Shrinking POMCP: A Framework for Real-Time UAV Search and Rescue

要約

捜索救助活動におけるドローンの効率的な経路の最適化は、視界の制限、時間の制約、都市環境での複雑な情報収集などの課題に直面しています。
3D AirSim-ROS2 シミュレーターと 2D シミュレーターの両方を利用して、近隣地域での UAV ベースの捜索救助活動を最適化するための包括的なアプローチを紹介します。
経路計画問題は部分観察可能なマルコフ決定プロセス (POMDP) として定式化され、時間制約に対処するための新しい「縮小 POMCP」アプローチを提案します。
AirSim 環境では、信念維持のための確率的世界モデルと障害物回避のための神経象徴ナビゲーターとアプローチを統合します。
2D シミュレーターは、同等の機能を持つサロゲート ROS2 ノードを採用しています。
2D シミュレーターでさまざまなアプローチによって生成された軌道を比較し、3D AirSim-ROS シミュレーターでさまざまな信念タイプにわたるパフォーマンスを評価します。
両方のシミュレーターからの実験結果は、私たちが提案する縮小 POMCP ソリューションが代替方法と比較して捜索時間の大幅な改善を達成することを実証し、UAV 支援による捜索および救助活動の効率を高める可能性を示しています。

要約(オリジナル)

Efficient path optimization for drones in search and rescue operations faces challenges, including limited visibility, time constraints, and complex information gathering in urban environments. We present a comprehensive approach to optimize UAV-based search and rescue operations in neighborhood areas, utilizing both a 3D AirSim-ROS2 simulator and a 2D simulator. The path planning problem is formulated as a partially observable Markov decision process (POMDP), and we propose a novel “Shrinking POMCP” approach to address time constraints. In the AirSim environment, we integrate our approach with a probabilistic world model for belief maintenance and a neurosymbolic navigator for obstacle avoidance. The 2D simulator employs surrogate ROS2 nodes with equivalent functionality. We compare trajectories generated by different approaches in the 2D simulator and evaluate performance across various belief types in the 3D AirSim-ROS simulator. Experimental results from both simulators demonstrate that our proposed shrinking POMCP solution achieves significant improvements in search times compared to alternative methods, showcasing its potential for enhancing the efficiency of UAV-assisted search and rescue operations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google