Developing Smart MAVs for Autonomous Inspection in GPS-denied Constructions

要約

スマート超小型航空機 (MAV) は、到達困難なエリアを含む建設のさまざまな段階で効率的で高解像度のモニタリングを可能にし、インフラ検査を変革しました。
産業施設やインフラなど、GPS が利用できない環境でのドローンの従来の手動操作は、多大な労力を要し、退屈でエラーが発生しやすいものです。
この研究は、このような複雑で GPS が拒否された屋内環境におけるスマート MAV 検査のための革新的なフレームワークを提示します。
このフレームワークは、関心のある領域を特定し、タスク パスを最適化する階層的な認識および計画システムを備えています。
また、建物構造の包括的な 3D 再構成のための神経再構成テクノロジーと統合された、強化された位置特定および動作計画機能を備えた高度な MAV システムも紹介します。
このフレームワークの有効性は、内部の長さ 80 メートル、幅 50 メートル、高さ 7 メートルの 4,000 平方メートルの屋内インフラ施設で経験的に検証されました。
主な構造は柱と壁で構成されています。
実験結果は、当社の MAV システムが自律検査タスクで非常に優れたパフォーマンスを発揮し、スキャンパスの生成と実行で 100% の成功率を達成したことを示しています。
広範な実験により、当社が開発した MAV の操縦性が検証され、0.1 メートル未満の追跡誤差で動作計画の成功率 100% を達成しました。
さらに、3D ガウス スプラッティング テクノロジーを使用した強化された再構成手法により、取得したデータから忠実度の高いレンダリング モデルを生成できます。
全体として、私たちの新しい方法は、インフラ検査におけるロボットの使用における大幅な進歩を表しています。

要約(オリジナル)

Smart Micro Aerial Vehicles (MAVs) have transformed infrastructure inspection by enabling efficient, high-resolution monitoring at various stages of construction, including hard-to-reach areas. Traditional manual operation of drones in GPS-denied environments, such as industrial facilities and infrastructure, is labour-intensive, tedious and prone to error. This study presents an innovative framework for smart MAV inspections in such complex and GPS-denied indoor environments. The framework features a hierarchical perception and planning system that identifies regions of interest and optimises task paths. It also presents an advanced MAV system with enhanced localisation and motion planning capabilities, integrated with Neural Reconstruction technology for comprehensive 3D reconstruction of building structures. The effectiveness of the framework was empirically validated in a 4,000 square meters indoor infrastructure facility with an interior length of 80 metres, a width of 50 metres and a height of 7 metres. The main structure consists of columns and walls. Experimental results show that our MAV system performs exceptionally well in autonomous inspection tasks, achieving a 100\% success rate in generating and executing scan paths. Extensive experiments validate the manoeuvrability of our developed MAV, achieving a 100\% success rate in motion planning with a tracking error of less than 0.1 metres. In addition, the enhanced reconstruction method using 3D Gaussian Splatting technology enables the generation of high-fidelity rendering models from the acquired data. Overall, our novel method represents a significant advancement in the use of robotics for infrastructure inspection.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google