KR20220140413A - 훈련된 공중 회랑 모델에 기초하여 공중 회랑을 따라 이동하도록 항공기를 제어하는 시스템 및 방법 - Google Patents
훈련된 공중 회랑 모델에 기초하여 공중 회랑을 따라 이동하도록 항공기를 제어하는 시스템 및 방법 Download PDFInfo
- Publication number
- KR20220140413A KR20220140413A KR1020220039505A KR20220039505A KR20220140413A KR 20220140413 A KR20220140413 A KR 20220140413A KR 1020220039505 A KR1020220039505 A KR 1020220039505A KR 20220039505 A KR20220039505 A KR 20220039505A KR 20220140413 A KR20220140413 A KR 20220140413A
- Authority
- KR
- South Korea
- Prior art keywords
- corridor
- aircraft
- aerial
- data
- model
- Prior art date
Links
- 238000000926 separation method Methods 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims description 59
- 230000008859 change Effects 0.000 claims description 8
- 230000001133 acceleration Effects 0.000 claims description 5
- 239000003795 chemical substances by application Substances 0.000 description 173
- 238000004891 communication Methods 0.000 description 21
- 230000008569 process Effects 0.000 description 19
- 238000012549 training Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 16
- 238000013459 approach Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 10
- 230000033001 locomotion Effects 0.000 description 10
- 230000009471 action Effects 0.000 description 7
- 230000002787 reinforcement Effects 0.000 description 7
- 238000007726 management method Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009916 joint effect Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 229920006395 saturated elastomer Polymers 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 101000822695 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C1 Proteins 0.000 description 1
- 101000655262 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C2 Proteins 0.000 description 1
- 101000655256 Paraclostridium bifermentans Small, acid-soluble spore protein alpha Proteins 0.000 description 1
- 101000655264 Paraclostridium bifermentans Small, acid-soluble spore protein beta Proteins 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000012010 growth Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0047—Navigation or guidance aids for a single aircraft
- G08G5/006—Navigation or guidance aids for a single aircraft in accordance with predefined flight zones, e.g. to avoid prohibited zones
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0017—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information
- G08G5/0021—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information located in the aircraft
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0017—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0004—Transmission of traffic-related information to or from an aircraft
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/003—Flight plan management
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/003—Flight plan management
- G08G5/0039—Modification of a flight plan
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0043—Traffic management of multiple aircrafts from the ground
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0047—Navigation or guidance aids for a single aircraft
- G08G5/0069—Navigation or guidance aids for a single aircraft specially adapted for an unmanned aircraft
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0073—Surveillance aids
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/04—Anti-collision systems
- G08G5/045—Navigation or guidance aids, e.g. determination of anti-collision manoeuvers
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Artificial Intelligence (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
여기에서 개시된 본 발명은 항공기(102)가 다른 차량으로부터 안전한 이격 거리를 유지하면서 공중 회랑(200)에서 이동수 수 있도록 하기 위한 공중 회랑 모델(106)의 사용을 설명한다. 공중 회랑(200)과 관련한 훈련된 공중 회랑 모델(106)은 항공기(102)에 의해 수신되고, 훈련된 공중 회랑 모델(106)은 공중 회랑(200)에서 차량 사이의 안전한 이격 거리를 유지하도록 구성된다. 공중 회랑(200)에서 항공기(102)의 현재의 위치가 식별되고 공중 회랑(200)에서 다른 에이전트(122)의 위치가 수신된다. 항공기(102)의 다음의 위치는 훈련된 공중 회랑 모델(106), 현재 위치 및 에이전트 위치에 기초하여 결정된다. 항공기(102)는 현재의 위치로부터 결정된 다음 위치로 이동하도록 제어되고, 그에 따라 항공기(102) 및 다른 에이전트(122)가 서로 안전한 거리을 유지하면서 공중 회랑(200)의 공역을 효율적으로 사용할 수 있다.
Description
도시 항공 모빌리티(Urban Air Mobility, UAM)라고도 하는 선단 항공 모빌리티(Advanced Aerial Mobility, AAM)의 등장은, 항공 택시와 화물 항공 차량(Cargo Air Vehicle, CAV)을 현실로 만들어 종래의 항공기와 소형 무인 항공기 시스템(small Unmanned Aircraft Systems, sUAS)이 지상 2500피트 AGL(Above Ground Level, 지상 고도)에서 작동하는 같은 공역(airspace, 영공)을 공유함에 따라 새로운 도전 과제를 제기한다. UAS 교통 관리(UTM), 종래의 항공 교통 관리(ATM) 및 AAM 운용에 의한 이러한 공역의 동시 사용은, 안전한 제어 및 분리의 규칙과 규정의 개발에 의해 지원되는 다양하고 방대한 양의 항공기를 효율적이고 확장 가능한 방식으로 수용할 수 있는 AAM 시스템을 필요로 한다.
이 요약은 상세한 설명에서 이하에 더 설명되는 단순화된 형태로 개념의 선택을 소개하기 위해 제공된다. 이 요약은 청구된 주제(subject matter)의 주요 기능 또는 필수 기능을 식별하기 위한 것이 아니며 청구된 주제의 범위를 결정하는 데 도움이 되도록 사용되지도 않는다.
본 발명의 태양(aspect)은, 항공기가 적어도 항공기의 프로세서에 의해 출발지, 목적지 및 출발지와 목적지 사이의 공역을 나타내는 공중 회랑과 관련한 훈련된 공중 회랑 모델을 수신하는 것; 프로세서에 의해, 공중 회랑 내의 항공기의 현재 위치를 나타내는 현재 위치 데이터를 식별하는 것; 프로세서에 의해, 공중 회랑에서 적어도 하나의 에이전트 차량의 위치와 관련된 에이전트 위치 데이터를 수신하는 것; 및 프로세서에 의해, 훈련된 공중 회랑 모델, 현재 위치 데이터 및 에이전트 위치 데이터에 기초하여 공중 회랑에서 항공기의 다음의 위치를 결정하는 것에 의해 안전한 이격 거리를 유지하면서 공중 회랑을 통해 효율적으로 이동하는 것을 가능하게 하되, 훈련된 공중 회랑 모델은 공중 회랑에서 차량 사이의 안전한 이격 거리를 유지하도록 구성된다.
본 설명은 첨부 도면에 참조하여 읽혀진 다음의 상세한 설명으로부터 더 잘 이해될 것이며, 여기서:
도 1은 본 발명의 일 실시예에 따른 항공기가 다른 차량과의 안전한 이격을 유지하면서 공중 회랑을 이동할 수 있도록 하는 시스템을 나타내는 블록도이다.
도 2는 일 실시예에 따른 출발지로부터 목적지까지의 공중 회랑을 도시한 도면이다.
도 3은 일 실시예에 따른 공중 회랑의 동적 적응을 나타내는 도면이다.
도 4a 및 도 4b는 일 실시예에 따른 공중 회랑에서 현재의 위치 큐브로부터의 다음의 위치 큐브의 결정을 예시하는 도면이다.
도 5는 본 발명의 일 실시예에 따른 항공기가 다른 에이전트 차량과의 안전한 이격을 유지하면서 공중 회랑을 이동하도록 제어하는 프로세스를 나타내는 플로우차트이다.
도 6은 본 발명의 일 실시예에 따른 공중 회랑 모델을 훈련하기 위한 프로세스를 나타내는 플로우차트이다. 그리고
도 7은 일 실시예에 따른 컴퓨팅 장치를 기능 블록도로서 도시한 도면이다.
대응하는 참조 문자는 도면 전체에 걸쳐 대응하는 부분을 나타낸다. 도 1 내지 도 7에서, 시스템은 개략도로서 도시된다. 도면은 비율이 맞지 않을 수 있다.
도 1은 본 발명의 일 실시예에 따른 항공기가 다른 차량과의 안전한 이격을 유지하면서 공중 회랑을 이동할 수 있도록 하는 시스템을 나타내는 블록도이다.
도 2는 일 실시예에 따른 출발지로부터 목적지까지의 공중 회랑을 도시한 도면이다.
도 3은 일 실시예에 따른 공중 회랑의 동적 적응을 나타내는 도면이다.
도 4a 및 도 4b는 일 실시예에 따른 공중 회랑에서 현재의 위치 큐브로부터의 다음의 위치 큐브의 결정을 예시하는 도면이다.
도 5는 본 발명의 일 실시예에 따른 항공기가 다른 에이전트 차량과의 안전한 이격을 유지하면서 공중 회랑을 이동하도록 제어하는 프로세스를 나타내는 플로우차트이다.
도 6은 본 발명의 일 실시예에 따른 공중 회랑 모델을 훈련하기 위한 프로세스를 나타내는 플로우차트이다. 그리고
도 7은 일 실시예에 따른 컴퓨팅 장치를 기능 블록도로서 도시한 도면이다.
대응하는 참조 문자는 도면 전체에 걸쳐 대응하는 부분을 나타낸다. 도 1 내지 도 7에서, 시스템은 개략도로서 도시된다. 도면은 비율이 맞지 않을 수 있다.
훈련된 공중 회랑 모델에 기초하여 공중 회랑을 이동하는 항공기를 제어하기 위한 시스템 및 방법이 설명된다. 설명되는 시스템 및 방법은 시뮬레이션된 공중 회랑 및 기계 학습 기술을 이용하여 그 안에서 이동하는 시뮬레이션된 차량을 사용하여 결정 모델을 훈련하는 것을 포함한다. 또한, 모델은 그 안의 다른 차량으로부터 안전한 이격 거리를 유지하면서 관련된 공중 회랑을 통한 이동의 경로를 결정하기 위해 모델을 사용하도록 구성된 항공기에 내장되거나 다른 방법으로 설치된다. 보다 구체적으로는, 설명되는 선단 항공 모빌리티(Advanced Aerial Mobility, AAM) 시스템은 멀티 에이전트 강화 학습(Multi-Agent Reinforcement Learning, MARL)을 이용하여 정의된 공중 회랑에서 안전하게 이격된 대규모 조종사 및 자율 항공기의 움직임을 효율적으로 계획하는 것을 기반으로 한다. 설명되는 MARL 기반 모델을 통해 AAM 시스템은 정의된 공중 회랑에서 회랑의 포화 수준까지 여러 대의 다양한 항공기를 관리할 수 있다.
설명되는 방법 및 시스템은 각각의 항공기에 의해 수신되는 공중 회랑과 관련한 훈련된 공중 회랑 모델을 사용하며, 훈련된 공중 회랑 모델은 공중 회랑에서 차량들 사이의 안전한 이격 거리를 유지하도록 구성된다. 공중 회랑 내의 각 항공기의 현재 위치가 식별되고 공중 회랑의 다른 항공기의 위치가 각 항공기에 수신된다. 각 항공기의 다음 위치는 훈련된 공중 회랑 모델, 현재 위치 및 에이전트 위치에 기초하여 각 차량에 의해 결정된다. 항공기는 현재 위치로부터 결정된 다음 위치로 이동하도록 제어되고, 이에 의해 항공기는 서로 안전 거리를 유지하면서 공중 회랑의 공역을 효율적으로 사용할 수 있다.
본 발명은 항공 교통 관리(Air Traffic Management, ATM) 및 무인 항공기 시스템 교통 관리(Unmanned Aircraft System Traffic Management, UTM)에 의해 각각 관리되는 기존 항공기 및 sUAS와 동일한 공역에 수많은 다양한 AAM 기반 차량을 통합할 수 있다. 설명되는 AAM 시스템은 다양한 크기와 유형의 항공기의 요건을 지원하고, 다른 유형의 항공 교통을 방해하는 일없이 이들 항공기가 위치 사이의 효율적인 이동을 가능하게 하는 확장 가능하고 유연하며 동적인 시스템을 제공한다. 본 발명은 다양한 시뮬레이션 차량 및 상황을 이용하여 MARL 기반의 모델을 훈련한 후, 모델을 각 차량에 설치하여 모델을 탑재한 차량이 관련된 공중 회랑을 안전하고 효율적으로 이동할 수 있도록 함으로써 종래와는 다른 방법으로 동작한다.
모델의 기초로 되는 공중 회랑은 적응 가능하기 때문에, 회랑의 체적이 복수의 시공간 데이터 큐브로 분할되고, 각각이 서브 큐브로 재귀적으로 분할되어 적응 가능한 입도(granularity)를 제공한다. 공중 회랑의 데이터 큐브는 공중 회랑의 각각의 차량에서 마르코프 의사결정 프로세스(Markov Decision Process, MDP)를 위한 이산적인 의사결정 공간을 제공하기 위해 훈련된 모델에 의해 사용된다.
각 차량에 의해 사용되는 데이터 큐브는, 대형의 차량은 공기 회랑에서 더 큰 데이터 큐브를 점유하고 소형의 차량은 공기 회랑에서 더 작은 데이터 큐브를 점유하도록 각 차량에 고유한 최소 안전 이격 거리에 맞추어 크기가 조정될 수 있다. 차량마다 데이터 큐브의 크기를 최적화함으로써, 차량이 공중 회랑에서 불필요하게 큰 체적을 차지하는 일이 없기 때문에 공중 회랑의 이용 효율을 향상시킬 수 있다.
시뮬레이션된 차량의 다양한 종류와 양에 대한 강화 훈련 기술을 사용하면, 안전이 유지되는 동안 공역의 사용이 최적화되도록 관련된 공중 회랑의 정확한 포화 한계를 식별할 수 있다. 추가적으로, 여기에 기술된 데이터 큐브의 적응 가능한 계층을 나타내기 위해 Octree 데이터 구조를 사용하여 기술된 공중 회랑의 데이터 큐브를 포함하는 작업을 처리하는 것이 효율적으로 이루어진다.
도 1은 일 실시예에 따라 다른 차량(예를 들어, 다른 에이전트(122))으로부터 안전한 이격을 유지하면서 항공기(102)가 공중 회랑을 이동할 수 있도록 하기 위한 시스템(100)을 예시하는 블록도이다. 일부 예에서, 항공기(102)는 공중 회랑 모델 트레이너(104)로부터 훈련된 공중 회랑 모델(106)을 획득하거나 수신한다. 공중 회랑 모델(106)은 출발지 데이터(108)에 의해 기술되는 출발지 위치로부터 목적지 데이터(110)에 의해 기술되는 목적지 위치까지의 구체적으로 정의된 공중 회랑(예를 들어, 공항 위치로부터 고도 경계를 포함하는 도심 위치까지의 공역의 회랑)에 기초하여 공중 회랑 모델 트레이너(104)에 의해 훈련된다. 공중 회랑 모델(106)을 획득하면, 항공기(102)는 여기에서 설명된 바와 같이 공중 회랑 모델(106)이 관련된 공중 회랑을 따라 이동하도록 구성된다.
일부 예에서, 항공기(102)는 공중 회랑 모델(106)의 출력에 기초하여 한 위치로부터 다음 위치로 공중 회랑을 따라 이동하도록 구성될 수 있다. 항공기(102)는, 위치 센서 인터페이스(112)를 통해 현재 위치 데이터(114)(예를 들어, 고도 데이터, 속도 데이터, GPS(Global Positioning System) 데이터, 출발지, 목적지 또는 다른 위치에 대한 상대 위치 데이터 등)를 수집하거나 획득하고, 현재 위치 데이터(114)를 입력으로서 공중 회랑 모델(106)에 제공하도록 구성될 수 있다. 공중 회랑 모델(106)은 현재 위치 데이터(114)를 처리하고 그 데이터(114)에 기초하여 다음 위치 데이터(124)를 결정하도록 훈련된다.
추가적으로 또는 대안적으로, 항공기(102)는 항공기(102)가 공중 회랑의 다른 에이전트(122)와 통신하는 것을 가능하게 하도록 구성된 에이전트간 통신 인터페이스(116)를 통해 다른 에이전트 위치 데이터(118)를 수신하거나 획득하도록 구성될 수 있다. 다른 에이전트 위치 데이터(118)는 또한 공중 회랑 모델(106)에 의해 결정되거나 생성된 다음 위치 데이터(124)가 다른 에이전트 위치 데이터(118)에 기초를 두도록 입력으로서 공중 회랑 모델(106)에 제공된다. 많은 예들에서, 항공기(102)는 여기에 기술된 바와 같은 다음 위치 데이터(124)를 생성하기 위해 현재 위치 데이터(114) 및 다른 에이전트 위치 데이터(118)를 모두 공중 회랑 모델(106)에 제공한다.
일부 예에서, 다음 위치 데이터(124)는 항공기(102)의 차량 컨트롤러(126)에 제공된다. 차량 컨트롤러(126)는 항공기(102)가 공중을 이동할 때의 속도 및 방향을 제어하는 것을 포함하는 항공기(102)의 이동 및/또는 조종을 제어하도록 구성된 하드웨어, 펌웨어, 및/또는 소프트웨어를 포함한다. 추가적으로 또는 대안적으로, 차량 컨트롤러(126)는 다음 위치 데이터(124)를 해석하고 (예를 들어, 고도, 속도 및/또는 이동의 방향을 바꿈으로써) 다음 위치 데이터(124)와 관련된 위치로 이동하도록 항공기(102)를 자동으로 제어하도록 구성된다.
추가적으로 또는 대안적으로, 항공기(102)가 적어도 부분적으로 수동으로 조종되거나 다른 방법으로 조종사에 의해 제어되는 예들에서, 다음 위치 데이터(124)는 항공기(102)의 조종사에게 디스플레이되거나 제공되어, 조종사가 다음 위치 데이터(124)에 의해 지시된 다음 위치로 이동하도록 항공기(102)를 제어하는 것을 가능하게 한다.
더욱이, 일부 예에서, 항공기(102)는 현재 위치 데이터(114)를 현재 위치 데이터(120)의 형태로 공중 회랑의 다른 에이전트(122)와 공유하도록 구성된다. 이러한 예에서, 다른 에이전트(122)의 각각은 또한 공중 회랑 모델을 이용하여 공중 회랑을 통해 안전하게 이동하도록 하고 있으며 그들 에이전트(122)는 그들의 모델에 대한 입력으로서 항공기(102)에 의해 제공되는 현재 위치 데이터(120)를 사용할 수 있다. 추가적으로, 이러한 예에서, 다른 에이전트(122)의 일부 또는 전부는 항공기(102)가 구성되는 것과 같이 구성될 수 있고, 그들 에이전트(122)에 대해 항공기(102)는 여기에서 설명되는 바와 같이 다른 에이전트(122)로서 취급된다.
다른 에이전트(122)와 항공기(102) 사이의 현재 위치 데이터(120)의 공유는 공중 회랑 내의 에이전트가 그 범위 내의 다른 에이전트와 그들의 현재 위치 데이터(120)를 공유하도록 통신 범위 또는 버퍼 범위에 더 기초를 둘 수 있다(예를 들어, 출발지 근처의 에이전트와 목적지 근처의 에이전트는 서로 현재 위치 데이터(120)를 통신하기에는 너무 멀리 떨어져 있을 수 있고, 이러한 데이터 공유는 양 에이전트에 대한 공중 회랑에서의 안전한 이동을 결정하기 위해 불필요할 수도 있음). 이러한 버퍼 범위는 에이전트의 통신 능력(예를 들어 에이전트의 하드웨어, 펌웨어 또는 소프트웨어의 유효한 통신 범위)에 기초하여 및/또는 에이전트가 안전한 이격을 유지할 수 있도록 하기 위해 필요한 통신 범위(예를 들어, 수신된 현재 위치 데이터(120)에 응답하고 그에 의해 안전한 이격 거리를 유지하기 위해 경로를 변경하도록 에이전트에 대해 필요로 될 수 있는 에이전트 사이의 최소 범위)에 기초하여 정의될 수 있다. 버퍼 범위를 정의하는 다른 태양은 에이전트가 이동하는 속도 및 에이전트의 기동성을 포함할 수 있으며, 이들 모두는 공중 회랑 내의 다른 에이전트의 존재에 응답하도록 에이전트의 능력에 영향을 미칠 수 있다.
공중 회랑 모델(106)은 항공기(102) 및 다른 에이전트(122)가 관련된 공중 회랑을 따라 이동하고 회랑의 다른 에이전트로부터 안전한 제어 및 안전한 이격을 유지하도록 지시하거나 가능하도록 훈련된다는 것을 이해해야 한다. 일부 예에서, 공중 회랑 모델(106)은 도 2와 관련하여 여기에서 설명되는 바와 같이 적응 가능한 공중 회랑 모델로서 구성된다.
여기에서 설명되는 바와 같은 항공기(102) 및 다른 에이전트(122)는 임의의 유형의 무인 항공기(UAV) 및/또는 임의의 유형의 유인 항공기를 포함할 수 있다. 예를 들어, 일 예에서, 항공기(102)은 UAV인 반면, 동일한 공중 회랑을 이용하는 다른 에이전트(122)는 유인 및 무인 항공기 모두를 포함한다. 다른 예에서, 모든 무인 항공기 또는 모든 유인 항공기를 포함하는 무인 항공기 및 유인 항공기의 다른 조합은 설명을 벗어나지 않고 공중 회랑을 통해 안내될 수 있다.
도 2는 일 실시예에 따른 출발지(202)로부터 목적지(204)까지의 공중 회랑(200)을 도시하는 도면이다. 공중 회랑(200)은 공중 회랑 모델(예를 들어, 모델(106))과 함께 사용하기 위해 출발지(202)와 목적지(204) 사이의 시공간 데이터 큐브(206)의 형태로 공역 체적의 공동 세트(joint set)로서 구성된다. 일부 예에서, 이러한 모델은 특정의 출발지-목적지 쌍에 대해 구체적으로 훈련되어, 모델 및 관련 공중 회랑(200)이 항공기(예를 들어 항공기(102), 다른 에이전트(122a-n))가 다른 출발지-목적지 쌍 사이가 아닌 출발지와 목적지(예를 들어 공항의 하나 이상의 수직 이착륙 비행장(vertiport)/헬리콥터 이착륙장(heliport)의 출발지 및 도시의 시내 지역의 하나 이상의 수직 이착륙 비행장/헬리콥터 이착륙장의 목적지) 사이를 (양방향으로) 안전하게 이동할 수 있도록 한다. 2개의 다른 에이전트(122a, 122n)가 예시되어 있지만, 다른 예에서 더 많거나 더 적거나 다른 에이전트가 설명을 벗어나지 않고 공중 회랑(200)을 이동할 수 있다.
더 공식적으로는, 참조 시스템 R, 즉 3차원(3D) 공간에서 고정된 공간 위치의 세트에 의해 형성된 3D 그리드 네트워크가 주어지면, 적응 가능한 공중 회랑(200)의 중심선(208)은 
= [r1, r2, ..., rn]이고, 여기서 ri ∈ R이다. 큐브(206)는 공중 회랑의 중심선(208)을 따라 기준점 주위에 배치되어 시공간 데이터 큐브(206)로 구성된 공중 회랑(200)을 구축한다.
일부 예에서, 공중 회랑(200)은 각각의 큐브(206)가 일정 기간 동안 균질한 날씨 파라미터를 갖는 것으로 간주되는 것을 포함한다. 이러한 방식으로 배열되면, 큐브(206)는 구분적으로 공중 회랑 세그먼트로 간주될 수 있다.
도 3은 일 실시예에 따른 공중 회랑(예를 들어, 공중 회랑(200))의 동적 적응을 예시하는 다이어그램(300)이다. 다이어그램(300)은 더 작은 큐브(312)로 세분화되는 (예를 들어, 공중 회랑(200)의 시공간 큐브(206) 중) 시공간 큐브를 포함하고, 그 큐브(312)는 더 작은 큐브(314)로 세분화된다. 설명된 공중 회랑(200)은, 회랑(200)의 큐브(206)가 항공기의 변화하는 수량, 유형 및/또는 크기를 수용하기 위해 다이어그램(300)에 나타낸 바와 같이 확장, 단편화 또는 세분화될 수 있다는 점에서 (관련된 공중 회랑 모델(106)의 동작 중에) 동적으로 적응 가능하다.
이러한 예들에서, 공중 회랑 모델(106) 및 관련된 공중 회랑(200)은 주어진 시간에 하나의 항공기만이 큐브(예를 들어, 큐브 310, 312, 및/또는 314)를 점유할 수 있다는 규칙을 이용하여 동작하도록 구성된다. 공중 회랑(200)의 큐브(206)는 그 다음에 (예를 들어 항공기의 크기 및/또는 안전 이격과 관련된 다른 팩터에 기초하여) 항공기 주위의 안전한 이격 거리를 유지하기 위해 정의된 각각의 항공기에 대해 큐브 크기를 유지하면서 복수의 항공기가 실질적으로 동시에 공중 회랑을 통해 안전하게 이동할 수 있도록 하는 큐브의 양으로 공중 회랑(200)을 세분화하도록 맞추어질 수 있다.
보다 정식적으로는, 공중 회랑(200)의 각각의 3-D 세그먼트(예를 들어, 큐브(206))는, 도 3의 큐브(310, 312, 314)에 대해 예시된 바와 같이, (예를 들어 공중 회랑을 사용하는 항공기의 크기와 관련될 수 있는) AAM 시스템에 대한 이격 최소값의 입도 레벨(예를 들어 가장 작은 안전 큐브 크기의 측정값)에 도달할 때까지 그것을 8개의 옥탄트로 재분할함으로써, 분할 및/또는 크기 조정될 수 있다. 그 후, 결과적인 공중 회랑(200)의 큐브는 관련된 공중 회랑 모델(106)을 훈련 및/또는 조작하기 위해 사용되는 마르코프 의사결정 프로세스(MDP)를 위한 제한된 상태의 세트를 정의하기 위해 사용된다. 다른 예에서는, 모델을 훈련 및 사용하는 다른 방법이 사용될 수 있다.
일부 예에서, 적응 프로세스의 생산품은 Octree 데이터 구조를 사용하여 모델링될 수 있는 큐브의 이산 세트로서 정의되는 공중 회랑(200)이다. 이러한 예에서, 공중 회랑의 큐브의 세트를 나타내기 위해 Octree 데이터 구조를 사용하는 것은 안전한 이동 경로 및/또는 공중 회랑의 큐브 내에서의 충돌을 식별하는 단계를 포함하여 그들 큐브와 관련된 데이터의 효율적인 검색 및 처리를 가능하게 한다. 다른 예에서는, 공중 회랑(200)을 분할하거나 및/또는 그들 분할에 기초하여 관련된 공중 회랑 모델(106)을 훈련하는 다른 방법들을 설명을 벗어나지 않고 사용할 수 있다.
도 1로 돌아가면, 공중 회랑 모델 트레이너(104)는 출발지 데이터(108)에 의해 지시된 바와 같은 출발지와 목적지 데이터(110)에 의해 지시된 바와 같은 목적지 사이의 공역의 실제 부분을 나타내는 공중 회랑(200)과 같은 공중 회랑을 유지하고 사용하기 위해 공중 회랑 모델(106)을 훈련시키도록 구성된 하드웨어, 펌웨어, 및/또는 소프트웨어를 포함한다. 일부 예에서, 공중 회랑 모델(106)은, 차량 사이 및/또는 차량과 다른 장애물 사이의 안전 거리를 유지하는 것과 적응 가능한 공중 회랑의 체적의 이용을 최대화하는 것을 포함하는 효율적인 방식으로 공중 회랑에서 앞쪽으로 이동할 수 있도록, 항공기 및/또는 에이전트에 대한 최적의 궤적을 예측하도록 훈련된다. 공중 회랑 모델(106)은, 입력으로서, 공중 회랑 내의 항공기의 양; 그들 항공기의 크기 및/또는 다른 안전한 이격 거리 데이터; 공중 회랑의 출발지와 목적지에서의 정류장, 헬기장 및/또는 다른 이륙 및 착륙 지역의 양; 및/또는 공중 회랑에 사용하는 안전 이격 최소값과 관련된 다른 데이터를 수신하도록 훈련될 수 있다.
일부 예에서, 공중 회랑 모델 트레이너(104)는 단일 에이전트 강화 학습(single-agent reinforcement learning, SARL) 또는 다중 에이전트 강화 학습(multi-agent reinforcement learning, MARL)과 같은 공중 회랑 모델(106)을 훈련하기 위한 강화 학습(reinforcement learning, RL) 기술을 사용하도록 구성된다. 이러한 훈련을 수행하기 위해, 공중 회랑 모델(106)과 관련된 공중 회랑이 시뮬레이션되고, 그 다음에 시뮬레이션된 항공기가 시뮬레이션된 공중 회랑을 따라 이동하도록 지시된다. 시뮬레이션된 항공기가 이동할 때의 다음 위치는 훈련 중인 공중 회랑 모델(106)에 의해 결정되며, 여기서 안전한 결정은 보상을 받을 수 있지만 위험한 결정(예를 들어 충돌 또는 안전 이격 거리 위반을 유발하는 결정)은 보상되지 않거나 훈련되는 모델(106)과 관련하여 처벌을 받는다. 따라서, 안전한 결정이 강화되고 모델(106)은 공중 회랑에서 항공기의 안전한 다음 위치를 결정하도록 훈련된다.
더욱이, 가능한 안전한 다음 위치의 세트 중에서, 항공기가 공중 회랑을 따라 더 직접적으로 또는 다른 방법에 의해 효율적으로 이동할 수 있도록 하는 다음 위치는 직접적이지 않거나 효율적이지 않은 다음 위치보다 더 큰 보상을 받을 수 있고, 모델(106)도 또한 공중 회랑에서 이동하는 항공기의 효율성을 최적화하도록 훈련되었다. 이러한 프로세스는 도 4a 및 도 4b를 참조하여 이하에서 더 상세히 설명된다.
도 4a 및 도 4b는 일 실시예에 따른 공중 회랑(예를 들어, 공중 회랑(200))에서 현재 위치 큐브(402)로부터의 다음 위치 큐브의 결정을 예시하는 다이어그램(400A 및 400B)이다. 일부 예에서, 현재 위치 큐브(402)로부터의 다음 위치 큐브의 결정은 공중 회랑 모델(106)과 같은 훈련된 공중 회랑 모델에 의해 또는 이에 기초하여 수행된다. 이러한 공중 회랑 모델은 여기에서 설명된 공중 회랑 모델 트레이너(104)와 같은 공중 회랑 모델 트레이너에 의해 훈련될 수 있고, 그것은 항공기 또는 항공기(102) 및/또는 다른 에이전트(122)와 같은 다른 에이전트에 의해 사용될 수 있다. 다이어그램(400A)은 현재 위치 큐브(402) 및 복수의 잠재적인 다음 위치 큐브를 포함한다. 현재 위치 큐브(402)는 공중 회랑 모델에 의해 제어되거나 지시되는 항공기(102)가 위치되어 있는 관련된 공중 회랑의 공역의 체적을 나타낸다. 항공기(102)가 현재 위치 큐브(402)에 현재 위치한다는 결정은 센서에 의해 수집된 원격 측정 데이터와 같은 항공기(102)에 의해 수집되거나 다른 방법으로 획득된 현재 위치 데이터(예를 들어, 현재 위치 데이터(114)) 및/또는 이전의 위치로부터 항공기(102)의 위치를 추정하는 것에 기초할 수 있다.
화살표 A로 나타낸 바와 같이, 현재 위치 큐브(402)의 항공기(102)는 왼쪽으로부터 오른쪽으로 이동하고 있다. 따라서, 항공기(102)의 잠재적인 다음 위치 큐브(404)는 현재 위치 데이터(114)의 바로 오른쪽(수직으로 또는 대각선으로)에 위치된 9개의 큐브를 포함한다. 다른 예에서, 복수의 잠재적인 다음 위치 큐브(404)는 또한 다른 방향으로 현재 위치 큐브(402)를 둘러싸는 큐브(예를 들어, 현재 위치 큐브(402)로부터 위쪽, 아래쪽, 측면, 또는 이들의 일부 조합의 큐브)를 포함할 수 있다. 그러나, 항공기(102)가 왼쪽으로부터 오른쪽으로 이동할 때, 큐브(402)의 오른쪽의 잠재적인 다음 위치 큐브(404)는 항공기(102)가 공중 회랑(예를 들어, 공중 회랑(200))을 통해 계속 진행할 수 있도록 하기 때문에 바람직하다. 항공기(102)의 관점에서, 잠재적인 다음 위치 큐브(404)는 항공기(102)가 앞쪽으로 직선으로 이동하고; 앞쪽 및 위쪽으로 이동하며; 앞쪽 및 아래쪽으로 이동하고; 앞쪽 및 오른쪽으로 이동하며; 앞쪽 및 왼쪽으로 이동하고; 앞쪽, 오른쪽 및 위쪽으로 이동하며; 앞쪽, 왼쪽 및 위쪽으로 이동하고; 앞쪽, 오른쪽 및 아래쪽으로 이동하며; 앞쪽, 왼쪽 및 아래쪽으로 이동하면 입력되는 큐브를 포함한다.
도 4b의 다이어그램(400B)은 큐브(406, 408, 410)를 포함하는 현재 위치 큐브(402) 및 잠재적인 다음 위치 큐브(404)의 서브세트를 도시한다. 공중 회랑 내의 항공기(102)의 현재 위치 및 다른 에이전트(예를 들어 다른 에이전트(122))의 위치 데이터가 주어지면, 공중 회랑 모델(예를 들어, 공중 회랑 모델(106))은 복수의 잠재적인 다음 위치 큐브(404)로부터 선택하도록 구성된다. 일부 예에서, 모델은 각각의 잠재적인 다음 위치 큐브에 대해 학습된 보상값 또는 가중치를 결정 또는 식별하고 가장 높은 값과 관련된 큐브를 선택하는 것에 기초하여 다음 위치 큐브(404) 중 하나를 선택하도록 구성된다. 보상값은 항공기(102) 및 임의의 다른 에이전트의 입력 위치 데이터에 기초하여 다른 에이전트에 대한 항공기(102)의 예측된 안전 궤적이기도 한 공중 회랑을 이동하기 위한 가장 효율적인 큐브가 가장 높은 보상값을 받도록, 각각의 잠재적인 다음 위치 큐브(404)에 할당될 수 있다. 예를 들어, 큐브(406, 408 및 410)만이 항공기(102)에 대해 안전한 것으로 예측된다고 모델이 결정한 경우, 큐브(406, 408 및 410) 각각의 보상값은 잠재적인 다음 위치 큐브 중에서 가장 높은 값이다. 그러한 큐브 중 하나는 다른 2개보다 높은 보상 값을 가질 가능성이 있고, 그에 따라 그들 큐브는 그들 큐브보다도 선택될 가능성이 있다(예를 들어 큐브(408)는 목적지로의 보다 직접적이거나 효율적인 경로인 안전한 궤적이기 때문에 406 및 410보다 많이 선택될 수 있다).
도 1로 돌아가면, 공중 회랑 모델(106)을 훈련시키기 위해 공중 회랑 모델 트레이너(104)에 의해 사용되는 시뮬레이션된 항공기는 도 4a 및 도 4b에 대해 설명된 바와 같이 시뮬레이션된 공중 회랑에서 이동할 잠재적인 다음 위치 큐브를 선택하도록 구성될 수 있다. 이 프로세스는 많은 반복에 걸쳐 발생할 수 있고, 공중 회랑 모델(106)은 이들 반복의 결과에 기초하여 훈련 및/또는 조정될 수 있으며, 안전하고 효율적인 다음 위치 큐브 결정이 보상될 수 있다. 일부 예에서, 공중 회랑 모델(106)의 훈련 프로세스는 모델(106)을 공중 회랑 내의 최소 수의 에이전트로 훈련시키고, 그 후 훈련 반복을 통해 공중 회랑이 포화될 때까지 공중 회랑 내의 에이전트의 수를 증가시키는 것을 포함한다. 더 많은 에이전트를 추가하면, 공중 회랑에서 이동 중에 피할 수 없는 충돌이나 에이전트의 안전하지 않은 행동이 발생하는 경우 공중 회랑이 포화된 것으로 간주될 수 있다.
이전에 설명한 바와 같이, 일부 예에서, 훈련된 공중 회랑 모델(106)은 공중 회랑의 각각의 에이전트가 공중 회랑 모델(106)을 사용하고, 그들 에이전트는 에이전트가 임의의 중앙 컨트롤러 없이 정보를 교환하도록 하는 시간적으로 변화하며 희소(稀疎)한 통신 네트워크에 의해 접속되도록 분산된 어프로치에 따라 동작한다. 따라서, 각 에이전트의 정책은 독립적이다. 각 단계 또는 위치에서, 각 에이전트는 현재 위치 데이터(114)와 같은 이용 가능한 로컬 정보와 다른 에이전트 위치 데이터(118)와 같은 다른 이웃 에이전트로부터 전송된 메시지에 기초하여 개별 작업을 실행한다. 모든 에이전트의 공동의 목표는 공중 회랑의 네트워크 전체에 걸쳐 모든 에이전트의 결정에 대한 평균 보상을 최대화하는 것이다. 정책 구배 접근 어프로치에서는, 이것은 공동 보상 신호로부터 복수의 정책을 동시에 최적화하는 것으로 해석된다. 이러한 어프로치는 이종의 정책을 더 쉽게 학습할 수 있도록 한다.
일부 예에서, 분산 어프로치는 MARL을 위한 정책 구배 정리를 기반으로 하는 분산화된 행위자 비평 알고리즘의 사용을 포함한다. 추가적으로, 이 어프로치는 softmax 시간적 일관성을 사용하고, 1차-이중 분산 최적화 방법을 도출하여 값 전파 알고리즘을 제안할 수 있다. 이들 어프로치는 다수의 에이전트에 대한 확장성, 악의적인 공격에 대한 견고성 및 통신 효율성의 이점을 제공한다.
이전에 설명한 바와 같이, 모델(106)은 MDP 기술을 이용하도록 훈련될 수 있다. MDP는 5-튜플(tuple) S, A, R, P, γ에 의해 설명할 수 있다. 여기서 S는 유한 상태 공간, A는 유한 행동 공간, P = 
는 전환 확률, R = 
는 실제 가치의 즉각적인 보상, 그리고 γ∈(0, 1)은 할인 팩터이다. 정책은 π로 표시되며, 여기서 
는 정책과 함께 
에서의 조건부 확률 밀도이다. 
는 최적값 함수이며, 벨만(Bellman) 최적성 연산자인 V(s)의 고유의 고정 소수점이다.
더욱이, 이제 네트워크로 연결된 다중 에이전트 MDP에 대해 설명한다. G=(N, E)를 |
| = 
에이전트의 무지향 그래프로 한다. 여기서 
는 에지의 세트이고 (i, j) ∈ 
는 에이전트 i 및 j가 이 에지를 통해 서로 통신할 수 있음을 나타낸다. 네트워크로 연결된 다중 에이전트 MDP는 튜플
에 의해 특징지워지고, 여기서 
는 
에서의 모든 에이전트에 의해 공유되는 전역 상태 공간이고, 
는 에이전트 i의 작업 공간이며, 
는 모든 에이전트의 공동 작업 공간이고, 
는 전환 확률이며, 
는 에이전트 i의 로컬 보상 함수이다. 이러한 예에서, 보상은 국소적으로만 관찰되고, 에이전트는 
를 관찰하고 각 시간 단계에서 결정 
을 내린다. 그 다음에, 각 에이전트는 그 자신의 보상 
만을 받고, 환경은 전환 확률에 따라 새로운 상태 
로 전환된다. 더욱이, 각 에이전트가 그 자신의 결정을 독립적으로 내리기 때문에 정책 
가 인수분해될 수 있다고 가정하는 것이 합리적이다. 액션이 에이전트에 의해 국소적으로 실행되고 비평 (값) 기능이 국소적으로 훈련된다는 사실 때문에, 이 방법은 완전히 분산되고 그 목적 함수는 다음과 같다.
분산된 MARL 설정의 문제 공간은 다음과 같이 맞추어진다. 환경 내의 각 항공기를 에이전트로 간주하고, 에이전트 수 
을 접속하며, 환경 내의 시간 
가 지남에 따라 변화한다. 환경은 여기에서 설명되는 바와 같은 시공간 데이터 큐브 세트에 의해 형성되는 적응 가능한 공중 회랑을 포함하고, 각 시간 단계에서 글로벌 상태(global state, 전역 상태) 
가 유지된다. 개별의 에이전트의 행동 공간 
는 에이전트가 다음의 시간 단계 t에 도달할 수 있는 위치(예를 들어, 도 4a의 잠재적인 다음 위치 큐브(404))를 지정한다. 각 에이전트는 각 시간 단계 
에서 보상 함수에 연결되고, i번째 에이전트는 자신의 예상되는 할인 수익을 최대화하려고 시도한다. 현재의 상태 
에서 취해진 공동 행동 
이 주어진 상태 
으로 천이할 확률이 상태 천이 확률이다. 행동은 결정적이지만, 새로운 차량은 매번 공중 회랑의 다른 큐브에서 이용할 수 있으며, 현재 이용 가능한 일부 차량은 목적지에 도착하면 오프라인 상태로 된다.
이 구성을 사용하여, 분리 공급 작업은 완전히 협력적(예를 들어 모든 차량이 공중 회랑의 사용율을 최대화하여 효율적으로 전진하고자 함), 부분적으로 관찰 가능(예를 들어 각 차량이 자신의 상태/위치를 관찰할 수 있음), 및 순차 다중 에이전트 의사 결정의 문제로서 지정된다. 이 작업은 에이전트가 시간적으로 변화하며 경우에 따라서는 희소한 통신 네트워크를 통해 접속되어 있는 설정에서 MARL을 사용하여 처리할 수 있다. 각 에이전트의 정책은 이 완전히 분산된 체계에서 독립적이다. 구체적으로는, 각 상태에 있어서, 각 차량이 행동을 취하고 이들 행동에 의해 다음의 공중 회랑의 상태와 각 차량의 개별 보상이 결정된다. 이 공동 설정에서는, 차량은 네트워크 전체에서 할인된 보상의 합계를 최대화하려고 시도한다.
다른 예에서는, 공중 회랑 모델(106)을 훈련하여 사용할 때 완전히 집중화된 어프로치 또는 집중화된 학습 어프로치가 사용될 수 있다. 완전히 집중화된 어프로치에서는, 공중 회랑의 모든 에이전트의 행동 및 관찰을 위한 공동 모델이 사용된다. 집중화된 정책은 에이전트의 공동 관찰을 공동 액션에 매핑한다. 따라서, 중앙 컨트롤러에 이용 가능한 모든 에이전트의 정보에 의해, 공중 회랑에서 에이전트를 제어하는 문제는 SARL 알고리즘에 의해 해결할 수 있는 MDP로 감소한다. 그러나, 이러한 어프로치는 대량의 에이전트에 의한 관찰 및 액션 공간의 기하급수적인 성장을 초래할 수 있으며, 중앙 컨트롤러가 각 에이전트와 통신해야 하는 필요성은 추가적인 제한을 제공한다. 이러한 집중화된 어프로치는 여기에서 설명되는 분산 어프로치에 의해 제공되는 확장성에 대처하지 못할 가능성이 있다.
모델(106)이 집중화된 학습을 이용하여 훈련되지만 모델(106)의 사용이 에이전트 사이에서 분산되는 집중화된 학습 어프로치에서는, 학습 중에 에이전트 사이의 통신이 제한되지 않는 설정에 초점이 맞추어진다. 이러한 통신은 훈련 중에 중앙 컨트롤러에 의해 수행될 수 있다. 그러나, 학습된 정책을 실행하는 동안 에이전트는 제한된 대역폭 채널을 통해서만 통신할 수 있다. 그 결과, 이 어프로치는 모델(106)의 정책이 모든 에이전트의 경험과 동시에 훈련되는 것을 허용한다.
일부 예에서는, 설명되는 시스템은 지정된 고도의 공중 회랑에서 동작하도록 구성된다. 예를 들어, 설명되는 시스템은 항공기(102) 및 다른 에이전트(122)가 확립된 무인 항공기 시스템 트래픽 관리(UTM)의 고도 이상에서 동작하고 다른 유형의 항공기의 정상적인 동작 고도 이하를 유지하도록 400피트와 2500피트 사이의 고도에서 동작하도록 구성될 수 있다. 다른 예에서는, 설명을 벗어나지 않고 더 크거나 작거나 다른 고도 제한이 사용될 수 있다.
일부 예에서는, 설명되는 시스템의 공중 회랑에서 동작하는 항공기는 수직 이착륙(vertical takeoff and landing, VTOL) 및 호버링(hovering, 공중 부양)이 가능하도록 구성되고, 그들의 능력은 차량의 다음의 위치를 결정할 때에 모델(106)에 의해 설명될 수 있다. 추가적으로 또는 대안적으로, 공중 회랑에서 동작하는 항공기는 호버링 및/또는 VTOL이 불가능한 고정익 차량을 포함할 수 있고, 이에 따라 특정 시간에 안전하게 달성할 수 있는 다음의 위치에 대해 덜 유연할 수 있다(예를 들어 이러한 차량은 속도, 고도 상승 또는 호버링 가능한 차량보다 빠르게 변화하는 코스의 변화에 관하여 덜 유연할 수 있다). 모델(106)은 또한 그러한 제한을 설명하도록 훈련될 수 있고, 그에 따라 공중 회랑 내의 차량에 대한 다음의 위치는 공중 회랑의 조종 가능성이 낮은 차량의 존재에 기초하여 결정된다.
더욱이, 원격 위치에서의 소형 무인 항공기 시스템(sUAS)의 사용을 통하여 실제 세계의 테스트에 있어서 추가 학습을 수행할 수 있다. 그러한 프로세스는 시뮬레이션에 기초하여 훈련된 모델(106)의 검증을 더 가능하게 하고, 훈련 시뮬레이션에 기초하여 명백하게 되지 않을 수 있는 추가적인 실제 세계 고려사항을 드러낼 수 있다. 더욱이, 모델(106)이 항공기(102) 및/또는 다른 에이전트(122)에 매립되거나 또는 다른 방법으로 설치되면, 그들 차량의 동작 중에 수집된 피드백 데이터는 여기에서 설명되는 강화 학습과 같은 기계 학습 기술에 따라 모델(106)을 더 조정 및/또는 개선하는 데 사용될 수 있다.
도 5는 실시예에 따라 다른 에이전트 차량(예를 들어, 다른 에이전트(122))으로부터 안전한 이격을 유지하면서 항공기(예를 들어, 항공기(102))가 공중 회랑(예를 들어, 공중 회랑(200))에서 이동하도록 제어하기 위한 프로세스(500)를 나타내는 플로우차트이다. 일부 예에서, 프로세스(500)는 여기에 기재된 시스템(100)과 같은 시스템에 있어서 항공기에 의해 수행되거나 다른 방법으로 실행된다.
502에서는, 출발지 위치, 목적지 위치 및 그 사이의 공중 회랑(예를 들어, 400피트 내지 2500피트와 같은 정의된 고도 범위에서 출발지와 목적지 사이의 직선에 있는 공역의 회랑)과 관련한 훈련된 공중 회랑 모델이 수신된다. 일부 예에서, 공중 회랑 모델을 수신하는 것은 항공기의 제어에 영향을 미치기 위해 공중 회랑 모델이 컴퓨터 시스템에 의해 사용될 수 있도록 항공기의 컴퓨터 시스템에 내장되거나 또는 다른 방법으로 설치되는 모델을 포함한다. 더욱이, 훈련된 공중 회랑 모델은 항공기가 공중 회랑을 통해 출발지로부터 목적지까지, 또는 공중 회랑을 통해 목적지로부터 출발지까지 효율적으로 이동하는 것을 가능하게 하도록 구성할 수 있고, 또 공중 회랑을 이동하는 다른 에이전트들(예를 들어 인근의 활주로에 착륙하거나 활주로로부터 이륙할 때 공중 회랑에 간섭할 수 있는 다른 종래의 항공기)과 안전한 이격 거리를 유지하면서 또는 다른 방법으로 공중 회랑에 진입할 수 있다.
504에서, 공중 회랑 내의 항공기의 현재 위치의 현재 위치 데이터가 식별된다. 일부 예에서, 공중 회랑은 출발지로부터 목적지까지의 공중 회랑의 공역의 일부분을 나타내는 시공간 데이터 큐브의 공동 세트에 의해 표시된다. 더욱이, 공중 회랑은 그 데이터 큐브를 세분화하거나 확장함으로써(예를 들어 더 큰 데이터 큐브를 옥탄트(octant)로 세분화하거나, 또는 더 큰 큐브의 체적을 채우는 8개의 더 작은 데이터 큐브 또는 8개의 더 작은 데이터 큐브의 그룹을 1개의 더 큰 데이터 큐브에 결합함으로써) 적응 가능하다. 이러한 공중 회랑의 데이터 큐브의 세분화 및/또는 확장은 항공기의 크기 및 모양뿐만 아니라 항공기의 최소 안전 이격 거리에 영향을 미치는 그 임의의 다른 특징을 수용하기 위해 수행될 수 있다. 세분화 및/또는 확장은 또한 공중 회랑의 포화 한계까지 복수의 에이전트 차량에 의한 공중 회랑의 안전하고 효율적인 사용을 최적화하는 것에 기초할 수 있다. 예를 들어, 특정 크기의 항공기에 대해서는, 각 큐브가 하나의 항공기에 의해서만 점유될 수 있는 경우, 공중 회랑의 결과적인 데이터 큐브가 복수의 항공기에 의해 효율적으로 사용되도록, 항공기의 안전한 이격 거리를 유지하는 가장 작은 입방체로 세분화할 수 있다. 식별된 항공기의 현재 위치 데이터는 고도, 위도, 경도, 출발지 및/또는 목적지로부터의 거리 등과 같은 다른 위치 정보뿐만 아니라 공중 회랑 내의 데이터 큐브의 식별자를 포함할 수 있다. 항공기에 의해 수집될 수 있는 다른 데이터는 속도 데이터 및/또는 이동 데이터의 방향을 포함할 수 있다.
506에서는, 공중 회랑 내의 다른 에이전트 차량과 관련된 에이전트 위치 데이터가 수신된다. 일부 예에서, 에이전트 위치 데이터는 항공기와 다른 에이전트 차량과의 사이의 무선 통신(예를 들어, 에이전트 차량이 임의의 중앙 컨트롤러 없이 정보를 교환하는 것을 가능하게 하는 시간적으로 변화하며 희소한 통신 네트워크)을 통해 수신된다. 더욱이, 항공기는 식별된 현재 위치 데이터를 동일하거나 또는 다른 통신 방법을 통해 공중 회랑 내의 다른 에이전트 차량에 제공할 수 있다. 에이전트 위치 데이터는 에이전트 차량이 공중 회랑에서 점유하는 데이터 큐브의 식별자, 고도, 위도, 경도, 속도 및/또는 이동 방향과 같은 식별된 현재 위치 데이터와 동일하거나 다른 정보를 포함할 수 있다. 에이전트 위치 데이터는 또한 다른 에이전트 차량의 안전한 이격 거리도 포함할 수 있다(예를 들어 다른 에이전트 차량 중 하나가 더 크고, 더 큰 데이터 큐브를 점유하는 경우, 항공기는 더 큰 차량의 안전한 이격 거리와의 충돌을 피하기 위해 경로를 적절하게 라우팅하기 위한 정보를 가지고 있을 필요가 있다).
공중 회랑의 데이터 큐브가 Octree 데이터 구조를 사용하여 정의 및 처리되는 예에서는, 다른 에이전트가 점유하는 데이터 큐브의 식별자는 Octree 데이터 구조의 특성으로 인해 다른 에이전트의 안전한 이격 거리를 유지하기에 충분한 정보를 포함할 수 있다. 예를 들어, Octree 데이터 구조가 각 계층 레벨에 대해 더 작고 입도가 높은 데이터 큐브를 나타내는 계층 데이터 값으로 표시되는 경우, 계층 레벨이 낮은 데이터 큐브 식별자를 포함하는 위치 데이터는, 관련된 에이전트의 안전한 이격 거리가 더 큰 계층 레벨을 갖는 데이터 큐브 식별자가 있는 에이전트보다 커질 수 있음을 나타낸다(예를 들어 2.4.6의 식별자는 3개의 계층 레벨을 나타내고, 에이전트는 관련된 완전한 데이터 큐브의 체적의 1/64의 데이터 큐브인 공중 회랑의 2번째 데이터 큐브의 4번째 옥탄트의 6번째 옥탄트에 위치되어 있는 것을 나타내며, 반면에 6.1.2.3의 식별자는 4개의 계층 레벨을 나타내고, 에이전트는 2.4.6 식별자보다 짧은 안전 이격 거리를 나타내는 관련된 완전한 데이터 큐브의 체적의 1/512의 데이터 큐브인 공중 회랑의 6번째 데이터 큐브의 1번째 옥탄트의 2번째 옥탄트의 3번째 옥탄트에 위치되어 있는 것을 나타낸다).
추가적으로, 일부 예에서는, 수신된 에이전트 위치 데이터는 항공기의 정의된 버퍼 범위 내에 있는 공중 회랑의 에이전트 차량의 서브세트로부터의 것이다. 이러한 완충 범위는, 여기에 기술된 바와 같이, 충돌을 안전하고 효율적으로 피하기 위해 공중 회랑 내의 항공기에 필요한 리드 타임에 대한 요건에 기초하여 정의될 수 있다. 혹은, 수신된 에이전트 위치 데이터는 공중 회랑의 모든 에이전트 차량으로부터 수신될 수 있다.
508에서는, 훈련된 공중 회랑 모델, 현재 위치 데이터 및 에이전트 위치 데이터에 기초하여, 항공기의 다음의 위치가 결정된다. 일부 예에서, 공중 회랑 모델은 현재 위치 데이터 및 에이전트 위치 데이터를 입력으로서 수신하고, 다음의 위치의 다음 위치 데이터를 출력으로서 제공하도록 구성된다. 더욱이, 공중 회랑 모델은 현재 위치 데이터(예를 들어, 현재 데이터 큐브의 식별자 및 이동 방향)에 기초하여 잠재적인 다음 위치 데이터 큐브의 세트를 결정하고, 그 현재 위치 데이터 및 에이전트 위치 데이터에 기초하여 잠재적인 다음 위치 데이터 큐브의 각각의 보상 값을 결정하며, 가장 높은 보상 값을 갖는 잠재적인 다음 위치 데이터 큐브를 항공기의 다음 위치로서 선택하도록 훈련될 수 있다. 공중 회랑의 다른 에이전트 차량은 또한 실질적으로 동일한 방식으로 그들의 다음의 위치를 결정할 수 있고, 항공기의 훈련된 공중 회랑 모델은 적어도 부분적으로 공중 회랑의 다른 에이전트에 기초하여 그러한 모델을 이용하여 다음 위치를 선택할 수 있는 잠재적인 다음 위치 데이터 큐브에 대한 보상 값을 결정하도록 훈련될 수 있다.
510에서, 항공기는 공중 회랑에서의 현재 위치로부터 결정된 다음 위치로 이동하도록 제어된다. 일부 예에서, 항공기는 공중 회랑을 구성하는 데이터 큐브의 세트의 현재 위치 데이터 큐브로부터 다음 위치 데이터 큐브로 이동하도록 제어된다. 이러한 항공기의 제어는, 항공기의 가속, 항공기의 감속, 항공기의 고도의 상승, 항공기의 고도의 상실(하강), 항공기의 방향 또는 헤딩의 변경, 그리고 항공기의 현재 방향 또는 헤딩의 유지 중 하나 이상을 포함할 수 있다. 많은 예에서, 항공기는 하나 이상의 컴퓨팅 시스템에 의해 자동적으로 제어되지만, 다른 예에서, 차량 제어의 일부는 수동이어도 좋다. 적어도 부분적인 수동 제어를 갖는 그러한 시스템에 있어서, 항공기의 다음의 위치는 다음의 위치로 향하는 방향을 지시하는 것 및/또는 항공기가 다음의 위치로 이동하도록 조정하기 위한 제어 또는 제어들을 지시하는 것을 포함할 수 있는 항공기의 조종사 또는 다른 제어 사용자에게 전달될 수 있다. 이러한 예에서, 자동 제어된 항공기는 공중 회랑에서 수동 제어된 항공기를 우선하도록 구성될 수 있으며, 인간 조종사가 필요한 기동을 수행할 수 있도록 보장하기 위한 추가의 전략적인 계획이 포함될 수 있다.
512에서, 항공기가 목적지에 도착한 경우, 프로세스는 514로 진행한다. 혹은, 항공기가 목적지에 도착하지 않은 경우에는, 프로세스는 504로 돌아가고, 그 시점에서 504∼510로부터 다음의 위치를 결정하여 이동하는 관리를 다시 수행한다. 그 결과, 항공기는 위치로부터 위치로 공중 회랑을 따라 이동하도록 제어되고, 각각의 다음의 위치는 공중 회랑 모델과 항공기 및 그들 자신의 위치 데이터를 전달한 근방의 에이전트 차량의 최신 위치 데이터에 기초하여 결정된다. 514에서, 항공기의 비행은 (예를 들어, 헬기장, 정류장, 또는 다른 정의된 착륙 구역에 착륙함으로써) 종료된다.
일부 예에서, 공중 회랑의 출발지 또는 목적지로부터 이륙 및/또는 착륙하도록 하기 위한 항공기의 제어는, 항공기가 지상 및 착륙 지점 위로 상승될 수도 있는 관련된 공중 회랑에 진입하기 전에 다른 방식으로 수행될 수 있다. 예를 들어, 공중 회랑의 특정의 엔드포인트(endpoint, 끝점)에서 이륙 또는 착륙이 허가된 차량의 수는 그 위치에서 이용 가능한 헬기장 또는 정류장의 수에 기초할 수 있다. 대안적으로, 또는 추가적으로, 엔드포인트의 착륙 구역이 공중 회랑 내에 위치하는 경우, 공중 회랑 모델은 항공기가 그 착륙 구역에서 이륙 및/또는 착륙하도록 제어하도록 훈련될 수 있다. 공중 회랑의 끝점에서 항공기의 이착륙을 제어하는 다른 방법은 여기에서의 설명을 벗어나지 않고 사용될 수 있다.
도 6은 일 실시예에 따른 공중 회랑 모델(예를 들어, 공중 회랑 모델(106))을 훈련하기 위한 프로세스(600)를 나타내는 플로우차트이다. 일부 예에서, 프로세스(600)는, 여기에 기재된 바와 같이 시스템(100)과 같은 시스템 및/또는 공중 회랑 모델 트레이너(104)와 같은 그 구성요소에 의해 수행된다. 602에서는, 출발지 및 목적지와 관련한 시뮬레이션된 공중 회랑이 정의된다. 일부 예에서, 모델은 특정의 출발지-목적지 쌍에 기초하여 훈련되어야 한다. 시뮬레이션된 공중 회랑을 정의하는 것은 위에서 설명한 바와 같이 시공간 데이터 큐브의 공동 세트를 정의하는 것을 포함할 수 있다.
604에서, 복수의 시뮬레이션된 에이전트가 생성되고, 606에서, 복수의 시뮬레이션된 에이전트는 시간적으로 변화하며 희소한 통신을 통해 서로 공중 회랑 내의 위치를 통신하도록 구성되어, 실제 세계 시스템의 제한된 통신이 가능하도록 시뮬레이션된다. 608에서, 그들 시뮬레이션된 에이전트는 훈련되고 있는 공중 회랑 모델을 사용하여 시뮬레이션된 회랑을 통해 이동하도록 구성된다. 그 다음에 시뮬레이션된 에이전트는 다양한 배치, 조직, 순서 및 타이밍에 따라 공중 회랑으로 보내진다.
610에서, 시뮬레이션된 에이전트가 공중 회랑를 따라 이동할 때 에이전트가 획득한 보상이 추적된다. 일부 예에서, 시뮬레이션된 에이전트는 공중 회랑 모델에 기반한 MDP를 사용하여 여기에서 설명되는 바와 같이 다음의 위치를 결정한다. 공중 회랑 모델은 여기에서 설명되는 바와 같이 각 시점에서의 각 시뮬레이션된 에이전트의 잠재적인 다음 위치에 대한 보상을 결정하도록 구성된다. 시뮬레이션된 에이전트 사이의 충돌은 그러한 행동을 무력화하기 위해 매우 낮은 보상 값 또는 부의 보상 값을 할당할 수 있다.
612에서, 시뮬레이션된 에이전트의 추적된 보상은 공중 회랑 모델을 훈련하기 위한 피드백 데이터로서 사용된다. 모델은 시뮬레이션된 에이전트가 목적지에 성공적으로 도달한 다음의 위치의 결정의 보상을 개선하도록 조정될 수 있고, 충돌 또는 비효율적인 이동을 초래한 다음의 위치의 결정은 보상을 감소시킬 수 있다. 공중 회랑 모델의 훈련은 여기에서 설명되는 바와 같이 MARL과 같은 RL 기술에 기초하여 행해질 수 있다.
614에서, 모델 훈련이 아직 완료되지 않은 경우, 프로세스는 604로 돌아가서 공중 회랑 모델을 더 조정하기 위해, 설명된 시뮬레이션의 다른 반복을 수행한다. 또는, 모델 훈련이 614에서 완료되면, 프로세스는 실제 세계의 테스트가 모델에 대해 수행될 수 있는 616으로 진행한다. 예를 들어, 무인 항공 택시는 훈련된 모델을 사용하도록 구성하고, 원격 지역의 공중 회랑을 따라 이동하도록 제어되어, 실제 세계에서의 모델의 동작을 확인하거나 시뮬레이션 중에 식별되지 않은 문제를 식별할 수 있다.
예시적인 동작 환경
본 발명은 도 7의 기능 블록도(700)로서의 실시예에 따른 컴퓨팅 장치와 함께 동작 가능하다. 일 실시예에서, 컴퓨팅 장치(718)의 구성요소는 여기에 기재된 하나 이상의 실시예에 따라 전자 디바이스의 일부로서 구현될 수 있다. 컴퓨팅 장치(718)는 마이크로프로세서, 컨트롤러, 또는 전자 디바이스의 동작을 제어하기 위한 컴퓨터 실행 가능 명령을 처리하기 위한 임의의 다른 적절한 유형의 프로세서일 수 있는 하나 이상의 프로세서(719)를 포함한다. 대안적으로 또는 추가적으로, 프로세서(719)는 하드코딩된 기계와 같은 논리 또는 명령을 실행할 수 있는 임의의 기술이다. 운영 체제(720) 또는 임의의 다른 적절한 플랫폼 소프트웨어를 구비하는 플랫폼 소프트웨어는 애플리케이션 소프트웨어(721)가 디바이스 상에서 실행되도록 하기 위해 장치(718) 상에 제공될 수 있다. 일 실시예에 따르면, 여기에 기재된 바와 같이 훈련된 공중 회랑 모델을 사용하여 안전한 이격 거리를 유지하면서 공중 회랑을 이동하도록 항공기를 제어하는 것은 소프트웨어, 하드웨어, 및/또는 펌웨어에 의해 달성될 수 있다.
컴퓨터 실행 가능 명령은 컴퓨팅 장치(718)에 의해 액세스 가능한 임의의 컴퓨터 판독 가능 매체를 사용하여 제공될 수 있다. 컴퓨터 판독 가능 매체는 예를 들어, 메모리(722) 및 통신 매체와 같은 컴퓨터 저장 매체를 포함할 수 있다. 메모리(722)와 같은 컴퓨터 저장 매체는 컴퓨터 판독 가능 명령, 데이터 구조, 프로그램 모듈 등과 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현되는 휘발성 및 비휘발성, 착탈 가능 및 착탈 가능하지 않은 매체를 포함한다. 컴퓨터 저장 매체는 RAM, ROM, EPROM, EEPROM, 영구 메모리, 상변화 메모리, 플래시 메모리 또는 다른 메모리 기술, CD-ROM, DVD(디지털 다목적 디스크) 또는 다른 광학 저장 장치, 자기 카세트, 자기 테이프, 자기 디스크 저장 장치, 슁글 디스크 저장 장치 또는 다른 자기 저장 장치, 또는 컴퓨팅 장치에 의한 액세스를 위한 정보를 저장하는 데 사용할 수 있는 임의의 다른 비전송 매체를 포함하지만 이에 한정되지는 않는다. 대조적으로, 통신 매체는 반송파 또는 다른 전송 메커니즘과 같은 변조된 데이터 신호에서 컴퓨터 판독 가능 명령, 데이터 구조, 프로그램 모듈 등을 구현할 수 있다. 여기에서 정의된 바와 같이, 컴퓨터 저장 매체는 통신 매체를 포함하지 않는다. 따라서, 컴퓨터 저장 매체는 그 자체로 신호를 전파하는 것으로 해석되어서는 안 된다. 전파된 신호 자체는 컴퓨터 저장 매체의 예가 아니다. 컴퓨터 저장 매체(메모리(722))가 컴퓨팅 장치(718) 내에 도시되어 있지만, 당해 기술분야에서 통상의 지식을 가진 자라면 스토리지가 분산되거나 원격으로 배치되어 네트워크 또는 다른 통신 링크를 통해(예를 들어, 통신 인터페이스(723)를 사용하여) 액세스될 수 있다는 것을 인식할 수 있을 것이다.
컴퓨팅 장치(718)는 정보를 하나 이상의 출력 장치(725), 예를 들어 전자 장치와 분리되거나 통합될 수 있는 디스플레이 또는 스피커에 출력하도록 구성된 입력/출력 컨트롤러(724)를 포함할 수 있다. 입력/출력 컨트롤러(724)는 또한 하나 이상의 입력 장치(726), 예를 들어 키보드, 마이크로폰, 또는 터치패드로부터 입력을 수신하여 처리하도록 구성될 수 있다. 일 실시예에서, 출력 장치(725)는 또한 입력 장치로서 기능할 수도 있다. 그러한 장치의 예는 터치 감지 디스플레이일 수 있다. 입력/출력 컨트롤러(724)는 또한 데이터를 출력 장치 이외의 장치, 예를 들어 로컬로 연결된 인쇄 장치로 출력할 수도 있다. 일부 실시예에서, 사용자는 입력 장치(726)에 입력을 제공하거나 또는 출력 장치(725)로부터 출력을 수신할 수 있다.
여기에 설명되는 기능은 하나 이상의 하드웨어 논리 구성요소에 의해 적어도 부분적으로 수행될 수 있다. 일 실시예에 따르면, 컴퓨팅 장치(718)는 설명되는 동작 및 기능의 실시예를 실행하기 위해 프로세서(719)에 의해 실행될 때 프로그램 코드에 의해 구성된다. 대안적으로, 또는 추가적으로, 여기에 설명되는 기능은 하나 이상의 하드웨어 논리 구성요소에 의해 적어도 부분적으로 수행될 수 있다. 예를 들어, 제한 없이 사용할 수 있는 예시적인 유형의 하드웨어 논리 구성요소는 필드 프로그램 가능 게이트 어레이(Field-programmable Gate Arrays, FPGAs), 응용 주문형 집적 회로(Application-specific Integrated Circuits, ASICs), 프로그램 특정 표준 제품(Program-specific Standard Products, ASSPs), 단일 칩 시스템(System-on-a-chip systems, SOCs), 복합 프로그램 가능 논리 장치(Complex Programmable Logic Devices, CPLDs), 그래픽 처리 장치(Graphics Processing Units, GPUs)를 포함한다.
도면의 다양한 요소의 기능의 적어도 일부는 도면의 다른 요소, 또는 도면에 도시되지 않은 엔티티(예를 들어 프로세서, 웹 서비스, 서버, 애플리케이션 프로그램, 컴퓨팅 장치 등)에 의해 수행될 수 있다.
예시적인 컴퓨팅 시스템 환경과 관련하여 설명되었지만, 본 발명의 예는 다수의 다른 범용 또는 특수 목적 컴퓨팅 시스템 환경, 구성 또는 디바이스로 구현될 수 있다.
본 발명의 태양에서 사용하기에 적합할 수 있는 잘 알려진 컴퓨팅 시스템, 환경 및/또는 구성의 예는, 모바일 또는 휴대용 컴퓨팅 장치(예를 들어 스마트폰), 개인용 컴퓨터, 서버 컴퓨터, 휴대용(예를 들어 태블릿) 또는 랩톱 장치, 다중 프로세서 시스템, 게이밍 콘솔 또는 컨트롤러, 마이크로프로세서 기반 시스템, 셋톱 박스, 프로그래밍 가능한 소비자 전자 제품, 휴대 전화, 모바일 컴퓨팅 및/또는 웨어러블 또는 액세서리 폼 팩터의 통신 장치(예를 들어, 시계, 안경, 헤드셋 또는 이어폰), 네트워크 PC, 미니컴퓨터, 메인프레임 컴퓨터, 상기 시스템 또는 장치 중 임의의 것을 포함하는 분산 컴퓨팅 환경 등을 포함하지만, 이에 한정되지 않는다. 일반적으로, 본 발명은 여기에 기재되어 있는 바와 같은 명령을 실행할 수 있도록, 처리 능력을 가진 임의의 장치에서 동작 가능하다. 그러한 시스템 또는 장치는 제스처 입력, 근접 입력(예를 들어 호버링) 및/또는 음성 입력을 통해 키보드 또는 포인팅 장치와 같은 입력 장치를 포함하는 임의의 방식으로 사용자로부터 입력을 받아들일 수 있다.
본 발명의 예는 소프트웨어, 펌웨어, 하드웨어, 또는 그 조합에서 하나 이상의 컴퓨터 또는 다른 장치에 의해 실행되는 프로그램 모듈과 같은 컴퓨터 실행가능 명령의 일반적인 맥락에서 설명될 수 있다. 컴퓨터 실행 가능 명령은 하나 이상의 컴퓨터 실행 가능 구성요소 또는 모듈로 구성될 수 있다. 일반적으로, 프로그램 모듈은 특정의 작업을 수행하거나 특정의 추상 데이터 유형을 구현하는 루틴, 프로그램, 개체, 구성 요소 및 데이터 구조를 포함하지만, 이에 한정되지 않는다. 본 발명의 태양은 그러한 구성요소 또는 모듈의 임의의 수 및 구성으로 구현될 수 있다. 예를 들어, 본 발명의 태양은 도면에 도시되고 여기에 설명되는 특정 컴퓨터 실행 가능 명령 또는 특정 구성요소 또는 모듈에 한정되지 않는다. 본 발명의 다른 예는 여기에 도시되고 설명된 것보다 더 많거나 더 적은 기능을 갖는 다른 컴퓨터 실행 가능 명령어 또는 구성요소를 포함할 수 있다.
범용 컴퓨터를 포함하는 예에서, 본 발명의 태양은 여기에 설명되는 명령을 실행하도록 구성될 때 범용 컴퓨터를 특수 목적 컴퓨팅 디바이스로 변환한다.
다른 에이전트 차량과의 안전한 분리를 유지하면서 공중 회랑을 이동하도록 항공기를 제어하기 위한 예시적인 컴퓨터 시스템은, 프로세서; 및 다른 컴퓨터 시스템으로 데이터를 전송하기 위한 프로그램 코드가 저장되어 있는 비일시적 컴퓨터 판독 가능 매체를 포함하되, 프로그램 코드는 프로세서가 출발지, 목적지 및 출발지와 목적지 사이의 공역을 나타내는 공중 회랑과 관련한 훈련된 공중 회랑 모델을 수신하도록 하며, 훈련된 공중 회랑 모델은 공중 회랑에서 차량 사이의 안전한 이격 거리를 유지하고; 공중 회랑 내의 항공기의 현재의 위치를 나타내는 현재 위치 데이터를 식별하며; 공중 회랑에서 적어도 하나의 에이전트 차량의 위치와 관련된 에이전트 위치 데이터를 수신하고; 훈련된 공중 회랑 모델, 현재 위치 데이터 및 에이전트 위치 데이터에 기초하여 공중 회랑에서 항공기의 다음의 위치를 결정하도록 구성된다.
다른 에이전트 차량과의 안전한 이격을 유지하면서 공중 회랑을 이동하도록 항공기를 제어하기 위한 예시적인 컴퓨터화된 방법은: 항공기의 프로세서에 의해, 출발지, 목적지 및 출발지와 목적지 사이의 공역을 나타내는 공중 회랑과 관련한 훈련된 공중 회랑 모델을 수신하는 단계; 프로세서에 의해, 공중 회랑 내의 항공기의 현재의 위치를 나타내는 현재 위치 데이터를 식별하는 단계; 프로세서에 의해, 공중 회랑에서 적어도 하나의 에이전트 차량의 위치와 관련된 에이전트 위치 데이터를 수신하는 단계; 및 프로세서에 의해, 훈련된 공중 회랑 모델, 현재 위치 데이터 및 에이전트 위치 데이터에 기초하여 공중 회랑에서 항공기의 다음의 위치를 결정하는 단계를 구비하되, 훈련된 공중 회랑 모델은 공중 회랑에서 차량 사이의 안전한 이격 거리를 유지하도록 구성된다.
제1 사이트에서 제1 컴퓨터 시스템에 의해 실행 가능한 프로그램 코드를 저장한 비일시적 컴퓨터 저장 매체로서, 상기 프로그램 코드는, 항공기에 의해, 출발지, 목적지 및 출발지와 목적지 사이의 공역을 나타내는 공중 회랑과 관련한 훈련된 공중 회랑 모델을 수신하는 단계; 공중 회랑 내의 항공기의 현재의 위치를 나타내는 현재 위치 데이터를 식별하는 단계; 공중 회랑에서 적어도 하나의 에이전트 차량의 위치와 관련된 에이전트 위치 데이터를 수신하는 단계; 및 훈련된 공중 회랑 모델, 현재 위치 데이터 및 에이전트 위치 데이터에 기초하여 공중 회랑에서 항공기의 다음의 위치를 결정하는 단계를 포함하되, 훈련된 공중 회랑 모델은 공중 회랑에서 차량 사이의 안전한 이격을 유지하도록 구성되는 방법을 구현한다.
대안적으로, 또는 여기에서 설명되는 다른 예에 추가하여, 예는 다음의 임의의 조합을 포함한다:
- 공중 회랑은, 출발지로부터 목적지까지의 공중 회랑의 공역의 일부분을 나타내는 시공간 데이터 큐브의 공동 세트를 포함하며; 시공간 데이터 큐브의 공동 세트의 적어도 하나의 데이터 큐브는 복수의 데이터 서브 큐브로 세분화되고, 데이터 서브 큐브의 크기는 정의된 최소 안전 이격 거리에 기초한다.
- 공중 회랑 내의 항공기의 현재의 위치의 현재 위치 데이터를 식별하는 단계는 항공기가 현재 위치되어 있는 공중 회랑의 현재의 데이터 서브 큐브를 식별하는 단계를 포함하고; 훈련된 공중 회랑 모델, 현재 위치 데이터 및 에이전트 위치 데이터에 기초하여 공중 회랑에서 항공기의 다음의 위치를 결정하는 단계는 식별된 현재의 데이터 서브 큐브에 인접한 공중 회랑의 다음의 데이터 서브 큐브를 결정하는 단계를 포함한다.
- 훈련된 공중 회랑 모델에 기초하여 공중 회랑에서 항공기의 다음의 위치를 결정하는 단계는 공중 회랑의 사용을 최적화하기 위해 훈련된 공중 회랑 모델에 기초하여 공중 회랑를 적응시키는 단계를 포함하고, 적응시키는 단계는 공중 회랑의 데이터 큐브를 공중 회랑의 옥탄트 서브 큐브로 세분화하는 단계와, 공중 회랑의 서브 큐브를 공중 회랑의 더 큰 큐브로 결합시키는 단계 중의 적어도 하나를 포함한다.
- 프로그램 코드는 또한 프로세서가 식별된 현재 위치 데이터를 공중 회랑 내의 적어도 하나의 에이전트 차량에 전송하도록 한다.
- 항공기의 가속, 항공기의 감속, 항공기의 고도의 상승, 항공기의 고도의 상실 및 항공기의 방향의 변경 중 적어도 하나를 더 포함하는 공중 회랑의 현재 위치로부터 결정된 다음 위치로 이동하도록 항공기를 제어하는 단계를 더 구비한다.
- 공중 회랑은 400피트의 고도로부터 2500피트의 고도까지의 공역을 포함한다.
여기에 주어진 임의의 범위 또는 장치 값은 당업자에게 명백한 바와 같이 추구되는 효과를 잃지 않고 확장되거나 변경될 수 있다.
본 발명의 태양에 의해 개인적으로 식별 가능한 정보가 추적되지 않지만, 사용자로부터 모니터링 및/또는 수집된 데이터를 참조하여 예들이 설명되었다. 일부 예에서는, 데이터 수집의 사용자에게 (예를 들어, 대화 상자 또는 선호 설정을 통해) 통지가 제공될 수 있고, 사용자는 모니터링 및/또는 수집에 대한 동의를 제공하거나 거부할 기회가 제공된다. 동의는 옵트 인 동의(opt-in consent) 또는 옵트 아웃 동의(opt-out consent)의 형태를 취할 수 있다.
주제는 구조적 특징 및/또는 방법론적 행위에 고유의 언어로 설명되었지만, 첨부된 청구범위에 정의되는 주제는 반드시 위에 설명된 특정의 특징 또는 행위에 한정되지 않는다는 것을 이해해야 한다. 오히려, 위에서 설명된 특정의 특징 및 행위는 청구범위를 구현하는 예시적인 형태로 개시되어 있다.
위에서 설명된 이점 및 장점은 하나의 실시예와 관련될 수 있거나 복수의 실시예와 관련될 수 있음을 이해할 수 있을 것이다. 실시예들은 언급된 문제들 중 일부 또는 전부를 해결하는 것 또는 언급된 이점 및 장점 중 일부 또는 전부를 갖는 것들에 한정되지 않는다. '하나의' 항목에 대한 언급은 이들 항목 중 하나 이상을 지칭한다는 것을 더 이해할 수 있을 것이다.
여기에 예시되고 설명된 실시예뿐만 아니라 여기에 구체적으로 설명되지 않았지만 청구범위의 태양의 범위를 갖는 실시예는, 항공기의 프로세서에 의해, 출발지, 목적지 및 출발지와 목적지 사이의 공역을 나타내는 공중 회랑과 관련한 훈련된 공중 회랑 모델을 수신하기 위한 예시적인 수단; 프로세서에 의해, 공중 회랑 내의 항공기의 현재의 위치를 나타내는 현재 위치 데이터를 식별하기 위한 예시적인 수단; 프로세서에 의해, 공중 회랑에서 적어도 하나의 에이전트 차량의 위치와 관련된 에이전트 위치 데이터를 수신하기 위한 예시적인 수단; 및 프로세서에 의해, 훈련된 공중 회랑 모델, 현재 위치 데이터 및 에이전트 위치 데이터에 기초하여 공중 회랑에서 항공기의 다음의 위치를 결정하기 위한 예시적인 수단을 포함하되, 훈련된 공중 회랑 모델은 공중 회랑에서 차량 사이의 안전한 이격 거리를 유지하도록 구성된다.
"구비하는"이라는 용어는 본 명세서에서 하나 이상의 추가의 특징 또는 행위의 존재를 배제하지 않고 그 이후에 뒤따르는 특징 또는 행위를 포함하는 것을 의미하기 위해 사용된다.
일부 예에서, 도면에 예시된 동작은 컴퓨터 판독 가능 매체 상에서 인코딩된 소프트웨어 명령으로서, 동작을 수행하도록 프로그래밍되거나 설계된 하드웨어에 있어서, 또는 양쪽 모두로서 구현될 수 있다. 예를 들어, 본 발명의 태양은 상호 접속된 복수의 도전성 요소를 포함하는 칩 또는 다른 회로 상의 시스템으로서 구현될 수 있다.
달리 명기되지 않는 한, 여기에 예시되고 설명된 발명의 예에서의 동작의 실행 또는 수행의 순서는 필수적인 것은 아니다. 즉, 동작은 달리 명기되지 않는 한 임의의 순서로 수행될 수 있으며, 본 발명의 예는 여기에서 개시되는 것보다 추가하거나 또는 더 적은 동작을 포함할 수도 있다. 예를 들어, 다른 동작 이전, 이와 동시에, 또는 이후에 특정의 동작을 실행하거나 수행하는 것은 본 발명의 태양의 범위 내에 있는 것으로 고려된다.
본 발명의 태양의 요소 또는 그 예를 소개할 때, 관사 "a", "an", "the" 및 "said"는 요소 중 하나 이상이 있음을 의미하도록 의도된다. "구비하는", "포함하는" 및 "갖는"이라는 용어는 포괄적인 것을 의도하며, 기재되어 있는 요소 이외의 추가 요소가 있을 수 있음을 의미한다. "예시적인"이라는 용어는 "∼의 예"를 의미한다. "A, B 및 C 중 하나 이상"이라는 구문은 "A 및/또는 B 및/또는 C 중 적어도 하나"를 의미한다.
더욱이, 본 발명은 다음의 예에 따른 실시예를 포함한다:
예 1. 다른 에이전트 차량으로부터 안전한 이격을 유지하면서 공중 회랑을 이동하도록 항공기를 제어하기 위한 컴퓨터 시스템으로서, 컴퓨터 시스템은:
프로세서; 및
다른 컴퓨터 시스템으로 데이터를 전송하기 위한 프로그램 코드가 저장되어 있는 비일시적 컴퓨터 판독 가능 매체를 구비하되, 프로그램 코드는 프로세서가
출발지, 목적지 및 출발지와 목적지 사이의 공역을 나타내는 공중 회랑과 관련한 훈련된 공중 회랑 모델을 수신하고,
공중 회랑 내의 항공기의 현재의 위치를 나타내는 현재 위치 데이터를 식별하며;
공중 회랑에서 적어도 하나의 에이전트 차량의 위치와 관련된 에이전트 위치 데이터를 수신하고;
훈련된 공중 회랑 모델, 현재 위치 데이터 및 에이전트 위치 데이터에 기초하여 공중 회랑에서 항공기의 다음의 위치를 결정하도록 하고,
훈련된 공중 회랑 모델은 공중 회랑에서 차량 사이의 안전한 이격 거리를 유지하도록 구성되는 컴퓨터 시스템.
예 2. 예 1에 있어서, 상기 공중 회랑은 출발지로부터 목적지까지의 공중 회랑의 공역의 일부분을 나타내는 시공간 데이터 큐브의 공동 세트를 포함하고;
시공간 데이터 큐브의 공동 세트의 적어도 하나의 데이터 큐브는 복수의 데이터 서브 큐브로 세분화되고, 데이터 서브 큐브의 크기는 정의된 최소 안전 이격 거리에 기초하는 컴퓨터 시스템.
예 3. 예 2에 있어서, 공중 회랑 내의 항공기의 현재의 위치의 현재 위치 데이터를 식별하는 것은 항공기가 현재 위치되어 있는 공중 회랑의 현재의 데이터 서브 큐브를 식별하는 것을 포함하고;
훈련된 공중 회랑 모델, 현재 위치 데이터 및 에이전트 위치 데이터에 기초하여 공중 회랑에서 항공기의 다음의 위치를 결정하는 것은 식별된 현재의 데이터 서브 큐브에 인접한 공중 회랑의 다음의 데이터 서브 큐브를 결정하는 것을 포함하는 컴퓨터 시스템.
예 4. 예 2에 있어서, 훈련된 공중 회랑 모델에 기초하여 공중 회랑에서 항공기의 다음의 위치를 결정하는 것은 공중 회랑의 사용을 최적화하기 위해 훈련된 공중 회랑 모델에 기초하여 공중 회랑를 적응시키는 것을 포함하고, 적응시키는 것은 공중 회랑의 데이터 큐브를 공중 회랑의 옥탄트 서브 큐브로 세분화하는 것과, 공중 회랑의 서브 큐브를 공중 회랑의 더 큰 큐브로 결합시키는 것 중의 적어도 하나를 포함하는 컴퓨터 시스템.
예 5. 예 1에 있어서, 프로그램 코드는 프로세서가 식별된 현재 위치 데이터를 공중 회랑 내의 적어도 하나의 에이전트 차량에 전송하도록 하는 컴퓨터 시스템.
예 6. 예 1에 있어서, 항공기의 가속, 항공기의 감속, 항공기의 고도의 상승, 항공기의 고도의 상실 및 항공기의 방향의 변경 중 적어도 하나를 더 포함하는 공중 회랑의 현재 위치로부터 결정된 다음 위치로 이동하도록 항공기를 제어하는 것을 더 구비하는 컴퓨터 시스템.
예 7. 예 1에 있어서, 공중 회랑은 400피트의 고도로부터 2500피트의 고도까지의 공역을 포함하는 컴퓨터 시스템.
예 8. 다른 에이전트 차량으로부터 안전한 이격을 유지하면서 공중 회랑을 이동하도록 항공기를 제어하기 위한 컴퓨터화된 방법으로서,
항공기의 프로세서에 의해, 출발지, 목적지 및 출발지와 목적지 사이의 공역을 나타내는 공중 회랑과 관련한 훈련된 공중 회랑 모델을 수신하는 단계;
프로세서에 의해, 공중 회랑 내의 항공기의 현재의 위치를 나타내는 현재 위치 데이터를 식별하는 단계;
프로세서에 의해, 공중 회랑에서 적어도 하나의 에이전트 차량의 위치와 관련된 에이전트 위치 데이터를 수신하는 단계; 및
프로세서에 의해, 훈련된 공중 회랑 모델, 현재 위치 데이터 및 에이전트 위치 데이터에 기초하여 공중 회랑에서 항공기의 다음의 위치를 결정하는 단계를 구비하되,
훈련된 공중 회랑 모델은 공중 회랑에서 차량 사이의 안전한 이격 거리를 유지하도록 구성되는 컴퓨터화된 방법.
예 9. 예 8에 있어서, 공중 회랑은 출발지로부터 목적지까지의 공중 회랑의 공역의 일부분을 나타내는 시공간 데이터 큐브의 공동 세트를 포함하며;
시공간 데이터 큐브의 공동 세트의 적어도 하나의 데이터 큐브는 복수의 데이터 서브 큐브로 세분화되고, 데이터 서브 큐브의 크기는 정의된 최소 안전 이격 거리에 기초하는 컴퓨터화된 방법.
예 10. 예 9에 있어서, 공중 회랑 내의 항공기의 현재의 위치의 현재 위치 데이터를 식별하는 단계는 항공기가 현재 위치되어 있는 공중 회랑의 현재의 데이터 서브 큐브를 식별하는 단계를 포함하고;
훈련된 공중 회랑 모델, 현재 위치 데이터 및 에이전트 위치 데이터에 기초하여 공중 회랑에서 항공기의 다음의 위치를 결정하는 단계는 식별된 현재의 데이터 서브 큐브에 인접한 공중 회랑의 다음의 데이터 서브 큐브를 결정하는 단계를 포함하는 컴퓨터화된 방법.
예 11. 예 9에 있어서, 훈련된 공중 회랑 모델에 기초하여 공중 회랑에서 항공기의 다음의 위치를 결정하는 단계는 공중 회랑의 사용을 최적화하기 위해 훈련된 공중 회랑 모델에 기초하여 공중 회랑를 적응시키는 단계를 포함하고, 적응시키는 단계는 공중 회랑의 데이터 큐브를 공중 회랑의 옥탄트 서브 큐브로 세분화하는 단계와, 공중 회랑의 서브 큐브를 공중 회랑의 더 큰 큐브로 결합시키는 단계 중의 적어도 하나를 포함하는 컴퓨터화된 방법.
예 12. 예 8에 있어서, 프로세서에 의해, 식별된 현재 위치 데이터를 공중 회랑 내의 적어도 하나의 에이전트 차량에 전송하는 단계를 더 구비하는 컴퓨터화된 방법.
예 13. 예 8에 있어서, 항공기의 가속, 항공기의 감속, 항공기의 고도의 상승, 항공기의 고도의 상실 및 항공기의 방향의 변경 중 적어도 하나를 더 포함하는 공중 회랑의 현재 위치로부터 결정된 다음 위치로 이동하도록 항공기를 제어하는 단계를 더 구비하는 컴퓨터화된 방법.
예 14. 예 8에 있어서, 공중 회랑은 400피트의 고도로부터 2500피트의 고도까지의 공역을 포함하는 컴퓨터화된 방법.
예 15. 제1 사이트에서 제1 컴퓨터 시스템에 의해 실행 가능한 프로그램 코드를 저장한 비일시적 컴퓨터 저장 매체로서, 상기 프로그램 코드는,
항공기에 의해, 출발지, 목적지 및 출발지와 목적지 사이의 공역을 나타내는 공중 회랑과 관련한 훈련된 공중 회랑 모델을 수신하는 것;
공중 회랑 내의 항공기의 현재의 위치를 나타내는 현재 위치 데이터를 식별하는 것;
공중 회랑에서 적어도 하나의 에이전트 차량의 위치와 관련된 에이전트 위치 데이터를 수신하는 것; 및
훈련된 공중 회랑 모델, 현재 위치 데이터 및 에이전트 위치 데이터에 기초하여 공중 회랑에서 항공기의 다음의 위치를 결정하는 것을 구비하되,
훈련된 공중 회랑 모델은 공중 회랑에서 차량 사이의 안전한 이격을 유지하도록 구성되는 방법을 구현하는 비일시적 컴퓨터 저장 매체.
예 16. 예 15에 있어서, 공중 회랑은 출발지로부터 목적지까지의 공중 회랑의 공역의 일부분을 나타내는 시공간 데이터 큐브의 공동 세트를 포함하며;
시공간 데이터 큐브의 공동 세트의 적어도 하나의 데이터 큐브는 복수의 데이터 서브 큐브로 세분화되고, 데이터 서브 큐브의 크기는 정의된 최소 안전 이격 거리에 기초하는 비일시적 컴퓨터 저장 매체.
예 17. 예 16에 있어서, 공중 회랑 내의 항공기의 현재의 위치의 현재 위치 데이터를 식별하는 것은 항공기가 현재 위치되어 있는 공중 회랑의 현재의 데이터 서브 큐브를 식별하는 것을 포함하고;
훈련된 공중 회랑 모델, 현재 위치 데이터 및 에이전트 위치 데이터에 기초하여 공중 회랑에서 항공기의 다음의 위치를 결정하는 것은 식별된 현재의 데이터 서브 큐브에 인접한 공중 회랑의 다음의 데이터 서브 큐브를 결정하는 것을 포함하는 비일시적 컴퓨터 저장 매체.
예 18. 예 16에 있어서, 훈련된 공중 회랑 모델에 기초하여 공중 회랑에서 항공기의 다음의 위치를 결정하는 것은 공중 회랑의 사용을 최적화하기 위해 훈련된 공중 회랑 모델에 기초하여 공중 회랑를 적응시키는 것을 포함하고, 적응시키는 것은 공중 회랑의 데이터 큐브를 공중 회랑의 옥탄트 서브 큐브로 세분화하는 것과, 공중 회랑의 서브 큐브를 공중 회랑의 더 큰 큐브로 결합시키는 것 중의 적어도 하나를 포함하는 비일시적 컴퓨터 저장 매체.
예 19. 예 15에 있어서, 프로그램 코드에 의해 구현되는 방법은 식별된 현재 위치 데이터를 공중 회랑 내의 적어도 하나의 에이전트 차량에 전송하는 것을 더 구비하는 비일시적 컴퓨터 저장 매체.
예 20. 예 15에 있어서, 프로그램 코드에 의해 구현되는 방법은 항공기의 가속, 항공기의 감속, 항공기의 고도의 상승, 항공기의 고도의 상실 및 항공기의 방향의 변경 중 적어도 하나를 더 포함하는 공중 회랑의 현재 위치로부터 결정된 다음 위치로 이동하도록 항공기를 제어하는 것을 더 구비하는 비일시적 컴퓨터 저장 매체.
본 발명의 태양을 상세히 설명하였지만, 첨부된 청구범위에 정의되는 바와 같은 본 발명의 태양의 범위를 벗어나지 않고 수정 및 변형이 가능하다는 것이 명백해질 것이다. 상기의 구성, 제품 및 방법은 본 발명의 태양의 범위를 벗어나지 않고 다양한 변경이 이루어질 수 있으므로, 상기 설명에 포함되어 첨부도면에 도시되는 것은 모두 한정적인 의미가 아니고, 예시적인 것으로서 해석하는 것을 의도하고 있다.
Claims (14)
- 다른 에이전트 차량(122)으로부터 안전한 이격을 유지하면서 공중 회랑(200)을 이동하도록 항공기(102)를 제어하기 위한 컴퓨터 시스템(100)으로서, 컴퓨터 시스템(100)은:
프로세서(719); 및
다른 컴퓨터 시스템으로 데이터를 전송하기 위한 프로그램 코드(721)가 저장되어 있는 비일시적 컴퓨터 판독 가능 매체를 구비하되, 프로그램 코드(721)는 프로세서(719)가
출발지(202), 목적지(204) 및 출발지(202)와 목적지(204) 사이의 공역을 나타내는 공중 회랑(200)과 관련한 훈련된 공중 회랑 모델(106)을 수신하고;
공중 회랑(200) 내의 항공기(102)의 현재의 위치를 나타내는 현재 위치 데이터(114)를 식별하고;
공중 회랑(200)에서 적어도 하나의 에이전트 차량(122)의 위치와 관련된 에이전트 위치 데이터(118)를 수신하고;
훈련된 공중 회랑 모델(106), 현재 위치 데이터(114) 및 에이전트 위치 데이터(118)에 기초하여 공중 회랑(200)에서 항공기(102)의 다음의 위치를 결정하도록 하고,
훈련된 공중 회랑 모델(106)은 공중 회랑(200)에서 차량 사이의 안전한 이격 거리를 유지하도록 구성되는 것을 특징으로 하는 컴퓨터 시스템(100).
- 제1항에 있어서, 상기 공중 회랑(200)은 출발지(202)로부터 목적지(204)까지의 공중 회랑(200)의 공역의 일부분을 나타내는 시공간 데이터 큐브(206)의 공동 세트를 포함하고;
시공간 데이터 큐브(206)의 공동 세트의 적어도 하나의 데이터 큐브(310, 312, 314)는 복수의 데이터 서브 큐브(310, 312, 314)로 세분화되고, 데이터 서브 큐브(310, 312, 314)의 크기는 정의된 최소 안전 이격 거리에 기초하는 것을 특징으로 하는 컴퓨터 시스템(100).
- 제1항 내지 제2항 중 어느 한 항에 있어서, 상기 공중 회랑(200) 내의 상기 항공기(102)의 현재의 위치의 현재 위치 데이터(114)를 식별하는 것은 항공기(102)가 현재 위치되어 있는 공중 회랑(200)의 현재의 데이터 서브 큐브(310, 312, 314)를 식별하는 것을 포함하고;
훈련된 공중 회랑 모델(106), 현재 위치 데이터(114) 및 에이전트 위치 데이터(118)에 기초하여 공중 회랑(200)에서 항공기(102)의 다음의 위치를 결정하는 것은 식별된 현재의 데이터 서브 큐브(310, 312, 314)에 인접한 공중 회랑(200)의 다음의 데이터 서브 큐브(310, 312, 314)를 결정하는 것을 포함하는 것을 특징으로 하는 컴퓨터 시스템(100).
- 제1항 내지 제3항 중 어느 한 항에 있어서, 훈련된 공중 회랑 모델(106)에 기초하여 공중 회랑(200)에서 항공기(102)의 다음의 위치를 결정하는 것은 공중 회랑(200)의 사용을 최적화하기 위해 훈련된 공중 회랑 모델(106)에 기초하여 공중 회랑을 적응시키는 것을 포함하고, 적응시키는 것은 공중 회랑의 데이터 큐브(310, 312, 314)를 공중 회랑(200)의 옥탄트 서브 큐브(310, 312, 314)로 세분화하는 것과, 공중 회랑(200)의 서브 큐브(310, 312, 314)를 공중 회랑(200)의 더 큰 큐브(310, 312, 314)로 결합시키는 것 중의 적어도 하나를 포함하는 것을 특징으로 하는 컴퓨터 시스템(100).
- 제1항 내지 제4항 중 어느 한 항에 있어서, 상기 프로그램 코드(721)는 상기 프로세서(719)가 상기 식별된 현재 위치 데이터(114)를 공중 회랑(200) 내의 적어도 하나의 에이전트 차량(122)에 전송하게 하는 것을 특징으로 하는 컴퓨터 시스템(100).
- 제1항 내지 제5항 중 어느 한 항에 있어서, 항공기(102)의 가속, 항공기(102)의 감속, 항공기(102)의 고도의 상승, 항공기(102)의 고도의 상실 및 항공기(102)의 방향의 변경 중 적어도 하나를 포함하는 공중 회랑(200)의 현재 위치로부터 결정된 다음 위치로 이동하도록 항공기(102)를 제어하는 것을 더 구비하는 것을 특징으로 하는 컴퓨터 시스템(100).
- 제1항 내지 제6항 중 어느 한 항에 있어서, 상기 공중 회랑(200)은 400피트의 고도로부터 2500피트의 고도까지의 공역을 포함하는 것을 특징으로 하는 컴퓨터 시스템(100).
- 다른 에이전트 차량(122)으로부터 안전한 이격을 유지하면서 공중 회랑(200)을 이동하도록 항공기(102)를 제어하기 위한 컴퓨터화된 방법으로서,
항공기(102)의 프로세서(719)에 의해, 출발지(202), 목적지(204) 및 출발지(202)와 목적지(204) 사이의 공역을 나타내는 공중 회랑(200)과 관련한 훈련된 공중 회랑 모델(106)을 수신하는 단계;
프로세서(719)에 의해, 공중 회랑(200) 내의 항공기(102)의 현재의 위치를 나타내는 현재 위치 데이터(114)를 식별하는 단계;
프로세서(719)에 의해, 공중 회랑(200)에서 적어도 하나의 에이전트 차량(122)의 위치와 관련된 에이전트 위치 데이터(118)를 수신하는 단계; 및
프로세서(719)에 의해, 훈련된 공중 회랑 모델(106), 현재 위치 데이터(114) 및 에이전트 위치 데이터(118)에 기초하여 공중 회랑(200)에서 항공기(102)의 다음의 위치를 결정하는 단계를 구비하되,
훈련된 공중 회랑 모델(106)은 공중 회랑(200)에서 차량들 사이의 안전한 이격 거리를 유지하도록 구성되는 것을 특징으로 하는 컴퓨터화된 방법.
- 제8항에 있어서, 상기 공중 회랑(200)은 출발지(202)로부터 목적지(204)까지의 공중 회랑(200)의 공역의 일부분을 나타내는 시공간 데이터 큐브(206)의 공동 세트를 포함하며;
시공간 데이터 큐브(206)의 공동 세트의 적어도 하나의 데이터 큐브(310, 312, 314)는 복수의 데이터 서브 큐브(310, 312, 314)로 세분화되고, 데이터 서브 큐브(310, 312, 314)의 크기는 정의된 최소 안전 이격 거리에 기초하는 것을 특징으로 하는 컴퓨터화된 방법.
- 제8항 내지 제9항 중 어느 한 항에 있어서, 공중 회랑(200)에서 항공기(102)의 현재의 위치의 현재 위치 데이터(114)를 식별하는 단계는 항공기(102)가 현재 위치되어 있는 공중 회랑(200)의 현재의 데이터 서브 큐브(310)를 식별하는 단계를 포함하고;
훈련된 공중 회랑 모델(106), 현재 위치 데이터(114) 및 에이전트 위치 데이터(118)에 기초하여 공중 회랑(200)에서 항공기(102)의 다음의 위치를 결정하는 단계는 식별된 현재의 데이터 서브 큐브(310, 312, 314)에 인접한 공중 회랑(200)의 다음의 데이터 서브 큐브(310, 312, 314)를 결정하는 단계를 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
- 제8항 내지 제10항 중 어느 한 항에 있어서, 훈련된 공중 회랑 모델(106)에 기초하여 공중 회랑(200)에서 항공기(102)의 다음의 위치를 결정하는 단계는 공중 회랑(200)의 사용을 최적화하기 위해 훈련된 공중 회랑 모델(106)에 기초하여 공중 회랑(200)을 적응시키는 단계를 포함하고, 적응시키는 단계는 공중 회랑(200)의 데이터 큐브(310, 312, 314)를 공중 회랑(200)의 옥탄트 서브 큐브(310, 312, 314)로 세분화하는 단계와, 공중 회랑(200)의 서브 큐브(310, 312, 314)를 공중 회랑(200)의 더 큰 큐브(310, 312, 314)로 결합시키는 단계 중의 적어도 하나를 포함하는 컴퓨터화된 방법.
- 제8항 내지 제11항 중 어느 한 항에 있어서, 프로세서(719)에 의해, 식별된 현재 위치 데이터(114)를 공중 회랑(200) 내의 적어도 하나의 에이전트 차량(122)으로 전송하는 단계를 더 구비하는 것을 특징으로 하는 컴퓨터화된 방법.
- 제8항 내지 제12항 중 어느 한 항에 있어서, 항공기(102)의 가속, 항공기(102)의 감속, 항공기(102)의 고도의 상승, 항공기(102)의 고도의 상실 및 항공기(102)의 방향의 변경 중 적어도 하나를 더 포함하는 공중 회랑(200)의 현재 위치로부터 결정된 다음 위치로 이동하도록 항공기(102)를 제어하는 단계를 더 구비하는 것을 특징으로 하는 컴퓨터화된 방법.
- 제8항 내지 제13항 중 어느 한 항에 있어서, 상기 공중 회랑(200)은 400피트의 고도로부터 2500피트의 고도까지의 공역을 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US202163172982P | 2021-04-09 | 2021-04-09 | |
| US63/172,982 | 2021-04-09 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20220140413A true KR20220140413A (ko) | 2022-10-18 |
Family
ID=81346652
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220039505A KR20220140413A (ko) | 2021-04-09 | 2022-03-30 | 훈련된 공중 회랑 모델에 기초하여 공중 회랑을 따라 이동하도록 항공기를 제어하는 시스템 및 방법 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US12033522B2 (ko) |
| EP (1) | EP4071742A1 (ko) |
| JP (1) | JP2022169449A (ko) |
| KR (1) | KR20220140413A (ko) |
| CN (1) | CN115202386A (ko) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11803197B2 (en) * | 2021-11-15 | 2023-10-31 | Beta Air, Llc | Systems and methods for controlling a flight boundary of an aircraft |
| CN116030664A (zh) * | 2023-03-28 | 2023-04-28 | 中科星图智慧科技有限公司 | 基于网格的低空飞行碰撞预警方法、装置、设备及介质 |
Family Cites Families (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6006158A (en) * | 1993-09-07 | 1999-12-21 | H. R. Pilley | Airport guidance and safety system incorporating lighting control using GNSS compatible methods |
| US5623413A (en) * | 1994-09-01 | 1997-04-22 | Harris Corporation | Scheduling system and method |
| DE102007009005A1 (de) * | 2006-03-24 | 2007-10-11 | Fraport Ag Frankfurt Airport Services Worldwide | Verfahren, Steuerungssystem und Softwareprogramm zur Ausführung des Verfahrens zur optimierten Nutzung der luftseitigen Kapazitäten eines Flughafens |
| US8554457B2 (en) * | 2010-07-15 | 2013-10-08 | Passur Aerospace, Inc. | System and method for airport surface management |
| US20120218127A1 (en) * | 2012-05-10 | 2012-08-30 | Christopher Finley Kroen | Terminal Intelligent Monitoring System |
| US9567099B2 (en) * | 2013-04-11 | 2017-02-14 | Airbus Operations (S.A.S.) | Aircraft flight management devices, systems, computer readable media and related methods |
| US10332405B2 (en) * | 2013-12-19 | 2019-06-25 | The United States Of America As Represented By The Administrator Of Nasa | Unmanned aircraft systems traffic management |
| US10229372B2 (en) * | 2015-05-15 | 2019-03-12 | Taleris Global Llp | Method for rescheduling flights affected by a disruption and an airline operations control system and controller |
| US20180373243A1 (en) * | 2016-01-01 | 2018-12-27 | USDrobotics Inc. | System and Method for Safe Utilization of Unmanned Automated Vehicles in Entertainment Venues |
| US10540899B2 (en) * | 2016-11-21 | 2020-01-21 | Honeywell International Inc. | Flight plan segmentation for en route diversion destinations |
| JP6900608B2 (ja) * | 2016-12-01 | 2021-07-07 | エスゼット ディージェイアイ テクノロジー カンパニー リミテッドＳｚ Ｄｊｉ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏ．，Ｌｔｄ | 静止及び移動体に対する無人航空機の飛行方法 |
| US10896618B2 (en) * | 2017-05-03 | 2021-01-19 | Honeywell International Inc. | System and method for determining diversion airports for landing in adverse conditions |
| US20190057327A1 (en) * | 2017-08-18 | 2019-02-21 | General Electric Company | Cumulative model for scheduling and resource allocation for airline operations |
| US10997865B2 (en) * | 2017-11-16 | 2021-05-04 | The Boeing Company | Airport congestion determination for effecting air navigation planning |
| US20190236966A1 (en) * | 2018-01-31 | 2019-08-01 | General Electric Company | Centralized registry for unmanned vehicle traffic management |
| US20190266902A1 (en) * | 2018-02-26 | 2019-08-29 | Honeywell International Inc. | Method and system for generating a grid map that shows air traffic intensity |
| US20230073270A1 (en) * | 2018-12-13 | 2023-03-09 | 10757969 Canada Corporation | Control system for controlling unmanned autonomous systems |
| ES2972757T3 (es) * | 2019-05-24 | 2024-06-14 | A 3 by Airbus LLC | Evaluación de riesgos para vehículos aéreos no tripulados |
| EP3751756A1 (en) * | 2019-06-14 | 2020-12-16 | Dimetor GmbH | Apparatus and method for guiding unmanned aerial vehicles |
| US20210020049A1 (en) * | 2019-07-17 | 2021-01-21 | Honeywell International Inc. | Methods and systems for modifying flight path around zone of avoidance |
| US11645927B2 (en) * | 2019-07-22 | 2023-05-09 | The Boeing Company | Predictive flight diversion management |
| US20210125507A1 (en) * | 2019-10-23 | 2021-04-29 | Airmatrix Inc. | Method and system for unmanned aerial vehicle flight highway |
| US11257384B2 (en) * | 2019-12-17 | 2022-02-22 | The Boeing Company | Adaptive scheduling of flight trajectory commands for autonomous or remotely controlled air systems executing air traffic control flight clearances |
| CN112258898B (zh) * | 2020-10-16 | 2021-08-24 | 中国民用航空华东地区空中交通管理局 | 基于数字孪生技术的空中交通管制方法、***、电子设备及存储介质 |
| US20220172629A1 (en) * | 2020-11-30 | 2022-06-02 | The Boeing Company | Adaptive scheduling system for unmanned aerial vehicles |
-
2022
- 2022-03-10 US US17/692,015 patent/US12033522B2/en active Active
- 2022-03-28 EP EP22164749.8A patent/EP4071742A1/en active Pending
- 2022-03-30 KR KR1020220039505A patent/KR20220140413A/ko unknown
- 2022-04-08 JP JP2022064551A patent/JP2022169449A/ja active Pending
- 2022-04-08 CN CN202210371603.7A patent/CN115202386A/zh active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| US12033522B2 (en) | 2024-07-09 |
| CN115202386A (zh) | 2022-10-18 |
| EP4071742A1 (en) | 2022-10-12 |
| US20220327937A1 (en) | 2022-10-13 |
| JP2022169449A (ja) | 2022-11-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11955017B2 (en) | Dynamic aircraft routing | |
| US9513125B2 (en) | Computing route plans for routing around obstacles having spatial and temporal dimensions | |
| US8082102B2 (en) | Computing flight plans for UAVs while routing around obstacles having spatial and temporal dimensions | |
| US20190385463A1 (en) | System and method for managing traffic flow of unmanned vehicles | |
| JP7488287B2 (ja) | 動的な航空機ルーティング | |
| EP3816758B1 (en) | Grid-based movement control | |
| KR20220140413A (ko) | 훈련된 공중 회랑 모델에 기초하여 공중 회랑을 따라 이동하도록 항공기를 제어하는 시스템 및 방법 | |
| Han et al. | Grid-optimized UAV indoor path planning algorithms in a complex environment | |
| US11662726B2 (en) | Controlling movement of a device | |
| US11763555B2 (en) | System and method for ground obstacle detection and database management | |
| US11854418B2 (en) | Collision awareness using historical data for vehicles | |
| US20230081963A1 (en) | Unmanned aerial vehicle swarm path planning | |
| TWI831911B (zh) | 用於操縱地形偵測和迴避的系統、方法及電腦程式產品 | |
| US11410561B2 (en) | Traffic management systems and methods for unmanned aerial vehicles | |
| Jin et al. | Simulation of real-time routing for uas traffic management with communication and airspace safety considerations | |
| Zhao et al. | Temporal and spatial routing for large scale safe and connected uas traffic management in urban areas | |
| Yaguchi et al. | A waypoint navigation method with collision avoidance using an artificial potential method on random priority | |
| JP2020184316A (ja) | 都市航空ビークルの航法性能 | |
| JP2021118364A (ja) | 通信制御装置、通信制御方法およびプログラム。 | |
| CN103680213A (zh) | 用于确定合适航点位置的方法 | |
| EP4080482A1 (en) | System and method for obstacle detection and database management | |
| Wang et al. | Smart mobility digital twin for automated driving: Design and proof-of-concept | |
| English et al. | Collision avoidance in OpenUxAS | |
| CN112578817A (zh) | 无人机的控制方法、装置、存储介质和电子设备 | |
| Xiang et al. | Dynamic Unmanned Aircraft System Traffic Volume Reservation Based on Multi-Scale A* Algorithm |