Human-Centered Autonomy for UAS Target Search

要約

捜索や救助活動における無人航空機システムなど、動的で不確実な環境で動作するロボットを配備する現在の方法では、車両の誘導と操作のためにほぼ継続的に人間が監視する必要があります。
これらの方法では、高レベルのミッション コンテキストが考慮されていないため、煩雑な手動操作や非効率的な徹底的な検索パターンが発生します。
我々は、動的な特徴セットを通じて地理空間ミッションのコンテキストを推測し、確率的ターゲット探索プランナーを導く人間中心の自律フレームワークを提案します。
オペレーターは、優先順位の定義、アドホックな地理的エリアに関する空間意味情報、および参照ウェイポイントを含む一連の多様な入力を提供します。これらは確率的に地理データベース情報と融合され、エリアに対するオペレーターの好みを表す地理空間分布に凝縮されます。
ターゲット検索用に最適化されたオンラインの POMDP ベースのプランナーは、この報酬マップで強化され、オペレーター制約のポリシーを生成します。
5 人のプロの救助者からの入力に基づいてシミュレーションされた私たちの結果は、効果的なタスクのメンタル モデルの調整、現在の運用方法と比較して 18% 多くの犠牲者発見、および 15 倍効率的な誘導計画を示しています。

要約(オリジナル)

Current methods of deploying robots that operate in dynamic, uncertain environments, such as Uncrewed Aerial Systems in search \& rescue missions, require nearly continuous human supervision for vehicle guidance and operation. These methods do not consider high-level mission context resulting in cumbersome manual operation or inefficient exhaustive search patterns. We present a human-centered autonomous framework that infers geospatial mission context through dynamic feature sets, which then guides a probabilistic target search planner. Operators provide a set of diverse inputs, including priority definition, spatial semantic information about ad-hoc geographical areas, and reference waypoints, which are probabilistically fused with geographical database information and condensed into a geospatial distribution representing an operator’s preferences over an area. An online, POMDP-based planner, optimized for target searching, is augmented with this reward map to generate an operator-constrained policy. Our results, simulated based on input from five professional rescuers, display effective task mental model alignment, 18\% more victim finds, and 15 times more efficient guidance plans then current operational methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google