A Cost-Effective Cooperative Exploration and Inspection Strategy for Heterogeneous Aerial System

要約

本論文では、異機種UAV群システムによる協調的空中点検のための、費用対効果の高い戦略を提案する。これまでの群検査とは異なり、提案手法は環境に関する正確な事前知識に依存せず、あらゆる形状の対象物の3D表面全体をカバーすることができる。この研究では、エージェントはチームに分割され、各ドローンはマッピング、探査、検査などの異なるタスクを割り当てる。タスクの割り当ては、ベスト・ファースト・ルールに従って、各チームに最適な検査ボリュームを割り当てることで容易になる。経路探索にはボクセルマップベースの環境表現が用いられ、ルールベースの経路探索手法がこのアプローチの中核をなす。提案手法を用いた全ての挑戦的な実験において最高の性能を達成し、複数の評価試験にわたる類似タスクの全てのベンチマーク手法を凌駕した。提案手法はhttps://github.com/ntu-aris/caric_baseline でオープンソース化されており、第62回IEEE Conference on Decision and Control 2023のCooperative Aerial Robots Inspection Challengeのベースラインとして使用されている。

要約(オリジナル)

In this paper, we propose a cost-effective strategy for heterogeneous UAV swarm systems for cooperative aerial inspection. Unlike previous swarm inspection works, the proposed method does not rely on precise prior knowledge of the environment and can complete full 3D surface coverage of objects in any shape. In this work, agents are partitioned into teams, with each drone assign a different task, including mapping, exploration, and inspection. Task allocation is facilitated by assigning optimal inspection volumes to each team, following best-first rules. A voxel map-based representation of the environment is used for pathfinding, and a rule-based path-planning method is the core of this approach. We achieved the best performance in all challenging experiments with the proposed approach, surpassing all benchmark methods for similar tasks across multiple evaluation trials. The proposed method is open source at https://github.com/ntu-aris/caric_baseline and used as the baseline of the Cooperative Aerial Robots Inspection Challenge at the 62nd IEEE Conference on Decision and Control 2023.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL