ROBOTICS & HUMANOID

ระบบตรวจจับความเสี่ยงสำหรับการวางแผนการบิน Advanced Air Mobility (AAM) ล่วงหน้า

arXiv14 Sep 2026
1 min read
Key Takeaways
  • การใช้แบบจำลองความไม่แน่นอนที่แม่นยำช่วยให้การวางแผนการบินในเมืองมีความปลอดภัยมากขึ้นต่ออุปสรรคที่มีความพลวัต

ทำไมเรื่องนี้ถึงสำคัญ

ช่วยเพิ่มความปลอดภัยในการจัดการจราจรทางอากาศยุคใหม่สำหรับโดรนและแท็กซี่บินได้ โดยการประเมินความเสี่ยงจากสภาพอากาศและความคลาดเคลื่อนของเวลาบินอย่างเป็นระบบ

การตรวจสอบแผนการบินในสภาพแวดล้อม Advanced Air Mobility (AAM) จำเป็นต้องมีวิธีที่แข็งแกร่งในการคาดการณ์ความไม่แน่นอน งานวิจัยนี้เสนอระบบตรวจจับความเสี่ยงที่รวมการทำนายวิถีการบิน (Trajectory Prediction) เข้ากับการแสดงผลอันตรายในรูปแบบเรขาคณิตสามมิติ (Polyhedra)

ระบบนี้ใช้ NURBS curve ร่วมกับ Kalman Filter เพื่อประมาณค่าความคลาดเคลื่อนของเวลาที่อากาศยานจะถึงจุดหมาย (Time of Arrival) พร้อมทั้งเปลี่ยนข้อมูลสภาพอากาศให้เป็นปริมาตรเรขาคณิตที่มีระดับความรุนแรงต่างกัน ซึ่งช่วยให้ผู้ควบคุมการบินสามารถตรวจสอบความปลอดภัยล่วงหน้าได้ตลอดเวลาแม้อันตรายจากสิ่งแวดล้อมจะมีการเปลี่ยนแปลง

สรุปประเด็นหลัก

ใช้ NURBS และ Kalman Filter ในการคาดการณ์ความคลาดเคลื่อนของตำแหน่งและเวลา

แปลงข้อมูลสภาพอากาศเป็น Hazard Polyhedra เพื่อระบุพื้นที่อันตรายในระดับต่างๆ

รองรับการตรวจสอบแผนการบินแบบต่อเนื่องตามสภาวะแวดล้อมที่เปลี่ยนแปลง

นวัตกรรมและเทคโนโลยี

infrastructure

Uncertainty-Conditioned Prediction

ระบบคาดการณ์วิถีการบินที่คำนวณหาค่าความแปรปรวนของเวลาและความเร็วเพื่อประเมินความเสี่ยงล่วงหน้า

robotics

Polyhedra Hazard Representation

การสร้างพื้นที่อันตรายสามมิติจากข้อมูลสภาพอากาศเพื่อใช้ในการตรวจสอบการซ้อนทับกับเส้นทางการบิน

Developer Impact
นักพัฒนาซอฟต์แวร์ด้านการบินและระบบโดรนสามารถนำโมเดลการประเมินความไม่แน่นอนนี้ไปพัฒนาระบบ Safety Monitoring ในซอฟต์แวร์ควบคุมการบินได้
Keywords
#air mobility #trajectory prediction #uncertainty estimation #flight safety
Original Source

อ่านข้อมูลเพิ่มเติมจากแหล่งข่าวหลัก

arXiv