| dc.contributor.author | Коваленко, В. П. | uk |
| dc.contributor.author | Ковалюк, О. О. | uk |
| dc.date.accessioned | 2025-09-12T10:10:28Z | |
| dc.date.available | 2025-09-12T10:10:28Z | |
| dc.date.issued | 2025 | |
| dc.identifier.citation | | uk |
| dc.identifier.uri | https://ir.lib.vntu.edu.ua//handle/123456789/49323 | |
| dc.description.abstract | Проведено аналіз сучасних підходів до проєктування систем автономного уникнення перешкод для безпілотних літальних апаратів (БПЛА). Розглянуто ключові проблеми, що виникають під час навігації в складних середовищах з обмеженим доступом до GPS, а також шляхи їх вирішення за допомогою штучного інтелекту, зокрема нейронних мереж та алгоритмів глибокого навчання з підкріпленням. Увагу зосереджено на методах обробки сенсорних даних, інтеграції інтелектуальних алгоритмів з системами керування та забезпеченні безпеки польоту. Наведено приклади практичного застосування таких систем, окреслено перспективи розвитку досліджень і визначено напрями подальших робіт, спрямованих на створення адаптивних і надійних рішень для автономної навігації. | uk |
| dc.description.abstract | The paper analyzes modern approaches to the design of autonomous obstacle avoidance systems for unmanned aerial vehicles (UAVs). The key problems that arise when navigating in complex environments with limited access to | en |
| dc.language.iso | uk_UA | uk_UA |
| dc.publisher | ВНТУ | uk |
| dc.relation.ispartof | // Матеріали LIV науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2025 р. | uk |
| dc.relation.uri | https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2025/paper/view/24343 | |
| dc.subject | БПЛА | uk |
| dc.subject | автономна навігація | uk |
| dc.subject | уникання перешкод | uk |
| dc.subject | штучний інтелект | uk |
| dc.subject | нейронні мережі | uk |
| dc.subject | навчання з підкріпленням | uk |
| dc.subject | UAV | uk |
| dc.subject | autonomous navigation | uk |
| dc.subject | obstacle avoidance | uk |
| dc.subject | artificial intelligence | uk |
| dc.subject | neural networks | uk |
| dc.subject | reinforcement learning | uk |
| dc.title | Аналіз підходів проєктування системи автономного уникнення перешкод безполітними літальними апаратами | uk |
| dc.type | Thesis | |
| dc.identifier.udc | 004.8 | |
| dc.relation.references | Rezaee M. R., Abdul Hamid N. A. W., Hussin M., Zukarnain Z. A. Comprehensive review of drones collision avoidance schemes: challenges and open issues // IEEE Transactions on Intelligent Transportation Systems. 2024. Vol. 25, No. 7. P. 63976410. [ ]. : https://doi.org/10.1109/TITS.2024.3375893. | |
| dc.relation.references | Xue Z., Gonsalves T. Vision Based Drone Obstacle Avoidance by Deep Reinforcement Learning. AI. 2021. . 2, 3. . 366380. [ ]. : https://doi.org/10.3390/ai2030023. | |
| dc.relation.references | Fraga-Lamas P., Ramos L., Mondjar-Guerra V., Fernndez-Carams T. M. A review on IoT deep learning UAV systems for autonomous obstacle detection and collision avoidance // Remote Sensing. 2019. Vol. 11, No. 18. Article 2144. [ ]. : https://doi.org/10.3390/rs11182144. | |
| dc.relation.references | Yasin J. N., Mohamed S. A. S., Haghbayan M.-H., Heikkonen J., Tenhunen H., Plosila J. UAVs: collision avoidance systems and approaches // IEEE Access. 2020. [ ]. : https://doi.org/10.1109/ACCESS.2020.3000064. | |
| dc.relation.references | Skarka W., Ashfaq R. Hybrid machine learning and reinforcement learning framework for adaptive UAV obstacle avoidance // Aerospace. 2024. Vol. 11, No. 11. Article 870. [ ]. : https://doi.org/10.3390/aerospace11110870. | |
