Implementación de SLAM visual monocular con ARCog-NET para mapeo interior de enjambres de robots aéreos

Área de la Ciencia:

• Robótica
• Inteligencia Artificial
• Visión por Computadora

Sus antecedentes:

• La operación de enjambres de Vehículos Aéreos No Tripulados (VANT) en entornos interiores sin GPS presenta importantes desafíos de localización y coordinación.
• Los marcos existentes a menudo carecen de la toma de decisiones descentralizada y las capacidades adaptativas requeridas para operaciones complejas en tiempo real.

Objetivo del estudio:

• Presentar un marco distribuido en tiempo real para enjambres de VANT en entornos interiores sin GPS.
• Permitir la navegación autónoma y el mapeo 3D colaborativo a través de una arquitectura cognitiva y SLAM visual.

Principales métodos:

• El marco utiliza la Arquitectura de Red Cognitiva de Robots Aéreos (ARCog-NET) con una jerarquía de múltiples capas Edge-Fog-Cloud (EFC).
• Se integra SLAM visual monocular para la estimación conjunta de trayectorias y la reconstrucción del entorno.
• El aprendizaje por refuerzo adapta dinámicamente las rutas de navegación en función de las métricas de cobertura y los datos históricos.

Principales resultados:

• Un enjambre de seis VANT demostró con éxito la navegación autónoma y el mapeo 3D colaborativo en un entorno de laboratorio controlado.
• El sistema logró una estimación precisa de la trayectoria y una reconstrucción de nubes de puntos de alta fidelidad.
• Se evaluaron métricas clave de rendimiento, incluido el error de trayectoria, la convergencia de decisiones y la tasa de reutilización de conocimientos.

Conclusiones:

• El método propuesto permite SLAM y planificación autónomos escalables para redes de VANT del mundo real.
• Destaca la sinergia cognitiva entre la navegación y la percepción en robótica aérea distribuida.
• El marco ofrece una solución robusta para tareas complejas en entornos interiores desafiantes.