走廊中的当前位置的当前位置数据；由处理器接收与至少一个代理交通工具在空中走廊中的位置相关联的代理位置数据；以及由处理器基于经训练的空中走廊模型、当前位置数据和代理位置数据确定飞行器在空中走廊中的下一位置。
附图说明
从以下结合所附附图阅读的具体实施方式中，将更好地理解本说明书，其中：
图1是示出根据实施方式的用于使飞行器能够在保持与其他交通工具的安全间隔的同时在空中走廊中行进的系统的框图；
图2是示出根据实施方式的从原点到目的地的空中走廊的示图；
图3是示出根据实施例的空中走廊的动态适配的示图；
图4A至图4B是示出根据实施方式从空中走廊中的当前位置立方体确定下一位置立方体的示图；
图5是示出根据种实施方式的用于控制飞行器在保持与其他代理交通工具的安全间隔的同时在空中走廊中行进的过程的流程图；
图6是示出根据实施例的用于训练空中走廊模型的过程的流程图；以及
图7作为功能框图示出了根据实施方式的计算设备。
在全部附图中，对应的参考字符表示对应的部件。在图1至图7中，系统被示出为示意图。附图可能不是按比例绘制的。
具体实施方式
描述了用于基于经训练的空中走廊模型控制在空中走廊中行进的飞行器的系统和方法。所描述的系统和方法包括使用模拟空中走廊训练决策模型和使用机器学习技术在其中行进的模拟交通工具。此外，该模型被嵌入或以其他方式安装在飞行器中，这些飞行器被配置为在保持与其中的其他交通工具的安全间隔距离的同时使用该模型来确定行进通过相关联的空中走廊的路线。更具体地，所描述的先进空中移动性(AAM)系统基于使用多代理增强学习(MARL)来有效地规划在定义的空中走廊中安全分隔的大量无人驾驶和自主飞行器的运动。所描述的基于MARL的模型使AAM系统能够在所定义的空中走廊中管理一组不同的多架飞行器，直到走廊的饱和水平。
所描述的方法和系统使用与空中走廊相关联的经训练的空中走廊模型，该模型由每个飞行器接收，其中，该经训练的空中走廊模型被配置为保持该空中走廊中的交通工具之间的安全间隔距离。识别每个飞行器在空中走廊中的当前位置，并且由每个飞行器接收其他交通工具在空中走廊中的位置。由每个飞行器根据经训练的空中走廊模型、当前位置和代理人位置确定每个飞行器的下一位置。控制飞行器从当前位置行进到所确定的下一位置，从而使飞行器能够在保持彼此之间的安全距离的同时有效地利用空中走廊的空域。
本公开能够将大量不同的基于AAM的交通工具整合到分别与由空中交通管理(ATM)和无人驾驶飞机系统交通管理(UTM)管理的常规飞机和sUAS相同的空域中。所描述的AAM系统提供可扩展的、灵活的和动态的系统，该系统支持各种尺寸和类型的飞机的要求，并且使这些飞机能够在位置之间有效地行进，而不干扰其他类型的空中交通。本公开通过使用多种多样的模拟交通工具和状况训练基于MARL的模型并且然后在每个交通工具上安装该模型来以非常规的方式进行操作，从而使得具有该模型的交通工具能够安全且有效地行进通过相关联的空中走廊。
模型所基于的空中走廊是可适配的，使得走廊的体积被划分成多个时空数据立方体(spatio-temporal data cubes)，每个时空数据立方体递归地可划分成子立方体，提供可适配的粒度。经训练的模型使用空中走廊的数据立方体来为空中走廊中的每个交通工具上的马尔可夫决策过程(MDP)提供离散决策空间。
由每个交通工具使用的数据立方体可以定尺寸为适合每个交通工具特定的最小安全间隔距离，使得较大的交通工具在空中走廊中占据较大的数据立方体，而较小的交通工具在空中走廊中占据较小的数据立方体。通过优化每个交通工具的数据立方体的尺寸，改善了空中走廊的使用效率，因为交通工具在空中走廊中不占用不必要的大体积。
在众多种类和数量的模拟交通工具上使用强化训练技术使得本公开能够识别相关联的空中走廊的精确饱和极限，使得在保持安全性的同时优化空域的使用。另外，使用八叉树数据结构来表示如本文所述的数据立方体的可适应性分层结构，使得涉及所描述的空中走廊的数据立方体的处理任务有效。
图1是示出根据实施方式的用于使飞行器102能够在保持与其他交通工具(例如，其他代理122)安全间隔的同时在空中走廊中行进的系统100的框图。在一些示例中，飞行器102从空中走廊模型训练器104获得或以其他方式接收经训练的空中走廊模型106。空中走廊模型训练器104基于从由原点数据108描述的原点位置到由目的地数据110描述的目的地位置(例如，从机场位置到包括高度边界的市区位置的空域的走廊)的具体定义的空中走廊来训练空中走廊模型106。在获得空中走廊模型106时，飞行器102被配置为沿着空中走廊模型106与之相关联的空中走廊行进，如本文所述。
在一些示例中，飞行器102被配置为基于空中走廊模型106的输出沿着空中走廊从一个位置行进至下一位置。飞行器102可以被配置为经由位置传感器接口112收集或以其他方式获得当前位置数据114(例如，高度数据、速度数据、全球定位系统(GPS)数据、相对于原点、目的地或其他位置的相对位置数据等)，并将当前位置数据114作为输入提供给空中走廊模型106。训练空中走廊模型106以处理当前位置数据114并基于该数据114确定下一位置数据124。
另外或可选地，飞行器102可以被配置为经由代理间通信接口116接收或以其他方式获得其他代理位置数据118，代理间通信接口116被配置为使飞行器102能够与空中走廊中的其他代理122通信。其他代理位置数据118也可以作为输入提供给空中走廊模型106，使得由空中走廊模型106确定或生成的下一位置数据124基于其他代理位置数据118。如本文所述，在许多示例中，飞行器102向空中走廊模型106提供当前位置数据114和其他代理位置数据118，以生成下一位置数据124。
在一些示例中，将下一位置数据124提供给飞行器102的交通工具控制器126。交通工具控制器126包括被配置为控制飞行器102的移动和/或操纵(包括在飞行器102行进通过空气走廊时控制飞行器102的速度和方向)的硬件、固件和/或软件。另外或可选地，交通工具控制器126被配置为解释下一位置数据124并自动控制飞行器102移动至与下一位置数据124相关联的位置(例如，通过改变行进的高度、速度和/或方向)。
另外或可选地，在飞行器102至少部分地由飞行员手动驾驶或以其他方式控制的示例中，可以显示或以其他方式将下一位置数据124提供给飞行器102的飞行员，使得飞行员能够控制飞行器102移动至由下一位置数据124指示的下一位置。
此外，在一些示例中，飞行器102被配置为以当前位置数据120的形式将当前位置数据114共享给空中走廊中的其他代理122。在这样的示例中，每个其他代理122也使用空中走廊模型来安全地行进通过空中走廊，并且那些代理122可以使用由飞行器102提供的当前位置数据120作为其模型的输入。此外，如本文所描述的，在这样的示例中，其他代理122中的一些或全部可被配置为飞行器102，并且对于那些代理122，飞行器102被视为另一代理122。
在其他代理122与飞行器102之间共享当前位置数据120可以进一步基于通信范围或缓冲范围，使得空中走廊内的代理与所述范围内的其他代理共享其当前位置数据120(例如，靠近原点的代理和靠近目的地的代理可能太远而不能相互传送当前位置数据120，并且这样的数据共享对于确定两个代理在空中走廊内的安全行进可能是不必要的)。可基于代理的通信能力(例如，代理的硬件、固件或软件的有效通信范围)和/或基于使代理能够保持安全间隔所需的通信范围(例如，代理对所接收的当前位置数据120做出响应且因此改变过程以保持安全间隔距离可能需要的代理之间的最小范围)来定义这样的缓冲范围。定义缓冲范围的其他方面可包括代理行进的速度和代理的机动性，代理行进的速度和代理的机动性两者都可影响代理对空中走廊内存在其他代理作出响应的能力。
应当理解，训练空中走廊模型106，以引导或以其他方式使飞行器102和其他代理122沿着相关联的空中走廊行进，并保持与走廊中的其他代理的安全控制和安全间隔。在一些示例中，空中走廊模型106被配置为如本文关于图2所描述的可适配的空中走廊模型。
本文所述的飞行器102和其他代理122可包括任何类型的无人驾驶飞机(UAV)和/或任何类型的有人驾驶飞机。例如，在示例中，飞行器102是UAV，而使用同一空中走廊的其他代理122包括有人驾驶飞机和无人驾驶飞机两者。在其他示例中，无人驾驶飞机和有人驾驶飞机的其他组合(包括所有无人驾驶飞机或所有有人驾驶飞机)可以在不脱离说明书的情况下被引导通过空中走廊。
图2是示出根据实施方式的从原点202到目的地204的空中走廊200的示图。空中走廊200被配置为原点202与目的地204之间的时空数据立方体206的形式的空域体积的联合集合，用于空中走廊模型(例如，模型106)。在一些示例中，针对特定的原点-目的地对专门训练这样的模型，使得模型和相关联的空中走廊200使飞行器(例如，飞行器102、其他代理122a-122n)能够在原点与目的地之间(在两个方向上)(例如，在机场的一个或多个垂直升降机场/直升飞机场处的原点和在城市的市区区域中的一个或多个垂直升降机场/直升飞机场处的目的地)安全行进，但不在另一原点-目的地对之间安全行进。虽然示出了两个其他代理122a和122n，但是在其他示例中，更多、更少或不同的代理可以在不脱离本说明书的情况下在空中走廊200中行进。
更正式地，给定由3D空间中的一组固定空间位置形成的参考系统R(即，三维(3D)网格网络)，可适应空中走廊200的中心线208是
Figure BDA0003587343540000061
Figure BDA0003587343540000071
其中，ri∈R。立方体206围绕沿着空中走廊的中心线208的参考点放置，构建由时空数据立方体206组成的空中走廊200。
在一些示例中，空中走廊200包括认为每个立方体206在一段时间期间内具有均匀的天气参数。以这种方式布置，立方体206可以被认为是分段的空中走廊段。
图3是示出根据实施例的空中走廊(例如，空中走廊200)的动态适配的示图300。示图300包括被细分成更小的立方体312的(例如，空中走廊200的时空立方体206的)时空立方体，并且该立方体312被细分成更小的立方体314。所描述的空中走廊200是动态可适配的(例如，在相关联的空中走廊模型106的操作期间)，因为走廊200的立方体206可以被扩展、分割、或以其他方式细分，如示图300所示，以适应不同数量、类型和/或尺寸的空中交通工具。
在这样的示例中，空中走廊模型106和相关联的空中走廊200被配置为使用在给定时间仅一个空中交通工具可以占用立方体(例如，立方体310、312和/或314)的规则来操作。然后，空中走廊200的立方体206可适于将空中走廊200细分为一定数量的立方体，其使得多个空中交通工具能够基本上同时安全地行进通过空中走廊，同时保持每个飞行器的立方体尺寸，该立方体尺寸被限定为保留空中交通工具周围的安全间隔距离(例如，基于飞行器的尺寸和/或与安全间隔相关联的其他因素)。
更正式地，如关于图3的立方体310、312和314所示，通过将其递归地细分成八个八进制，直到达到AAM系统的间隔最小值(例如，最小安全立方体尺寸的测量)的粒度等级(例如，其可与将使用空中走廊的空中交通工具的尺寸相关联)，空中走廊200的每个3D区段(例如，立方体206)可被分割和/或重新调整尺寸。然后，使用空中走廊200的所得立方体来定义马尔可夫决策过程(MDP)的有限状态集，以用于训练和/或操作相关联的空中走廊模型106。在其他示例中，可以采用训练和使用该模型的其他方法。
在一些示例中，适配过程的产物是被定义为可以使用八叉树数据结构建模的离散立方体集合的空中走廊200。在这样的示例中，使用八叉树数据结构来表示空中走廊的立方体集合使得能够高效地搜索和处理与那些立方体相关联的数据，包括识别空中走廊的立方体内的安全行进路径和/或冲突。在其他示例中，可以在不脱离本说明书的情况下使用划分空中走廊200和/或基于那些划分来训练相关联的空中走廊模型106的其他方法。
返回图1，空中走廊模型训练器104包括配置为训练空中走廊模型106以便维护和使用诸如空中走廊200的空中走廊(其表示原点数据108所指示的原点与目的地数据110所指示的目的地之间的现实空域部分)的硬件、固件和/或软件。在一些示例中，训练空中走廊模型106以预测飞行器和/或代理的最佳轨迹，使得它们可以以有效方式在空中走廊中向前移动，包括保持交通工具之间和/或交通工具与其他障碍物之间的安全距离以及通过最大化可适配的空中走廊的体积的使用。可以训练空中走廊模型106以接收空中走廊中的飞行器的数量；这些飞行器的尺寸和/或其他安全间隔距离数据；在空中走廊的起点和目的地处的垂直升降机场、直升飞机场和/或其他起飞和着陆区域的数量；和/或与有待与该空中走廊一起使用的安全间隔最小值相关联的其他数据作为输入。
在一些示例中，空中走廊模型训练器104被配置为使用强化学习(RL)技术来训练空中走廊模型106，诸如单代理强化学习(SARL)或多代理强化学习(MARL)。为了执行这种训练，模拟与空中走廊模型106相关联的空中走廊，然后引导模拟飞行器沿着模拟空中走廊行进。在训练时，通过空中走廊模型106确定模拟飞行器行进时的下一位置，其中，可以奖励安全决策，而不针对被训练的模型106奖励或惩罚危险决策(例如，导致碰撞或违反安全间隔距离的决策)。因此，安全决策被强化，并且模型106被训练以确定飞行器在空中走廊中的安全的下一位置。
此外，在一组可能的安全的下一位置中，与较不直接或较低效的下一位置相比，可使飞行器能够更直接地或以其他方式有效地沿着空中走廊行进的下一位置被奖励至更大的程度，从而模型106也被训练以优化在空中走廊行进的飞行器的效率。下面参照图4A至图4B更详细地描述这种过程。
图4A至图4B是示出根据实施例从空中走廊(例如，空中走廊200)中的当前位置立方体402确定下一位置立方体的示图400A和400B。在一些示例中，由或基于经训练的空中走廊模型(诸如空中走廊模型106)来执行从当前位置立方体402确定下一位置立方体。这种空中走廊模型可以由空中走廊模型训练器(诸如本文所述的空中走廊模型训练器104)训练，并且其可以由飞行器或其他代理(诸如飞行器102和/或其他代理122)使用。示图400A包括当前位置立方体402和多个可能的下一位置立方体404。当前位置立方体402表示相关联的空中走廊中的空气空间体积，通过空中走廊模型控制或指导的飞行器102位于该空中走廊中。确定飞行器102当前位于当前位置立方体402中可基于飞行器102收集或获得的当前位置数据(例如，当前位置数据114)，诸如传感器收集的遥测数据，和/或基于飞行器102位置从前一位置的外推。
如箭头A所示，当前位置立方体402中的飞行器102从左向右移动。因此，飞行器102的可能的下一位置立方体404包括位于当前位置数据114紧邻右侧(正交或对角地)的9个立方体。在其他示例中，多个可能的下一位置立方体404还可包括在其他方向上围绕当前位置立方体402的立方体(例如，从当前位置立方体402向上、向下、向侧面或其某种组合的立方体)。然而，当飞行器102从左向右移动时，立方体402右侧的可能的下一位置立方体404是优选的，因为它们能够使飞行器102继续通过空中走廊(例如，空中走廊200)前进。从飞行器102的角度来看，可能的下一位置立方体404包括如果飞行器102进行以下移动则将进入的立方体：向前直线行进；向前和向上行进；向前和向下行进；向前和向右行进；向左前行；向前、向右和向上行进；向前、向左和向上行进；向前、向右和向下行进；以及向前、向左和向下行进。
图4B的示图400B示出了当前位置立方体402和可能的下一位置立方体404的子集，包括立方体406、408和410。给定飞行器102在空中走廊中的当前位置以及其他代理(例如，其他代理122)在空中走廊中的位置数据，空中走廊模型(例如，空中走廊模型106)被配置为从多个可能的下一位置立方体404中选择。在一些示例中，模型被配置为基于确定或识别每个可能的下一位置立方体的学习奖励或权重值并选择与最高值相关联的立方体来选择下一位置立方体404中的一个。可以基于飞行器102和任何其他代理的输入位置数据，将奖励值分配给每个可能的下一位置立方体404，使得行进通过空中走廊的最有效的立方体接收最高奖励值，该空中走廊也是飞行器102相对于其他代理的预测安全轨迹。例如，如果模型已经确定仅立方体406、408和410被预测为对于飞行器102是安全的，则每个立方体406、408和410的奖励值是可能的下一位置立方体中的最高值。那些立方体之一可能具有比另外两个更高的奖励值，从而使得其选择超过它们(例如，立方体408可以被选择超过406和410以便作为安全轨迹，该安全轨迹是至目的地的更直接路径或高效路径)。
返回图1，由空中走廊模型训练器104用来训练空中走廊模型106的模拟飞行器可以被配置为选择在模拟空中走廊中行进的可能的下一位置立方体，如参考图4A和图4B所述。这个过程可以在许多迭代上发生，并且可以基于这些迭代的结果训练和/或调整空中走廊模型106，并奖励安全、有效的下一位置立方体决策。在一些示例中，空中走廊模型106的训练过程包括用空中走廊中最少数量的代理训练模型106，并且然后通过训练迭代增加空中走廊中代理的数量，直到空中走廊饱和。当在空中走廊中行进时添加更多代理导致不可避免的碰撞或代理的其他不安全行为时，可以认为空中走廊是饱和的。
如前所述，在一些示例中，根据分散方法训练和操作经训练的空中走廊模型106，使得空中走廊中的每个代理使用空中走廊模型106，并且那些代理通过时变和稀疏的通信网络连接，该网络允许代理在没有任何中央控制器的情况下交换信息。因此，每个代理的策略是独立的。在每个步骤或位置，每个代理基于可用的本地信息(诸如当前位置数据114)以及基于从其他相邻代理发送的消息(诸如其他代理位置数据118)两者来执行单独的动作。所有代理的共同目标是使整个空中走廊的网络中的所有代理的决策的平均奖励最大化。在策略梯度方法中，这转换成从联合奖励信号同时优化多个策略。这样的方法可以使得异构策略的学习更容易。
在一些示例中，分散方法包括基于针对MARL的策略梯度定理使用分散行动者-评论者算法(decentralized actor-critic algorithms)。此外，该方法可以使用softmax时间一致性，导出原始双分散优化方法，并且提议值传播算法。这些方法呈现对大量代理的可扩展性、针对恶意攻击的稳健性以及通信效率的优点。
如先前所描述的，模型106可被训练以利用MDP技术。MDP可由5元组S、A、R、P、γ描述，其中，S是有限状态空间，A是有限动作空间，P＝(P(s′|s，a))s，s′∈S，a∈A是转移概率，R＝(R(s，a))s，s′∈S，a∈A是真正有价值的即时回报即时奖励，并且γ∈(0，1)是折扣因子。策略表示为π，其中，π(st，at)为策略在at处的条件概率密度。
Figure BDA0003587343540000111
是最优值函数，并且它是V(s)的唯一固定点，贝尔曼最优运算符。
此外，现在描述一种联网的多代理MDP。令G＝(N，E)是具有|N|＝N个代理的无向图，其中，E是边的集合，(i，j)∈E表示代理i和j可经由该边彼此通信。联网的多代理MDP的特征在于元组(S，{Ai}i∈N，P，{Ri}i∈N，G，γ)，其中，S是全局状态空间，由N中的所有代理共享，Ai是代理i的动作空间，
Figure BDA0003587343540000112
是所有代理的联合动作空间，P是转移概率，Ri是代理i的本地奖励函数。在这样的示例中，奖励仅在本地被观察到，并且代理在每个时间步骤处观察到st并且做出决策
Figure BDA0003587343540000113
然后，每个代理仅接收其自身的奖励Ri(st，at)，并且环境根据转移概率切换到新状态st+1。此外，由于每个代理独立地做出其自身的决策，所以假定决策π(s，a)可以被因子分解是合理的。由于该动作是由代理本地执行的，并且评论者(价值)函数是本地训练的事实，因此该方法是完全分散的，并且其目标函数如下：
Figure BDA0003587343540000121
使得
Figure BDA0003587343540000122
其中，δi＝Ri(s，a)+γVi(s′)-λN logπi(s，ai)。
分散MARL设置的问题空间适应如下：环境中的每个飞行器被认为是代理，并且代理N的数量被连接并且它们在环境中随时间Nt改变。该环境包括由如在此描述的一组时空数据立方体形成的可适应空中走廊，并且在每个时间步骤保持全局状态St。单个代理的动作空间At指定代理可以到达下一时间步长t的位置(例如，图4A的可能的下一位置立方体404)。在每个时间步骤Rt，每个代理与奖励函数相关联，并且第i个代理尝试最大化其自身的预期折扣回报。在给定在当前状态St中采取的联合动作at的情况下，转换到状态St+1的概率是状态转换概率。尽管动作是确定性的，但是新交通工具将在每次在空中走廊中的不同立方体中可用，并且一些当前可用的交通工具将在到达其目的地时离线。
使用这种配置，将分离提供任务指定为完全合作(例如，所有交通工具想要通过使空中走廊的利用率最大化来高效地向前移动)、部分可观察(例如，每个交通工具可以观察其自身的状态/位置)、以及顺序的多代理决策问题。该任务可在代理经由时变且可能稀疏的通信网络连接的设置中使用MARL来解决。每个代理的策略在这个完全分散的方案中是独立的。具体地，在每个状态下，每个交通工具采取行动，并且这些行动一起确定空中走廊的下一状态和每个交通工具的单独奖励。在该协作设置中，交通工具试图使整个网络中的折扣奖励总和最大化。
在其他示例中，当训练和使用空中走廊模型106时，可以使用完全集中式方法或集中式学习方法。在完全集中式方法中，使用空中走廊中的所有代理的动作和观察的联合模型。集中式策略将代理的联合观察映射到联合动作。因此，利用中央控制器可用的所有代理的信息，控制空中走廊中的代理的问题减少到可由SARL算法解决的MDP。然而，这种方法可能导致观察和动作空间随代理数量的指数增长，并且中央控制器与每个代理通信的需要呈现另外的限制。这样的集中式方法将可能不解决由在此所描述的分散方法提供的可扩展性。
在集中式学习方法中，使用集中式学习来训练模型106，但模型106的使用在代理之间分散，焦点在于在学习期间代理之间的通信不受限制的设置。这种通信可以由中央控制器在训练期间执行。然而，在已学习的策略的执行期间，代理可能仅能够经由有限带宽信道进行通信。因此，该方法允许同时利用所有代理的经验来训练模型106的策略。
在一些示例中，所描述的系统被配置为在特定高度处的空气通路中操作。例如，所描述的系统可被配置为在400英尺与2500英尺之间的高度处操作，使得飞行器102和其他代理122在所建立的无人驾驶飞机系统交通管理(UTM)的高度之上同时保持在其他类型的飞机的正常操作高度之下操作。在其他示例中，可使用较大、较小或不同的高度限制而不脱离本说明书。
在一些示例中，在所描述的系统的空中走廊中操作的飞行器被配置为能够垂直起飞和着陆(VTOL)以及悬停，并且当确定飞行器的下一位置时，模型106可以考虑这些能力。另外或可选地，在空中走廊中操作的飞行器可以包括不能悬停和/或VTOL的固定翼飞行器，这可能导致那些交通工具关于在特定时间可安全实现的下一位置较不灵活(例如，这样的交通工具关于速度变化、获得高度或以其他方式快速改变路线可能比能够悬停交通工具较不灵活)。模型106还可以被训练成考虑这样的限制，使得基于在空中走廊中存在较不易操纵的交通工具来确定在空中走廊中的交通工具的下一位置。
此外，可以通过在远程位置使用小型无人驾驶飞机系统(sUAS)在现实世界测试中执行另外的学习。这样的过程可进一步使得能够验证基于模拟训练的模型106，并且揭示基于训练模拟可能不明显的附加现实世界考虑。更进一步，一旦模型106被嵌入或以其他方式安装在飞行器102和/或其他代理122中，根据机器学习技术(诸如本文中描述的强化学习)在这些交通工具的操作期间收集的反馈数据可用于进一步调整和/或改进模型106。
图5是示出根据实施方式的用于控制飞行器(例如，飞行器102)保持与其他代理交通工具(例如，其他代理122)安全间隔的同时在空中走廊(例如，空中走廊200)中行进的过程500的流程图。在一些示例中，过程500由诸如本文中描述的系统100的系统中的飞行器执行或以其他方式执行。
在502，接收经训练的空中走廊模型，该模型与原点位置、目的地位置、以及它们之间的空中走廊(例如，在定义的高度范围(诸如400英尺到2500英尺)中在原点与目的地之间的直线中的空域走廊)相关联。在一些示例中，接收空中走廊模型包括将该模型嵌入或以其他方式安装到飞行器的计算机系统中，使得计算机系统可以使用空中走廊模型来影响飞行器的控制。此外，经训练的空中走廊模型可以被配置为使飞行器能够通过空中走廊有效地从原点行进到目的地，或者通过空中走廊有效地从目的地行进到原点，同时保持与在空中走廊行进或以其他方式进入空中走廊的其他代理(例如，当降落到附近跑道或从附近跑道起飞时可能干扰空中走廊的其他常规飞机)的安全间隔距离。
在504处，识别飞行器在空中走廊中的当前位置的当前位置数据。在一些示例中，空中走廊由表示空中走廊中从原点到目的地的空域的部分的时空数据立方体的联合集合表示。此外，空中走廊可通过细分或扩展其数据立方体(例如，将较大数据立方体细分成八角形，或填充较大立方体体积的八个较小数据立方体，或将八个较小数据立方体的集合组合成单个较大数据立方体)来适配。可以对空中走廊的数据立方体进行这种细分和/或扩展以适应飞行器的尺寸和形状，以及其影响交通工具的最小安全间隔距离的任何其他特征。细分和/或扩展还可以基于优化多个代理交通工具对空中走廊的安全、有效使用，直到空中走廊的饱和极限。例如，对于特定尺寸的飞行器，可以将空中走廊细分为保留飞行器的安全间隔距离的最小立方体，使得当每个立方体只能被一个飞行器占用时，多个飞行器有效地使用空中走廊的所得的数据立方体。所识别的飞行器的当前位置数据可以包括空中走廊内的数据立方体的标识符，以及其他位置信息，诸如高度、纬度、经度、距原点和/或目的地的距离等。飞行器可以收集的其他数据可以包括速度数据和/或行进方向数据。
在506处，接收与空中走廊中的其他代理交通工具相关联的代理位置数据。在一些示例中，代理位置数据通过飞行器与其他代理交通工具之间的无线通信接收(例如，时变和稀疏的通信网络，使得代理交通工具能够在没有任何中央控制器的情况下交换信息)。此外，飞行器可以通过相同或不同的通信方法将所识别的当前位置数据提供给空中走廊中的其他代理交通工具。代理位置数据可以包括与所识别的当前位置数据相同或不同的信息，诸如代理交通工具在空中走廊中占据的数据立方体的标识符、高度、纬度、经度、速度和/或行进方向。代理位置数据还可以包括其他代理交通工具的安全间隔距离(例如，如果其他代理交通工具之一较大并且占据较大数据立方体，则飞行器需要该信息来适当地路由路线以避免与较大交通工具的安全间隔距离碰撞)。
在使用八叉树数据结构定义和处理空中走廊的数据立方体的示例中，另一代理占据的数据立方体的标识符可包括足够的信息以由于八叉树数据结构的性质而保留该另一代理的安全间隔距离。例如，如果八叉树数据结构由指示每个阶层式级别的较小、更细粒度的数据立方的阶层数据值来表示，则包括具有更少阶层式级别的数据立方标识符的位置数据指示相关联的代理的安全间隔距离可能大于具有更多阶层式级别的数据立方标识符的代理(例如，2.4.6的标识符指示三个阶层式级别，并且该代理位于空中走廊的第二数据立方体的第四个八分之一中的第六个八分之一中，这是具有相关联的完整数据立方体的体积的1/64的数据立方体，而6.1.2.3的标识符指示四个阶层式级别，并且该代理位于空中走廊中的第六数据立方体的第一个八分之一中的第二个八分之一中的第三个八分之一中，这是具有相关联的完整数据立方的体积的1/512的数据立方体，表示比2.4.6标识符更短的安全间隔距离)。
此外，在一些示例中，所接收的代理位置数据来自空中走廊中在飞行器的定义的缓冲范围内的代理交通工具的子集。这种缓冲范围可以根据对空中走廊中的飞行器需要多少提前时间来限定，以便安全有效地避免碰撞，如本文所描述的。可选地，可以从空中走廊中的所有代理交通工具接收所接收的代理位置数据。
在508，基于经训练的空中走廊模型、当前位置数据和代理位置数据确定飞行器的下一位置。在一些示例中，空中走廊模型被配置为接收当前位置数据和代理位置数据作为输入，并提供下一位置的下一位置数据作为输出。此外，可以训练空中走廊模型以基于当前位置数据(例如，当前数据立方体的标识符和行进方向)确定可能的下一位置数据立方体的集合，基于该当前位置数据和其他代理的代理位置数据确定每个可能的下一位置数据立方体的奖励值，并且选择具有最高奖励值的可能的下一位置数据立方体作为飞行器的下一位置。空中走廊中的其他代理交通工具也可以基本相同的方式确定它们的下一位置，并且可以训练飞行器的经训练的空中走廊模型，以至少部分地基于空中走廊中的其他代理也使用这种模型选择下一位置，确定可能的下一位置数据立方体的奖励值。
在步骤510，控制飞行器在空中走廊中从当前位置行进到所确定的下一位置。在一些示例中，飞行器被控制为从当前位置数据立方体行进到构成空中走廊的数据立方体集合中的下一位置数据立方体。对飞行器的这种控制可以包括以下各项中一个或多个：使飞行器加速、使飞行器减速、使飞行器获得高度、使飞行器失去高度、使飞行器改变方向或航向、以及使飞行器保持其当前方向或航向。在许多示例中，飞行器由一个或多个计算系统自动控制，但是在其他示例中，交通工具控制的一些部分可以是手动的。在这种至少部分手动控制的系统中，飞行器的下一位置可传送至飞行器的飞行员或其他控制用户，这可以包括指示朝向下一位置的方向和/或指示一个或多个控制以调整使飞行器行进至下一位置。在这样的示例中，自动控制的飞机可以被配置为优先于空中走廊中的手动控制的飞机，并且可以涉及附加的策略规划以确保人类飞行员能够执行任何必要的机动。
在512，如果飞行器已经到达目的地，则过程进行至514。可选地，如果飞行器未到达目的地，则过程返回至504，此时，再次执行从504到510的过程以确定并行进至下一位置。因此，控制飞行器从一个位置到另一位置沿空中走廊向下行进，其中，每个下一位置是基于空中走廊模型和飞行器的最新的位置数据以及传送其自身的位置数据的任何附近的代理交通工具来确定的。在514，飞行器的飞行结束(例如，通过在直升飞机场、垂直升降机场或另一定义的降落区域降落)。
在一些示例中，控制飞行器从空中走廊的起点或目的地起飞和/或着陆在空中走廊的起点或目的地处可以在飞行器进入相关联的空中走廊之前以另一方式执行，该相关联的空中走廊可以升高离开地面并高于着陆区域。例如，在空中走廊的特定终点处允许起飞或着陆的交通工具的数量可以基于在该位置处可用的直升飞机场或垂直升降机场的数量。可选地或另外，如果终点的着陆区位于空中走廊内，可以训练空中走廊模型来控制飞行器从该着陆区起飞和/或着陆在该着陆区。在不脱离本文的说明书的情况下可以使用其他方法来控制飞行器在空中走廊的终点处的起飞和着陆。
图6是示出根据实施例的用于训练空中走廊模型(例如，空中走廊模型106)的过程600的流程图。在一些示例中，过程600由系统(诸如系统100)和/或其组件(诸如空中走廊模型训练器104)执行，如本文所描述的。在602，定义与原点和目的地相关联的模拟空中走廊。在一些示例中，必须基于特定的原点-目的地对来训练模型。定义模拟空中走廊可以包括定义如上所述的时空数据立方体的联合集合。
在604处，生成多个模拟代理，并且在606处，多个模拟代理被配置为经由时变和稀疏通信将它们在空中走廊中的位置互相传送，从而模拟现实世界系统的有限通信。在608处，那些模拟代理被配置为使用正在训练的空中走廊模型来行进通过模拟走廊。然后，那些模拟代理以不同的布置、组织、顺序和定时沿空中走廊向下发送。
在610处，当模拟代理沿着空中走廊行进时，跟踪由代理获得的奖励。在一些示例中，模拟代理使用基于空中走廊模型的MDP来确定下一位置，如本文所描述。空中走廊模型被配置为确定每个模拟代理在每个时间点的可能的下一位置的奖励，如本文所述。模拟代理之间的冲突可以被分配非常低的奖励值或甚至负奖励值以不鼓励这种行为。
在612，所跟踪的模拟代理的奖励用作反馈数据来训练空中走廊模型。可以调谐该模型以改善导致模拟代理成功到达目的地的下一位置决策的奖励，同时导致冲突或低效行进的下一位置决策可能具有降低的奖励。空中走廊模型的训练可以基于RL技术，诸如MARL，如本文所描述的。
如果在614模型训练还未完成，该过程返回到604执行所描述的模拟的另一次迭代，以进一步调谐空中走廊模型。可选地，如果在614完成模型训练，则过程进行到616，在616可对模型执行现实世界测试。例如，无人驾驶空中出租飞机可以被配置为使用经训练的模型并且被控制以沿着远程区域中的空中走廊行进以确认模型在现实世界中的操作和/或识别在模拟期间未被识别的任何问题。
示例性操作环境
本公开可利用根据图7中的功能框图700的实施方式的计算设备进行操作。在实施例中，计算设备718的组件可被实现为根据本说明书中描述的一个或多个实施例的电子装置的一部分。计算设备718包括一个或多个处理器719，其可以是微处理器、控制器、或用于处理计算机可执行指令以控制电子装置的操作的任何其他合适类型的处理器。可选地或另外，处理器719是能够执行逻辑或指令的任何技术，诸如硬编码机器。可以在设备718上设置包括操作系统720的平台软件或任何其他合适的平台软件，以使得能够在装置上执行应用软件721。根据实施例，在使用本文所述的经训练的空中走廊模型保持安全间隔距离的同时控制飞行器在空中走廊中行进可以通过软件、硬件和/或固件来实现。
计算机可执行指令可以使用计算设备718可访问的任何计算机可读介质来提供。计算机可读介质可例如包括诸如存储器722的计算机存储介质和通信介质。诸如存储器722的计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块等的信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括但不限于RAM、ROM、EPROM、EEPROM、永久存储器、相变存储器、闪存或其他存储器技术、CD-ROM、数字通用盘(DVD)或其他光存储、磁带盒、磁带、磁盘存储、叠瓦式盘存储或其他磁存储装置、或可用于存储信息以供计算设备访问的任何其他非传输介质。相对照地，通信介质可在调制数据信号(诸如载波)或其他传输机制中实现计算机可读指令、数据结构、程序模块等。如本文所定义的，计算机存储介质不包括通信介质。因此，计算机存储介质不应被解释为传播信号本身。传播信号本身不是计算机存储介质的示例。尽管计算机存储介质(存储器722)被示出在计算设备718内，但本领域技术人员将理解，存储器可以被分布或远程定位并且经由网络或其他通信链路(例如，使用通信接口723)来访问。
计算设备718可包括输入/输出控制器724，其被配置为将信息输出到一个或多个输出装置725，例如显示器或扬声器，其可与电子装置分离或集成。输入/输出控制器724也可以被配置为接收和处理来自一个或多个输入装置726(例如，键盘、麦克风或触摸板)的输入。在一个实施例中，输出装置725还可以充当输入装置。这样的装置的示例可以是触敏显示器。输入/输出控制器724还可以向除输出装置之外的装置(例如，本地连接的打印装置)输出数据。在一些实施例中，用户可以向输入装置726提供输入和/或从输出装置725接收输出。
本文中描述的功能可以至少部分地由一个或多个硬件逻辑组件来执行。根据实施例，计算设备718在由处理器719执行时由程序代码配置以执行所描述的操作和功能的实施例。可选地或另外，本文描述的功能可以至少部分地由一个或多个硬件逻辑组件来执行。例如但不限于，可使用的硬件逻辑组件的说明性类型包括现场可编程门阵列(FPGA)、专用集成电路(ASIC)、程序专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑器件(CPLD)、图形处理单元(GPU)。
附图中不同元件的功能的至少一部分可由附图中其他元件或附图中未示出的实体(例如，处理器、web服务、服务器、应用程序、计算装置等)执行。
尽管结合示例性计算系统环境进行了描述，但是本公开的示例能够用许多其他通用或专用计算系统环境、配置或装置实现。
可适用于本公开的各方面的公知的计算系统、环境和/或配置的示例包括但不限于移动或便携式计算装置(例如，智能电话)、个人计算机、服务器计算机、手持式(例如，平板)或膝上型装置、多处理器系统、游戏控制台或控制器、基于微处理器的系统、机顶盒、可编程消费电子产品、移动电话、具有可穿戴或配件形状因子(例如，手表、眼镜、头戴式耳机或耳机)的移动计算和/或通信装置、网络PC、小型计算机、大型计算机、包括上述系统或装置中的任一个的分布式计算环境等。通常，本公开可与具有处理能力的任何装置一起操作，使得其可执行诸如本文中描述的那些指令。这样的系统或装置可以以任何方式接受来自用户的输入，包括来自诸如键盘或指点装置的输入装置、经由姿势输入、接近输入(诸如通过悬停)和/或经由语音输入。
本公开的示例可在由软件、固件、硬件或其组合中的一个或多个计算机或其他装置执行的计算机可执行指令(诸如程序模块)的一般上下文中描述。计算机可执行指令可被组织成一个或多个计算机可执行组件或模块。通常，程序模块包括但不限于执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件和数据结构。本公开的各方面可用任何数目和组织的此类组件或模块来实施。例如，本公开的各方面不限于在附图中说明且在本文中描述的特定计算机可执行指令或特定组件或模块。本公开的其他示例可包括具有比本文所示和所描述的更多或更少的功能的不同计算机可执行指令或组件。
在涉及通用计算机的示例中，本公开的各方面在被配置为执行本文描述的指令时将通用计算机变换成专用计算装置。
一种用于控制飞行器在保持与其他代理交通工具的安全间隔的同时在空中走廊中行进的示例计算机系统包括：处理器；以及非暂时性计算机可读介质，其上存储有用于将数据传送到另一计算机系统的程序代码，该程序代码使处理器：接收与原点、目的地以及表示原点与目的地之间的空域的空中走廊相关联的经训练的空中走廊模型，其中，该经训练的空中走廊模型被配置为保持该空中走廊中的交通工具之间的安全间隔距离；识别表示飞行器在空中走廊中的当前位置的当前位置数据；接收与至少一个代理交通工具在空中走廊中的位置相关联的代理位置数据；以及基于经训练的空中走廊模型、当前位置数据和代理位置数据来确定空中交通工具在空中走廊中的下一位置。
一种用于控制飞行器在保持与其他代理交通工具的安全间隔的同时在空中走廊中行进的示例计算机化方法包括：由飞行器的处理器接收与原点、目的地以及表示原点与目的地之间的空域的空中走廊相关联的经训练的空中走廊模型，其中，该经训练的空中走廊模型被配置为保持该空中走廊中的交通工具之间的安全间隔距离；由处理器识别表示飞行器在空中走廊的当前位置的当前位置数据；由处理器接收与至少一个代理交通工具在空中走廊中的位置相关的代理位置数据；以及由处理器基于该经训练的空中走廊模型、当前位置数据和代理位置数据确定飞行器在空中走廊中的下一位置。
一种非暂时性计算机存储介质，其上存储有可由第一站点处的第一计算机系统执行的程序代码，该程序代码实现一种方法，该方法包括：由飞行器接收与原点、目的地以及表示原点与目的地之间的空域的空中走廊相关联的经训练的空中走廊模型，其中，该经训练的空中走廊模型被配置为保持该空中走廊中的交通工具之间的安全间隔距离；识别表示所述飞行器在所述空中走廊中的当前位置的当前位置数据；接收与至少一个代理交通工具在空中走廊中的位置相关联的代理位置数据；以及基于该经训练的空中走廊模型、当前位置数据和代理位置数据确定飞行器在空中走廊中的下一位置。
可选地，或除本文描述的其他示例之外，示例包括以下的任何组合：
-其中，空中走廊包括表示空中走廊中从原点到目的地的空域的部分的时空数据立方体的联合集合；并且其中，时空数据立方体的联合集合的至少一个数据立方体被细分成多个数据子立方体，其中，数据子立方体的尺寸基于所定义的最小安全间隔距离。
-其中，识别飞行器在空中走廊中的当前位置的当前位置数据包括：识别飞行器当前所处的空中走廊的当前数据子立方体；并且其中，基于经训练的空中走廊模型、当前位置数据和代理位置数据来确定飞行器在空中走廊中的的下一位置包括：确定与所标识的当前数据子立方体相邻的空中走廊的下一数据子立方体。
-其中，基于经训练的空中走廊模型确定飞行器在空中走廊中的下一位置包括：基于经训练的空中走廊模型调整空中走廊以优化空中走廊的使用，其中，该调整包括以下各项中的至少一项：将空中走廊的数据立方体细分为空中走廊的八分之一子立方体，以及将空中走廊的子立方体组合成空中走廊的较大立方体。
-其中，程序代码进一步使处理器将所标识的当前位置数据发送到空中走廊中的至少一个代理交通工具。
-进一步包括：控制飞行器在空中走廊中从当前位置行进到所确定的下一位置包括以下各项中的至少一项：使飞行器加速、使飞行器减速、使飞行器获得高度、使飞行器失去高度以及使飞行器改变方向。
-其中，该空中走廊包括从400英尺的高度到2500英尺的高度的空域。
在不损失所寻求的效果的情况下，本文所给定的任何范围或装置值可以被扩展或改变，如技术人员将清楚的。
虽然本公开的各方面没有跟踪个人可识别信息，但是已经参考从用户监控和/或收集的数据来描述了示例。在一些示例中，可以向用户提供对数据的收集的通知(例如，经由对话框或偏好设置)，并且给予用户机会来给出或拒绝对监控和/或收集的同意。该同意可以采取选择加入同意或选择退出同意的形式。
尽管已经用结构特征和/或方法动作专用的语言描述了本主题，但可以理解，所附权利要求书中定义的主题不必限于上述具体特征或动作。相反，上述具体特征和动作是作为实现权利要求的示例形式来公开的。
将理解的是，以上描述的益处和优点可以涉及一个实施例或者可以涉及若干实施例。实施例不限于解决任何或所有陈述的问题的那些实施例或者具有任何或所有陈述的益处和优点的那些实施例。将进一步理解，提及“一个”项是指那些项中的一个或多个。
在此说明和描述的这些实施例以及在此没有具体描述但是具有权利要求的各方面的范围的实施例构成了用于由飞行器的处理器接收与原点、目的地以及表示该原点与该目的地之间的空域的空中走廊相关联的经训练的空中走廊模型的示例性装置，其中，该经训练的空中走廊模型被配置为保持该空中走廊中的交通工具之间的安全间隔距离；用于由处理器识别表示飞行器在空中走廊中的当前位置的当前位置数据的示例性装置；用于由处理器接收与至少一个代理交通工具在空中走廊中的位置相关联的代理位置数据的示范性装置；以及用于由处理器基于经训练的空中走廊模型、当前位置数据和代理位置数据确定飞行器在空中走廊中的下一位置的示例性装置。
术语“包括”在本说明书中用于表示包括其后跟随的一个或多个特征或动作，而不排除一个或多个附加特征或动作的存在。
在一些示例中，附图所示的操作可实施为在计算机可读介质上编码的软件指令、以经编程或设计以执行操作的硬件实施，或两者。例如，本公开的各方面可实施为包含多个互连的导电元件的片上系统或其他电路。
除非另有规定，否则在本文中示出和描述的本公开的示例中的操作的执行或进行的顺序不是必要的。即，除非另有规定，否则可以任何顺序执行操作，并且本公开的示例可包括比本文公开的那些操作更多或更少的操作。例如，预期在另一操作之前、同时或之后执行或执行特定操作在本公开的各方面的范围内。
当介绍本公开的各方面或其示例的元件时，冠词“一(a)”、“一个(an)”、“该(the)”和“所述(said)”旨在意味着存在一个或多个元件。术语“包括(comprising)”、“包括(including)”和“具有”旨在是包括性的，并且意味着可能存在除了所列出的元件之外的附加元件。术语“示例性的”旨在意味着“…的示例”。短语“以下中的一个或多个：A、B和C”是指“A中的至少一个和/或B中的至少一个和/或C中的至少一个”。
此外，本公开包括根据以下示例的实施方式：
示例1.一种用于控制飞行器在保持与其他代理交通工具的安全间隔的同时在空中走廊中行进的计算机系统，该计算机系统包括：
处理器；以及
非暂时性计算机可读介质，其上存储有用于将数据传送至另一计算机系统的程序代码，该程序代码使处理器：
接收与原点、目的地以及表示原点与目的地之间的空域的空中走廊相关联的经训练的空中走廊模型，其中，该经训练的空中走廊模型被配置为保持该空中走廊中的交通工具之间的安全间隔距离；
识别表示飞行器在空中走廊中的当前位置的当前位置数据；
接收与至少一个代理交通工具在空中走廊中的位置相关联的代理位置数据；以及
基于经训练的空中走廊模型、当前位置数据和代理位置数据确定飞行器在空中走廊中的下一位置。
示例2.根据示例1的计算机系统，其中，空中走廊包括表示空中走廊中从原点到目的地的空域的部分的时空数据立方体的联合集合；并且
其中，时空数据立方体的联合集合的至少一个数据立方体被细分成多个数据子立方体，其中，数据子立方体的尺寸基于所定义的最小安全间隔距离。
示例3.根据示例2的计算机系统，其中，识别飞行器在空中走廊中的当前位置的当前位置数据包括：识别飞行器当前所处的空中走廊的当前数据子立方体；并且
其中，基于经训练的空中走廊模型、当前位置数据和代理位置数据来确定飞行器在空中走廊中的下一位置包括：确定与所标识的当前数据子立方体相邻的空中走廊的下一数据子立方体。
示例4.根据示例2的计算机系统，其中，基于经训练的空中走廊模型确定飞行器在空中走廊中的下一位置包括：基于经训练的空中走廊模型调整空中走廊以优化空中走廊的使用，其中，该调整包括以下各项中的至少一项：将空中走廊的数据立方体细分为空中走廊的八分之一子立方体，以及将空中走廊的子立方体组合成空中走廊的较大立方体。
示例5.根据示例1的计算机系统，其中，程序代码还使处理器将所标识的当前位置数据发送到空中走廊中的至少一个代理交通工具。
示例6.根据示例1的计算机系统，进一步包括：控制飞行器在空中走廊中从当前位置行进到所确定的下一位置包括以下各项中的至少一项：使飞行器加速、使飞行器减速、使飞行器获得高度、使飞行器失去高度以及使飞行器改变方向。
示例7.根据示例1的计算机系统，其中，该空中走廊包括从400英尺的高度到2500英尺的高度的空域。
示例8.一种用于控制飞行器在保持与其他代理交通工具的安全间隔的同时在空中走廊中行进的计算机化的方法，该方法包括：
由飞行器的处理器接收与原点、目的地以及表示原点与目的地之间的空域的空中走廊相关联的经训练的空中走廊模型，其中，该经训练的空中走廊模型被配置为保持该空中走廊中的交通工具之间的安全间隔距离；
由处理器识别表示飞行器在空中走廊的当前位置的当前位置数据；
由处理器接收与至少一个代理交通工具在空中走廊中的位置相关联的代理位置数据；以及
由处理器基于经训练的空中走廊模型、当前位置数据和代理位置数据来确定空中飞行器在空中走廊中的下一位置。
示例9.根据示例8的计算机化方法，其中，空中走廊包括表示空中走廊中从原点到目的地的空域的部分的时空数据立方体的联合集合；并且
其中，时空数据立方体的联合集合的至少一个数据立方体被细分成多个数据子立方体，其中，数据子立方体的尺寸基于所定义的最小安全间隔距离。
示例10.根据示例9的计算机化方法，其中，识别飞行器在空中走廊中的当前位置的当前位置数据包括：识别飞行器当前所处的空中走廊的当前数据子立方体；并且
其中，基于经训练的空中走廊模型、当前位置数据和代理位置数据来确定飞行器在空中走廊中的下一位置包括：确定与所标识的当前数据子立方体相邻的空中走廊的下一数据子立方体。
示例11.根据示例9的计算机化方法，其中，基于经训练的空中走廊模型确定飞行器在空中走廊中的下一位置包括：基于经训练的空中走廊模型调整空中走廊以优化空中走廊的使用，其中，该调整包括以下各项中的至少一项：将空中走廊的数据立方体细分为空中走廊的八分之一子立方体，以及将空中走廊的子立方体组合成空中走廊的较大立方体。
示例12.根据示例8的计算机化方法，还包括由处理器将所标识的当前位置数据发送到空中走廊中的至少一个代理交通工具。
示例13.根据示例8的计算机化方法，还包括：控制飞行器在空中走廊中从当前位置行进到所确定的下一位置包括以下各项中的至少一项：使飞行器加速、使飞行器减速、使飞行器获得高度、使飞行器失去高度以及使飞行器改变方向。
示例14.根据示例8的计算机化方法，其中，该空中走廊包括从400英尺的高度到2500英尺的高度的空域。
示例15.一种非暂时性计算机存储媒体，其上存储有可由第一站点处的第一计算机系统执行的程序代码，该程序代码实现一种方法，该方法包括：
由飞行器接收与原点、目的地以及表示原点与目的地之间的空域的空中走廊相关联的经训练＝的空中走廊模型，其中，该经训练的空中走廊模型被配置为保持该空中走廊中的交通工具之间的安全间隔距离；
识别表示飞行器在空中走廊中的当前位置的当前位置数据；
接收与至少一个代理交通工具在空中走廊中的位置相关联的代理位置数据；以及
基于经训练的空中走廊模型、当前位置数据和代理位置数据确定飞行器在空中走廊中的下一位置。
示例16.根据示例15的非暂时性计算机存储介质，其中，空中走廊包括表示空中走廊中从原点到目的地的空域的部分的时空数据立方体的联合集合；并且
其中，时空数据立方体的联合集合的至少一个数据立方体被细分成多个数据子立方体，其中，数据子立方体的尺寸基于所定义的最小安全间隔距离。
示例17.根据示例16的非暂时性计算机存储介质，其中，识别飞行器在空中走廊中的当前位置的当前位置数据包括：识别飞行器当前所处的空中走廊的当前数据子立方体；并且
其中，基于经训练的空中走廊模型、当前位置数据和代理位置数据来确定飞行器在空中走廊中的下一位置包括：确定与所标识的当前数据子立方体相邻的空中走廊的下一数据子立方体。
示例18.根据示例16的非暂时性计算机存储介质，其中，基于经训练的空中走廊模型确定飞行器在空中走廊中的下一位置包括：基于经训练的空中走廊模型调整空中走廊以优化空中走廊的使用，其中，该调整包括以下各项中的至少一项：将空中走廊的数据立方体细分为空中走廊的八分之一子立方体，以及将空中走廊的子立方体组合成空中走廊的较大立方体。
示例19.根据示例15的非暂时性计算机存储介质，由程序代码实现的该方法进一步包括：将所标识的当前位置数据发送至空中走廊中的至少一个代理交通工具。
示例20.根据示例15的非暂时性计算机存储介质，其中，由程序代码实现的该方法进一步包括：控制飞行器在空中走廊中从当前位置行进到所确定的下一位置包括以下各项中的至少一项：使飞行器加速、使飞行器减速、使飞行器获得高度、使飞行器失去高度以及使飞行器改变方向。
已经详细描述本公开的各方面，将显而易见的是，在不脱离如所附权利要求书限定的本公开的各方面的范围的情况下，修改和变化是可能的。因为在不脱离本公开的各方面的范围的情况下可以对以上构造、产品和方法进行各种改变，所以旨在包含在以上描述中的和在所附附图中示出的所有内容应被解释为说明性的而不是限制性的。

Claims (10)

1.一种用于控制飞行器在保持与其他代理交通工具的安全间隔的同时在空中走廊中行进的计算机系统，所述计算机系统包括：
处理器；以及
存储有用于将数据传送到另一计算机系统的程序代码的非暂时性计算机可读介质，所述程序代码使所述处理器：
接收与原点、目的地以及表示所述原点与所述目的地之间的空域的空中走廊相关联的经训练的空中走廊模型，其中，所述经训练的空中走廊模型被配置为保持所述空中走廊中的交通工具之间的安全间隔距离；
识别表示所述飞行器在所述空中走廊中的当前位置的当前位置数据；
接收与至少一个代理交通工具在所述空中走廊中的位置相关联的代理位置数据；以及
基于所述经训练的空中走廊模型、所述当前位置数据和所述代理位置数据确定所述飞行器在所述空中走廊中的下一位置。
2.根据权利要求1所述的计算机系统，其中，所述空中走廊包括表示所述空中走廊中从所述原点到所述目的地的空域的部分的时空数据立方体的联合集合；并且
其中，所述时空数据立方体的联合集合的至少一个数据立方体被细分成多个数据子立方体，其中，所述数据子立方体的尺寸基于定义的最小安全间隔距离。
3.根据权利要求2所述的计算机系统，其中，识别所述飞行器在所述空中走廊中的所述当前位置的所述当前位置数据包括：识别所述飞行器当前所位于的所述空中走廊的当前数据子立方体；并且
其中，基于所述经训练的空中走廊模型、所述当前位置数据和所述代理位置数据确定所述飞行器在所述空中走廊中的所述下一位置包括：确定与所识别的当前数据子立方体相邻的所述空中走廊的下一数据子立方体。
4.根据权利要求2所述的计算机系统，其中，基于所述经训练的空中走廊模型确定所述飞行器在所述空中走廊中的所述下一位置包括：基于所述经训练的空中走廊模型调整所述空中走廊以优化所述空中走廊的使用，其中，所述调整包括以下各项中的至少一项：将所述空中走廊的数据立方体细分成所述空中走廊的八分之一子立方体，以及将所述空中走廊的子立方体组合成所述空中走廊的较大立方体。
5.根据权利要求1所述的计算机系统，进一步包括：控制所述飞行器在所述空中走廊中从所述当前位置行进到所确定的下一位置包括以下各项中的至少一项：使所述飞行器加速、使所述飞行器减速、使所述飞行器获得高度、使所述飞行器失去高度以及使所述飞行器改变方向。
6.一种用于控制飞行器在保持与其他代理交通工具的安全间隔的同时在空中走廊中行进的计算机化方法，所述计算机化方法包括：
由所述飞行器的处理器接收与原点、目的地以及表示所述原点与所述目的地之间的空域的空中走廊相关联的经训练的空中走廊模型，其中，所述经训练的空中走廊模型被配置为保持所述空中走廊中的交通工具之间的安全间隔距离；
由所述处理器识别表示所述飞行器在所述空中走廊中的当前位置的当前位置数据；
由所述处理器接收与至少一个代理交通工具在所述空中走廊中的位置相关联的代理位置数据；以及
由所述处理器基于所述经训练的空中走廊模型、所述当前位置数据和所述代理位置数据确定所述飞行器在所述空中走廊中的下一位置。
7.根据权利要求6所述的计算机化方法，其中，所述空中走廊包括表示所述空中走廊中从所述原点到所述目的地的空域的部分时空数据立方体的联合集合；并且
其中，所述时空数据立方体的联合集合的至少一个数据立方体被细分成多个数据子立方体，其中，所述数据子立方体的尺寸基于定义的最小安全间隔距离。
8.根据权利要求6所述的计算机化方法，其中，识别所述飞行器在所述空中走廊中的所述当前位置的所述当前位置数据包括：识别所述飞行器当前所位于的所述空中走廊的当前数据子立方体；并且
其中，基于所述经训练的空中走廊模型、所述当前位置数据和所述代理位置数据确定所述飞行器在所述空中走廊中的所述下一位置包括：确定与所识别的当前数据子立方体相邻的所述空中走廊的下一数据子立方体。
9.根据权利要求6所述的计算机化方法，其中，基于所述经训练的空中走廊模型确定所述飞行器在所述空中走廊中的所述下一位置包括：基于所述经训练的空中走廊模型调整所述空中走廊以优化所述空中走廊的使用，其中，所述调整包括以下各项中的至少一项：将所述空中走廊的数据立方体细分成所述空中走廊的八分之一子立方体，以及将所述空中走廊的子立方体组合成所述空中走廊的较大立方体。
10.根据权利要求6所述的计算机化方法，进一步包括：控制所述飞行器在所述空中走廊中从所述当前位置行进到所确定的下一位置包括以下各项中的至少一项：使所述飞行器加速、使所述飞行器减速、使所述飞行器获得高度、使所述飞行器失去高度以及使所述飞行器改变方向。
CN202210371603.7A 2021-04-09 2022-04-08 基于经训练的空中走廊模型控制飞行器沿空中走廊行进 Pending CN115202386A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US202163172982P 2021-04-09 2021-04-09
US63/172,982 2021-04-09

Publications (1)

Publication Number Publication Date
CN115202386A true CN115202386A (zh) 2022-10-18

Family

ID=81346652

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210371603.7A Pending CN115202386A (zh) 2021-04-09 2022-04-08 基于经训练的空中走廊模型控制飞行器沿空中走廊行进

Country Status (5)

Country Link
US (1) US12033522B2 (zh)
EP (1) EP4071742A1 (zh)
JP (1) JP2022169449A (zh)
KR (1) KR20220140413A (zh)
CN (1) CN115202386A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116030664A (zh) * 2023-03-28 2023-04-28 中科星图智慧科技有限公司 基于网格的低空飞行碰撞预警方法、装置、设备及介质

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11803197B2 (en) * 2021-11-15 2023-10-31 Beta Air, Llc Systems and methods for controlling a flight boundary of an aircraft
US20240282199A1 (en) * 2023-02-16 2024-08-22 Rockwell Collins, Inc. Uam corridor visual indication
US20240331552A1 (en) * 2023-03-28 2024-10-03 Airspeed Systems LLC Digital flight airspace, capacity, and risk management system and method

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6006158A (en) * 1993-09-07 1999-12-21 H. R. Pilley Airport guidance and safety system incorporating lighting control using GNSS compatible methods
US5623413A (en) * 1994-09-01 1997-04-22 Harris Corporation Scheduling system and method
DE102007009005A1 (de) * 2006-03-24 2007-10-11 Fraport Ag Frankfurt Airport Services Worldwide Verfahren, Steuerungssystem und Softwareprogramm zur Ausführung des Verfahrens zur optimierten Nutzung der luftseitigen Kapazitäten eines Flughafens
US8554457B2 (en) * 2010-07-15 2013-10-08 Passur Aerospace, Inc. System and method for airport surface management
US20120218127A1 (en) * 2012-05-10 2012-08-30 Christopher Finley Kroen Terminal Intelligent Monitoring System
US9567099B2 (en) * 2013-04-11 2017-02-14 Airbus Operations (S.A.S.) Aircraft flight management devices, systems, computer readable media and related methods
US10332405B2 (en) * 2013-12-19 2019-06-25 The United States Of America As Represented By The Administrator Of Nasa Unmanned aircraft systems traffic management
US10229372B2 (en) * 2015-05-15 2019-03-12 Taleris Global Llp Method for rescheduling flights affected by a disruption and an airline operations control system and controller
US20180373243A1 (en) * 2016-01-01 2018-12-27 USDrobotics Inc. System and Method for Safe Utilization of Unmanned Automated Vehicles in Entertainment Venues
US10540899B2 (en) * 2016-11-21 2020-01-21 Honeywell International Inc. Flight plan segmentation for en route diversion destinations
EP3500903B1 (en) * 2016-12-01 2021-04-28 SZ DJI Technology Co., Ltd. Systems and methods of unmanned aerial vehicle flight restriction for stationary and moving objects
US10896618B2 (en) * 2017-05-03 2021-01-19 Honeywell International Inc. System and method for determining diversion airports for landing in adverse conditions
US20190057327A1 (en) * 2017-08-18 2019-02-21 General Electric Company Cumulative model for scheduling and resource allocation for airline operations
US10997865B2 (en) * 2017-11-16 2021-05-04 The Boeing Company Airport congestion determination for effecting air navigation planning
US20190236966A1 (en) * 2018-01-31 2019-08-01 General Electric Company Centralized registry for unmanned vehicle traffic management
US20190266902A1 (en) * 2018-02-26 2019-08-29 Honeywell International Inc. Method and system for generating a grid map that shows air traffic intensity
US20230073270A1 (en) * 2018-12-13 2023-03-09 10757969 Canada Corporation Control system for controlling unmanned autonomous systems
EP3769173B1 (en) * 2019-05-24 2024-01-03 A^3 By Airbus LLC Risk assessment for unmanned aerial vehicles
EP3751756A1 (en) * 2019-06-14 2020-12-16 Dimetor GmbH Apparatus and method for guiding unmanned aerial vehicles
US20210020049A1 (en) * 2019-07-17 2021-01-21 Honeywell International Inc. Methods and systems for modifying flight path around zone of avoidance
US11645927B2 (en) * 2019-07-22 2023-05-09 The Boeing Company Predictive flight diversion management
US20210125507A1 (en) * 2019-10-23 2021-04-29 Airmatrix Inc. Method and system for unmanned aerial vehicle flight highway
US11257384B2 (en) * 2019-12-17 2022-02-22 The Boeing Company Adaptive scheduling of flight trajectory commands for autonomous or remotely controlled air systems executing air traffic control flight clearances
CN112258898B (zh) * 2020-10-16 2021-08-24 中国民用航空华东地区空中交通管理局 基于数字孪生技术的空中交通管制方法、系统、电子设备及存储介质
US20220172629A1 (en) * 2020-11-30 2022-06-02 The Boeing Company Adaptive scheduling system for unmanned aerial vehicles

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116030664A (zh) * 2023-03-28 2023-04-28 中科星图智慧科技有限公司 基于网格的低空飞行碰撞预警方法、装置、设备及介质

Also Published As

Publication number Publication date
US12033522B2 (en) 2024-07-09
KR20220140413A (ko) 2022-10-18
US20220327937A1 (en) 2022-10-13
JP2022169449A (ja) 2022-11-09
EP4071742A1 (en) 2022-10-12

Similar Documents

Publication Publication Date Title
CN115202386A (zh) 基于经训练的空中走廊模型控制飞行器沿空中走廊行进
Han et al. Grid-optimized UAV indoor path planning algorithms in a complex environment
US8082102B2 (en) Computing flight plans for UAVs while routing around obstacles having spatial and temporal dimensions
US20190385463A1 (en) System and method for managing traffic flow of unmanned vehicles
US9513125B2 (en) Computing route plans for routing around obstacles having spatial and temporal dimensions
Ho et al. Improved conflict detection and resolution for service UAVs in shared airspace
CN108803656B (zh) 一种基于复杂低空的飞行控制方法及系统
US20200372809A1 (en) Traffic control with reinforcement learning
CN104991895A (zh) 一种基于三维空域网格的低空救援航空器航迹规划方法
JP2022537148A (ja) 動的な航空機ルーティング
Wang et al. [Retracted] Virtual Reality Technology of Multi UAVEarthquake Disaster Path Optimization
TWI831911B (zh) 用於操縱地形偵測和迴避的系統、方法及電腦程式產品
Balać et al. Towards the integration of aerial transportation in urban settings
US11410561B2 (en) Traffic management systems and methods for unmanned aerial vehicles
Yang et al. Smart autonomous moving platforms
CN111912408B (zh) 由具有导航设备的飞行器执行的方法和飞行器的导航装置
Yaguchi et al. A waypoint navigation method with collision avoidance using an artificial potential method on random priority
Zhao et al. Temporal and spatial routing for large scale safe and connected uas traffic management in urban areas
CN103680213A (zh) 用于确定合适航点位置的方法
EP4080482A1 (en) System and method for obstacle detection and database management
Tian et al. Dynamic no-fly zone for drones
Šišlák et al. Agentfly: NAS-wide simulation framework integrating algorithms for automated collision avoidance
JP2021196697A (ja) 管理装置、プログラム、システム、及び方法
EP3892959A1 (en) Traffic management systems and methods for unmanned aerial vehicles
Christmann et al. Modeling urban environments for communication-aware uav swarm path planning

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination