Decentralized Uncertainty-Aware Active Search with a Team of Aerial Robots

要約

迅速な捜索と救助は、自然災害に続く生存率を最大化するために重要です。
ただし、これらの取り組みは、大規模な災害ゾーンを検索する必要性、通信インフラストラクチャの信頼性の欠如、および負傷した生存者などの興味深い数の関心のあるオブジェクト（OOI）の不明な数によって挑戦されています。
航空ロボットは、高機動性のために捜索と救助のためにますます展開されていますが、大きな環境を系統的に検索するためのマルチロボット自律航空システムの展開にはギャップが残っています。
以前の作品は、人間のオペレーターからの事前にプログラムされたパスに依存しているか、シミュレーションでのみ評価されています。
分散型のアクティブ検索システムを開発および実証することにより、これらのギャップを最先端のギャップを埋めます。これは、不確実なOOIの追加ビューを採用する軌跡を偏らせます。
方法論は、コミュニケーションの迅速なカバレッジのために確率性を活用します。シナリオは拒否されます。
通信が利用可能な場合、ロボットはポーズ、目標、OOI情報を共有して、検索率を加速します。
複数の画像と車両からの検出は、各OOI位置の平均と共分散を提供するために融合します。
オハイオ州ブルーミングデールでの広範なシミュレーションとハードウェア実験が、アプローチを検証するために実施されます。
結果は、アクティブな検索アプローチが、通信対応シナリオで同等のパフォーマンスを維持しながら、コミュニケーション型のシナリオで貪欲なカバレッジベースの計画を上回ることを示しています。
また、結果は、50m-60mの飛行高度で約3mの平均誤差で、すべての先験的な未知のOOIを検出およびローカライズする能力を示しています。

要約(オリジナル)

Rapid search and rescue is critical to maximizing survival rates following natural disasters. However, these efforts are challenged by the need to search large disaster zones, lack of reliability in the communications infrastructure, and a priori unknown numbers of objects of interest (OOIs), such as injured survivors. Aerial robots are increasingly being deployed for search and rescue due to their high mobility, but there remains a gap in deploying multi-robot autonomous aerial systems for methodical search of large environments. Prior works have relied on preprogrammed paths from human operators or are evaluated only in simulation. We bridge these gaps in the state of the art by developing and demonstrating a decentralized active search system, which biases its trajectories to take additional views of uncertain OOIs. The methodology leverages stochasticity for rapid coverage in communication denied scenarios. When communications are available, robots share poses, goals, and OOI information to accelerate the rate of search. Detections from multiple images and vehicles are fused to provide a mean and covariance for each OOI location. Extensive simulations and hardware experiments in Bloomingdale, OH, are conducted to validate the approach. The results demonstrate the active search approach outperforms greedy coverage-based planning in communication-denied scenarios while maintaining comparable performance in communication-enabled scenarios. The results also demonstrate the ability to detect and localize all a priori unknown OOIs with a mean error of approximately 3m at flight altitudes between 50m-60m.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google