Investigación sobre el mapa de entornos de desastre Tecnología de navegación de aprendizaje por refuerzo y...

Área de la Ciencia:

• La robótica
• Inteligencia artificial
• Cartografía geoespacial

Sus antecedentes:

• Los robots de rescate de desastres requieren un mapeo preciso y una navegación autónoma.
• Los métodos actuales luchan con terrenos complejos y la adquisición eficiente de datos.

Objetivo del estudio:

• Desarrollar un sistema de colaboración aire-tierra para la construcción precisa de mapas de desastres.
• Mejorar las capacidades de navegación autónoma en entornos desafiantes.

Principales métodos:

• Utilizó un vehículo aéreo no tripulado (UAV) para una cobertura rápida en 3D y un vehículo terrestre no tripulado (UGV) para estudios detallados en tierra.
• Utilizó el marco de odometría inercial FAST LiDAR 2 (FAST-LIO2) para el posicionamiento preciso y el mapeo de nubes de puntos.
• Implementación de una mejor alineación inicial de consenso de muestra (SAC-IA) para el registro grueso y un punto más cercano iterativo generalizado voxelizado (VGICP) para el registro fino.
• Aplicó el algoritmo de gradiente de política determinista profunda (DDPG) para la planificación de la ruta basada en el aprendizaje por refuerzo.
• Realizó experimentos en el entorno de simulación de Gazebo.

Principales resultados:

• Logró una integración precisa de datos aéreos y terrestres para mapas precisos del entorno de desastres.
• Generación demostrada de mapas de nube de puntos eficientes y precisos incluso en entornos complejos.
• El algoritmo DDPG facilitó una planificación de ruta más fluida y óptima en comparación con DQN y A*.
• La simulación de Gazebo proporcionó un entorno seguro, rentable y eficiente para pruebas y depuración.

Conclusiones:

• El enfoque de colaboración aire-tierra propuesto mejora significativamente el mapeo de desastres y la navegación autónoma.
• El sistema integrado ofrece una solución robusta para las operaciones robóticas en escenarios de desastre.
• Los algoritmos utilizados y el entorno de simulación contribuyen al desarrollo de robots de rescate avanzados.