Star-Searcher: A Complete and Efficient Aerial System for Autonomous Target Search in Complex Unknown Environments

要約

この論文では、複雑な未知の環境において無人航空機 (UAV) を使用した自律的なターゲット探索の課題に取り組みます。
このタスクに対する体系的なアプローチのギャップを埋めるために、検索を最適化するための特殊なセンサー スイート、マッピング、計画モジュールを備えた航空システムである Star-Searcher を導入します。
検査要件の増加による経路計画の課題は、可視性ベースの視点クラスタリング手法を備えた階層プランナーを通じて対処されます。
これにより、グローバルおよびローカルのサブ問題に分割することで計画が簡素化され、リアルタイムで効率的なグローバルおよびローカルのパス カバレッジが確保されます。
さらに、当社のグローバル パス プランニングでは、履歴を認識したメカニズムを採用して、頻繁なマップ変更による動きの不一致を軽減し、探索効率を大幅に向上させます。
私たちはシミュレーションと現実世界の両方で最先端の手法との比較を実施し、飛行経路の短縮、時間の短縮、目標探索の完全性の向上を実証しています。
私たちのアプローチは、コミュニティの利益のために https://github.com/SYSU-STAR/STAR-Searcher でオープンソース化されます。

要約(オリジナル)

This paper tackles the challenge of autonomous target search using unmanned aerial vehicles (UAVs) in complex unknown environments. To fill the gap in systematic approaches for this task, we introduce Star-Searcher, an aerial system featuring specialized sensor suites, mapping, and planning modules to optimize searching. Path planning challenges due to increased inspection requirements are addressed through a hierarchical planner with a visibility-based viewpoint clustering method. This simplifies planning by breaking it into global and local sub-problems, ensuring efficient global and local path coverage in real-time. Furthermore, our global path planning employs a history-aware mechanism to reduce motion inconsistency from frequent map changes, significantly enhancing search efficiency. We conduct comparisons with state-of-the-art methods in both simulation and the real world, demonstrating shorter flight paths, reduced time, and higher target search completeness. Our approach will be open-sourced for community benefit at https://github.com/SYSU-STAR/STAR-Searcher.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google