深層エネルギーモデルを用いたマルチロータUAVのCVaRに基づく飛行エネルギーリスク評価

無人航空機（UAV）飛行におけるエネルギー管理は、リスク評価において極めて重要な要素である。飛行中にバッテリーが消耗し切ると、機体損傷がほぼ確実となり、人的被害や財産損害の高いリスクを伴う。飛行におけるエネルギー消費量を予測することは困難であり、ルート設定、天候、障害物その他の要因が総合的な消費量に影響を与えるためである。本研究では、時系列的変動特性を捉えるために時系列畳み込みネットワーク（Temporal Convolutional Networks）を用い、同時に静的文脈情報も統合する深層エネルギーモデルを構築した。本モデルは実世界のデータセットに基づいて学習されており、飛行を異なる運用モード（regimes）に分類する必要がない。実際のテスト飛行において、最先端の解析手法と比較して、電力予測精度が29％向上することを示した。このエネルギーモデルを用いることで、特定の航跡に対するエネルギー消費を予測し、飛行中にバッテリー切れが発生するリスクを評価できる。本研究では、このリスクを定量的に評価する指標として、条件付きバリュー・アット・リスク（CVaR）を提案する。CVaRは、モンテカルロ前向きシミュレーションの出力分布をリスク空間に変換することで、標準経路における最悪ケースのエネルギー消費に関連するリスクを適切に捉える。このリスク空間におけるCVaRを計算することで、離陸前に飛行全体のリスクを評価可能な指標が得られる。本研究で開発したエネルギーモデルおよびリスク評価手法は、飛行の安全性向上と、提案された離陸地点からのカバレッジ領域の評価を可能にする。 動画およびコードベースは、以下のリンクより公開されている。https://youtu.be/PHXGigqilOAhttps://git.io/cvar-risk