Mission Planning and Safety Assessment for Pipeline Inspection Using Autonomous Underwater Vehicles: A Framework based on Behavior Trees

要約

自律型水中ロボット工学の最近の進歩により、海洋インフラの自律的な検査作業が容易になります。
しかし、現在の検査ミッションはオフラインで作成された事前定義された計画に依存しているため、検査車両の柔軟性と自律性が妨げられ、予期せぬ事態が発生した場合のミッションの成功が妨げられています。
この研究では、ビヘイビア ツリー (BT) によるミッション プランのモデリングと検証を含むフレームワークを提案することで、これらの課題に対処します。
このフレームワークは、BT のモジュール性を活用して機内の反応動作をモデル化し、自律的な計画の実行を可能にし、BehaVerify を使用してミッションの安全性を検証します。
さらに、このフレームワークの使用例として、効率的で自律的なパイプライン カメラ データ収集を目的とした新しい AI 対応アルゴリズムを紹介します。
シミュレートされた環境で、提案されたパイプライン検査アルゴリズムへのフレームワークの適用を実証します。
私たちのフレームワークは、自律型水中ロボット工学の分野における重要な前進を示しており、実用的な現実世界のアプリケーションにおける水中ミッションの安全性と成功を強化することを約束します。
https://github.com/remaro-network/pipe_inspection_mission

要約(オリジナル)

The recent advance in autonomous underwater robotics facilitates autonomous inspection tasks of offshore infrastructure. However, current inspection missions rely on predefined plans created offline, hampering the flexibility and autonomy of the inspection vehicle and the mission’s success in case of unexpected events. In this work, we address these challenges by proposing a framework encompassing the modeling and verification of mission plans through Behavior Trees (BTs). This framework leverages the modularity of BTs to model onboard reactive behaviors, thus enabling autonomous plan executions, and uses BehaVerify to verify the mission’s safety. Moreover, as a use case of this framework, we present a novel AI-enabled algorithm that aims for efficient, autonomous pipeline camera data collection. In a simulated environment, we demonstrate the framework’s application to our proposed pipeline inspection algorithm. Our framework marks a significant step forward in the field of autonomous underwater robotics, promising to enhance the safety and success of underwater missions in practical, real-world applications. https://github.com/remaro-network/pipe_inspection_mission

arxiv情報

提供元, 利用サービス

arxiv.jp, Google