본 논문은 미지의 환경에서 다수의 무인항공기(UAV) 집단에 대한 동적 경로(궤적) 계획 문제를 다룬다. 기존 방법들은 종종 과도한 계산 부담을 수반하여 이론적 접근과 실제 군집 배치 간의 간극을 초래한다. 이러한 한계를 극복하기 위해, 본 논문은 분산 협력 계획 시스템(DCPS)을 제안한다. 이 시스템은 궤적 계획 수준과 협력 궤적 계획 수준의 두 수준으로 구성된다. 궤적 계획 수준에서는 국소 운동동역학 기반 A-스타(local kinodynamic-A-star) 방법과 가우시안 퍼텐셜 필드 B-스플라인(가우시안 potential field B-spline) 방법을 결합하여 운동동역학 Gaussian potential B-spline(KGPB) 접근법을 설계한다. 구체적으로 전단(front-end)에서는 운동학-동역학 제약을 기반으로 한 국소 운동동역학 A-스타 방법을 사용하여 먼저 궤적을 생성하고, 후단(back-end)에서는 Gaussian potential B-spline(GPB) 방법을 사용하여 궤적을 추가로 최적화한다. 협력 궤적 계획 수준에서는 각 UAV가 가장 가까운 이웃과만 통신하면 되는 back field neighbor replanning(BFNP) 접근법을 제안한다. 선행 UAV의 잠재적 충돌 영역(potential collision region)에 근거하여 현재 UAV의 궤적을 동적으로 개선함으로써 안전하고 안정적인 비행을 보장하며, 이에 따라 통신 비용이 유의하게 향상된다. 마지막으로 시뮬레이션 결과는 제안된 DCPS가 기존 방법에 비해 UAV 군집의 평균 속도를 최소 27% 향상시키고, 통과(이동) 시간을 24% 감소시킴을 보여준다. 또한 실험 결과는 제안된 DCPS가 효율적이고 안전한 궤적을 생성할 수 있음을 추가로 검증한다. 특정 사례에서 UAV는 최대 가능한 속도의 97%에서 운용된다. 제안된 DCPS는 미지의 환경에서 다수의 무인항공기를 위한 신뢰할 수 있는 해법을 제공한다.

본 논문은 자율 무인항공기(AAV)를 위한 두 가지 새로운 알고리즘을 설계하여 미지의 환경에서 목표 추적과 탐지를 수행하는 문제를 다룬다. 첫째, 동적 타깃이 미지의 환경에서 존재할 때의 추적 문제를 해결하기 위해 자동-가우시안-GRU-예측(AGUP) 알고리즘을 설계하였다. 가우시안 과정 회귀와 게이티드 순환 단위(Gated Recurrent Unit) 신경망을 통합함으로써 AGUP 알고리즘은 동적 타깃의 운동 궤적을 예측할 수 있다. 둘째, 다수의 정지 고정 타깃에 대한 최적 경로 계획 문제를 해결하기 위해 탐부 서치 보간 B-스플라인(TBL) 알고리즘도 제안된다. TBL 알고리즘은 방문 경로를 효율적으로 계획할 수 있으며 경로의 매끄러움도 가능하게 한다. 셋째, AAV가 타깃을 추적하고 탐지하도록 유도하기 위해 AGUP 및 TBL 알고리즘 모두 모델 예측 제어(Model Predictive Control, MPC) 접근법과 결합한다. 마지막으로, 시뮬레이션 및 실험 결과는 AGUP-MPC 알고리즘이 우수한 추적 성능을 보임을 보여준다. 또한 TBL-MPC 알고리즘은 최적의 매끄러운 탐지 경로를 효과적으로 계획하고, AAV가 여러 개의 정지 고정 타깃을 순차적으로 방문하도록 제어한다.