Autonomous Drone for Dynamic Smoke Plume Tracking

要約

このペーパーでは、非常に不安定な大気条件でプルームをナビゲートおよび追跡できる新しい自律的なドローンベースの煙プルーム追跡システムを紹介します。
このシステムは、高度なハードウェアとソフトウェアと包括的なシミュレーション環境を統合して、制御された実世界の設定で堅牢なパフォーマンスを確保します。
高解像度のイメージングシステムと高度なオンボードコンピューティングユニットを備えた象限は、変動条件下で動的な煙プルームを正確に検出および追跡しながら、正確な操作を実行します。
当社のソフトウェアは、2相飛行操作を実装しています。つまり、検出時に煙の動きを継続的に監視すると、煙のプルームに降りています。
比例積分誘導症（PID）制御を活用し、近位のポリシー最適化ベースのディープ補強学習（DRL）コントローラーにより、プルームダイナミクスへの適応が可能になります。
Unreal Engineシミュレーションは、安定した流れから複雑で不安定な変動まで、さまざまな煙の風のシナリオでパフォーマンスを評価し、PIDコントローラーがより単純なシナリオで適切に機能する一方で、DRLベースのコントローラーはより挑戦的な環境で優れていることを示しています。
フィールドテストは、これらの調査結果を裏付けています。
このシステムは、山火事管理や大気質評価などの分野でドローンベースの監視の新しい可能性を開きます。
リアルタイムの意思決定のためのDRLの統合が成功すると、動的環境の自律ドローン制御が進みます。

要約(オリジナル)

This paper presents a novel autonomous drone-based smoke plume tracking system capable of navigating and tracking plumes in highly unsteady atmospheric conditions. The system integrates advanced hardware and software and a comprehensive simulation environment to ensure robust performance in controlled and real-world settings. The quadrotor, equipped with a high-resolution imaging system and an advanced onboard computing unit, performs precise maneuvers while accurately detecting and tracking dynamic smoke plumes under fluctuating conditions. Our software implements a two-phase flight operation, i.e., descending into the smoke plume upon detection and continuously monitoring the smoke movement during in-plume tracking. Leveraging Proportional Integral-Derivative (PID) control and a Proximal Policy Optimization based Deep Reinforcement Learning (DRL) controller enables adaptation to plume dynamics. Unreal Engine simulation evaluates performance under various smoke-wind scenarios, from steady flow to complex, unsteady fluctuations, showing that while the PID controller performs adequately in simpler scenarios, the DRL-based controller excels in more challenging environments. Field tests corroborate these findings. This system opens new possibilities for drone-based monitoring in areas like wildfire management and air quality assessment. The successful integration of DRL for real-time decision-making advances autonomous drone control for dynamic environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google