Multi-UAV Uniform Sweep Coverage in Unknown Environments: A Mergeable Nervous System (MNS)-Based Random Exploration

要約

この論文では、複数の UAV の均一な掃引カバレッジの問題を調査します。この問題では、同種の UAV の群れが、自身の位置と方向にアクセスすることなく、サンプリング タスクのために未知の環境のあらゆる部分を集合的かつ均等に訪問しなければなりません。
ランダム ウォーク ベースの探索戦略は、位置特定に依存せず、ロボットの群れに簡単に実装できるため、このようなカバレッジ シナリオでは実用的です。
我々は、ロボット群がローカル通信を使用して階層型アドホック通信ネットワークに自己組織化できるようにするマージ可能神経システム（MNS）フレームワークが、UAV群による未知の環境でのランダム探索に対する有望な制御アプローチであることを実証する。
この目的を達成するために、我々は、MNS フレームワークを使用して UAV が自己組織化してラインフォーメーションを形成し、ランダムウォーク戦略に従ってフォーメーションを維持しながら環境をカバーする、MNS ベースのランダム ウォーク アプローチを提案します。
シミュレーションを通じて、ベンチマークとしていくつかの分散型ランダム ウォーク ベースの戦略に対するアプローチの効率をテストします。
私たちの結果は、MNS ベースのランダム ウォークが、完全なカバレッジを達成するのに必要な時間と、環境全体とローカル領域内の両方で評価されたその時点でのカバレッジの均一性の点でベンチマークを上回っていることを示しています。

要約(オリジナル)

This paper investigates the problem of multi-UAV uniform sweep coverage, where a homogeneous swarm of UAVs must collectively and evenly visit every portion of an unknown environment for a sampling task without having access to their own location and orientation. Random walk-based exploration strategies are practical for such a coverage scenario as they do not rely on localization and are easily implementable in robot swarms. We demonstrate that the Mergeable Nervous System (MNS) framework, which enables a robot swarm to self-organize into a hierarchical ad-hoc communication network using local communication, is a promising control approach for random exploration in unknown environments by UAV swarms. To this end, we propose an MNS-based random walk approach where UAVs self-organize into a line formation using the MNS framework and then follow a random walk strategy to cover the environment while maintaining the formation. Through simulations, we test the efficiency of our approach against several decentralized random walk-based strategies as benchmarks. Our results show that the MNS-based random walk outperforms the benchmarks in terms of the time required to achieve full coverage and the coverage uniformity at that time, assessed across both the entire environment and within local regions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google