ARENA: Adaptive Risk-aware and Energy-efficient NAvigation for Multi-Objective 3D Infrastructure Inspection with a UAV

要約

自律的なロボット検査ミッションでは、コストのかかる障害物に近づいている間、複数の矛盾する目標のバランスをとる必要があります。
現在の多目的パス計画（MOPP）メソッドは、ローカリゼーションエラー、天候、バッテリー状態、通信の問題などの進化するリスクに適応するのに苦労しています。
この手紙は、複雑な3D環境でのUAVの適応リスクアウェアとエネルギー効率の高いナビゲーション（アリーナ）MOPPアプローチを提示します。
私たちの方法により、4D NURBS表現と遺伝的ベースのアルゴリズムを使用して、パレートフロントを生成するために安全性、時間、およびエネルギーを最適化することにより、オンライン軌道適応を可能にします。
新しいリスク認識投票アルゴリズムは、適応性を保証します。
Simulations and real-world tests demonstrate the planner’s ability to produce diverse, optimized trajectories covering 95% or more of the range defined by single-objective benchmarks and its ability to estimate power consumption with a mean error representing 14% of the full power range.
アリーナフレームワークは、重要で進化する3DミッションにおけるUAVの自律性と信頼性を高めます。

要約(オリジナル)

Autonomous robotic inspection missions require balancing multiple conflicting objectives while navigating near costly obstacles. Current multi-objective path planning (MOPP) methods struggle to adapt to evolving risks like localization errors, weather, battery state, and communication issues. This letter presents an Adaptive Risk-aware and Energy-efficient NAvigation (ARENA) MOPP approach for UAVs in complex 3D environments. Our method enables online trajectory adaptation by optimizing safety, time, and energy using 4D NURBS representation and a genetic-based algorithm to generate the Pareto front. A novel risk-aware voting algorithm ensures adaptivity. Simulations and real-world tests demonstrate the planner’s ability to produce diverse, optimized trajectories covering 95% or more of the range defined by single-objective benchmarks and its ability to estimate power consumption with a mean error representing 14% of the full power range. The ARENA framework enhances UAV autonomy and reliability in critical, evolving 3D missions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google