Multi-UAV Search and Rescue in Wilderness Using Smart Agent-Based Probability Models

要約

荒野捜索救助（WiSAR）における複数の無人航空機（Multi-UAV）の適用は、高高度から捜索エリアを迅速にカバーし、複雑な地形への適応性により、ミッションの成功を大幅に高めます。
荒野で行方不明になった人を捜索する場合、時間が重要な要素となるため、この機能は特に重要です。
時間が経つにつれて生存率は低下し、捜索範囲は拡大します。
UAV が地形の特徴を活用して迷子の位置を予測すれば、このような捜索の成功確率はさらに向上します。
この論文では、モンテカルロシミュレーションとエージェント戦略リストを組み合わせ、自然地域での迷子の行動を模倣するスマートエージェントベースの確率モデルを提案することで、捜索任務を強化することを目指しています。
さらに、生成された確率密度モデルを事前情報として利用して、行方不明者が最も発見される可能性が高い場所に優先順位を付ける、動的分割を備えた分散型マルチ UAV 後退地平線探索戦略を開発します。
提案された方法の検索効率を他のベンチマーク方法と比較して検証するために、さまざまな地形にわたるシミュレートされた検索実験が実施されました。

要約(オリジナル)

The application of Multiple Unmanned Aerial Vehicles (Multi-UAV) in Wilderness Search and Rescue (WiSAR) significantly enhances mission success due to their rapid coverage of search areas from high altitudes and their adaptability to complex terrains. This capability is particularly crucial because time is a critical factor in searching for a lost person in the wilderness; as time passes, survival rates decrease and the search area expands. The probability of success in such searches can be further improved if UAVs leverage terrain features to predict the lost person’s position. In this paper, we aim to enhance search missions by proposing a smart agent-based probability model that combines Monte Carlo simulations with an agent strategy list, mimicking the behavior of a lost person in the wildness areas. Furthermore, we develop a distributed Multi-UAV receding horizon search strategy with dynamic partitioning, utilizing the generated probability density model as prior information to prioritize locations where the lost person is most likely to be found. Simulated search experiments across different terrains have been conducted to validate the search efficiency of the proposed methods compared to other benchmark methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google