無人航空機（UAV）の経路計画 Path Planning for Unmanned Aerial Vehicles

近年、無人航空機（UAV）の経路計画において、粒子群最適化（PSO）を応用する研究が多数報告されている。その中でも、球座標系（距離・仰角・方位角）を用いて粒子の位置を表現することで、UAVの運動特性との対応関係を強化し、安全かつスムーズな経路生成を実現したSPSO（Spherical Vector-based PSO）は注目されている。しかし、SPSOは座標表現を変更したのみで、PSO自体の構造に本質的な改良を加えたものではなく、局所最適解への早期収束や探索多様性の欠如といった従来PSOの課題を依然として抱えている。本研究では、このようなSPSOの限界を踏まえ、球面座標系による表現の利点を活かしつつ、さらなる最適化性能向上を目指したアルゴリズム改良を行うことを目的とする。具体的には、局所最適解回避のためのランダム化機構の導入や、他の群知能アルゴリズムとのハイブリッド化、探索範囲の自動調整などの手法を検討し、標準的な地形データに基づくベンチマークシナリオを通じてその有効性を検証する予定である。本研究は、UAVの高安全性・高効率経路計画の実現に貢献する新たなアプローチの基盤構築を目指すものである。

In recent years, numerous studies have applied Particle Swarm Optimization (PSO) to UAV path planning. Among them, the Spherical Vector-based PSO (SPSO), which represents particle positions using spherical coordinates (distance, elevation angle, azimuth), has attracted attention for enhancing compatibility with UAV dynamics and enabling smooth and safe path generation. However, SPSO modifies only the coordinate representation without fundamentally improving the PSO structure, and thus still suffers from issues such as premature convergence to local optima and limited search diversity.

This study aims to improve optimization performance by addressing the limitations of SPSO while leveraging the advantages of spherical representation. Specifically, we explore strategies such as introducing randomization to escape local optima, hybridization with other swarm intelligence algorithms, and adaptive adjustment of the search range. The effectiveness of the proposed improvements will be validated using benchmark scenarios based on standard terrain data. The goal is to establish a foundation for a novel approach that contributes to the development of safe and efficient UAV path planning.