Multi-UAV Uniform Sweep Coverage in Unknown Environments: A Self-organizing Nervous System (SoNS)-Based Random Exploration

要約

本論文では、未知の凸環境における複数UAVによる均一な掃引範囲を扱う。この場合、均質なUAV群は、サンプリングタスクのために、その位置や方位にアクセスすることなく、環境のすべての部分を均等に訪問しなければならない。ランダムウォーク探索は、ローカライゼーションを必要とせず、群への実装が容易であるため、このシナリオにおいて実用的である。我々は、ロボット群がローカル通信を用いて階層的なアドホック通信ネットワークに自己組織化することを可能にする自己組織化神経系（SoNS）フレームワークが、このような環境におけるランダム探索のための有望な制御アプローチであることを実証する。本論文では、SoNSを用いたランダムウォーク手法を提案する。この手法では、UAVが自己組織化して隊列を形成し、その隊列を維持しながらランダムウォークを行って環境をカバーする。シミュレーションにより、いくつかの分散型ランダムウォーク戦略に対して我々のアプローチを評価する。その結果、我々のSoNSに基づくランダムウォークは、これらのベンチマーク戦略よりも、大域的にも局所的にも、より速く、より高いカバレージ均一性で完全カバレージを達成することが示された。

要約(オリジナル)

This paper addresses multi-UAV uniform sweep coverage in an unknown convex environment, where a homogeneous UAV swarm must evenly visit every portion of the environment for a sampling task without access to their position and orientation. Random walk exploration is practical in this scenario because it requires no localization and is easy to implement on swarms. We demonstrate that the Self-Organizing Nervous System (SoNS) framework, which enables a robot swarm to self-organize into a hierarchical ad-hoc communication network using local communication, is a promising control approach for random exploration in such environments. To this end, we propose a SoNS-based random walk method in which UAVs self-organize into a line formation and then perform a random walk to cover the environment while maintaining that formation. We evaluate our approach in simulations against several decentralized random walk strategies. Results show that our SoNS-based random walk achieves full coverage faster and with greater coverage uniformity than these benchmark strategies, both globally and in local regions.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL