DLW-CI: A Dynamic Likelihood-Weighted Cooperative Infotaxis Approach for Multi-Source Search in Urban Environments Using Consumer Drone Networks

要約

低コストセンサーを装備した消費者グレードのドローンは、都市環境での環境監視と有害物質検出のための自律的なインテリジェントシステム（AISS）の基礎として浮上しています。
ただし、既存の研究では、主にシングルソースの検索問題に対処し、危険なソースの場所と量の両方が不明のままである現実世界の都市シナリオの複雑さを見落としています。
この問題に対処するために、消費者ドローンネットワーク向けの動的な尤度加重協同的インフォテキス（DLW-CI）アプローチを提案します。
私たちのアプローチは、Infotaxis（認知検索戦略）と最適化されたソース用語の推定と革新的な協同メカニズムを組み合わせることにより、AISSのマルチドローンコラボレーションを強化します。
具体的には、各フィルターが検索シーン内の潜在的に未知のソースのパラメーターを推定することに特化した複数の並列粒子フィルターを使用する新しいソース用語推定方法を導入します。
さらに、複数のドローンが同じソースを推定および検索するのを防ぐために、動的な尤度の重みに基づいた協調メカニズムを開発し、消費者AIのエネルギー効率と検索カバレッジを最適化します。
実験結果は、DLW-CIアプローチが、障害物の存在に関係なく、比較的少ないソースのシナリオで、成功率、精度、および根平均平方根誤差に関するベースライン方法を大幅に上回ることを示しています。
また、提案されたアプローチの有効性は、計算流体ダイナミクス（CFD）モデルによって生成される拡散シナリオで検証されています。
調査結果は、私たちのアプローチが消費者ドローンベースのAISSによるソースの推定精度と検索効率を改善し、スマートシティインフラストラクチャ内の環境安全監視アプリケーションに貴重な貢献をすることができることを示しています。

要約(オリジナル)

Consumer-grade drones equipped with low-cost sensors have emerged as a cornerstone of Autonomous Intelligent Systems (AISs) for environmental monitoring and hazardous substance detection in urban environments. However, existing research primarily addresses single-source search problems, overlooking the complexities of real-world urban scenarios where both the location and quantity of hazardous sources remain unknown. To address this issue, we propose the Dynamic Likelihood-Weighted Cooperative Infotaxis (DLW-CI) approach for consumer drone networks. Our approach enhances multi-drone collaboration in AISs by combining infotaxis (a cognitive search strategy) with optimized source term estimation and an innovative cooperative mechanism. Specifically, we introduce a novel source term estimation method that utilizes multiple parallel particle filters, with each filter dedicated to estimating the parameters of a potentially unknown source within the search scene. Furthermore, we develop a cooperative mechanism based on dynamic likelihood weights to prevent multiple drones from simultaneously estimating and searching for the same source, thus optimizing the energy efficiency and search coverage of the consumer AIS. Experimental results demonstrate that the DLW-CI approach significantly outperforms baseline methods regarding success rate, accuracy, and root mean square error, particularly in scenarios with relatively few sources, regardless of the presence of obstacles. Also, the effectiveness of the proposed approach is verified in a diffusion scenario generated by the computational fluid dynamics (CFD) model. Research findings indicate that our approach could improve source estimation accuracy and search efficiency by consumer drone-based AISs, making a valuable contribution to environmental safety monitoring applications within smart city infrastructure.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google