Autonomous Power Line Inspection with Drones via Perception-Aware MPC

要約

ドローンは、生産性の向上、検査時間の短縮、データ品質の向上、人間のオペレーターのリスクの排除により、送電線検査に革命をもたらす可能性があります。
現在の最先端の送電線検査システムには 2 つの欠点があります。(i) 制御が知覚から切り離されており、送電線とマストの位置に関する正確な情報が必要です。
(ii) 衝突回避が送電線追跡から切り離されているため、送電マスト付近での追跡が低下し、その結果、目視検査のデータ品質が低下します。
この研究では、知覚と行動を緊密に結合することでこれらの制限を克服するモデル予測コントローラー (MPC) を提案します。
当社のコントローラーは、送電線の可視性を最大限に高めると同時に、送電マストを安全に回避するコマンドを生成します。
電力線検出については、合成データのみでトレーニングされ、ゼロショットを現実世界の電力線画像に転送できる、軽量の学習ベースの検出器を提案します。
私たちは、シミュレーションとモックアップの電力線インフラストラクチャでの実際の実験でシステムを検証します。

要約(オリジナル)

Drones have the potential to revolutionize power line inspection by increasing productivity, reducing inspection time, improving data quality, and eliminating the risks for human operators. Current state-of-the-art systems for power line inspection have two shortcomings: (i) control is decoupled from perception and needs accurate information about the location of the power lines and masts; (ii) collision avoidance is decoupled from the power line tracking, which results in poor tracking in the vicinity of the power masts, and, consequently, in decreased data quality for visual inspection. In this work, we propose a model predictive controller (MPC) that overcomes these limitations by tightly coupling perception and action. Our controller generates commands that maximize the visibility of the power lines while, at the same time, safely avoiding the power masts. For power line detection, we propose a lightweight learning-based detector that is trained only on synthetic data and is able to transfer zero-shot to real-world power line images. We validate our system in simulation and real-world experiments on a mock-up power line infrastructure.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google