制御物理学に基づく機械学習を用いてドローンの意図を解明する（英語）: オープンアクセス レポート アドルフォ・ペルスキア、郭偉志、ベンジャミン・フレイザー、魏壮君著。.
一般にドローンとして知られる無人自律走行機（UAV）は、さまざまな分野でますます活用されるようになっている。しかし、非協力的なドローンは身元や飛行計画を開示せず、重要インフラに重大なリスクをもたらす。ドローンの意図を評価することは、リスク管理と適切な飛行を実行する上で極めて重要である。 対策. .意図はしばしば無形で観察できないが、目に見える意図のクラスを通して推測することができる。.
このような意図クラスを推論するために観測データのみに依存する従来の手法は、観測と学習におけるバイアスのために本質的に信頼性が低い。著者らはこれに対処するため、制御物理学に基づく機械学習（CPhy-ML）モデルを開発した。このモデルは、ディープラーニングの表現力と航空宇宙モデルの保存則を組み合わせることで、ロバストに意図クラスを推論し、バイアスと不安定性を低減する。.
CPhy-MLモデルは、従来の軌跡予測手法と比較して48.28%の性能向上を達成し、ドローンの意図の信頼性の推論において大きな進歩を示している。.
制御物理学に基づいた機械学習を用いてドローンの意図を明らかにする：
- はじめに
- 結果
- ディスカッション
- 方法
- データの利用可能性
- コード利用可能
投稿画像-軌跡意図回帰結果例（投稿画像出典：著者）
