災害環境の地図研究 融合構造と強化学習 航海技術 空地協働型多異質ロボットシステム

科学分野:

• ロボット
• 人工知能
• 地理空間マッピング

背景:

• 災害救助ロボットには 精密なマッピングと 自律的なナビゲーションが必要です
• 現在の方法は複雑な地形と効率的なデータ取得に 苦労しています

研究 の 目的:

• 災害マップの正確な構築のために,空気と地面の共同システムを開発する.
• 挑戦的な環境で自律的なナビゲーション能力を強化する.

主な方法:

• 無人航空機 (UAV) を迅速な3Dカバーと無人地上車両 (UGV) を詳細な地上調査に使用しました.
• 精密な位置付けと点雲のマッピングのためのFAST LiDAR-イネーションオドメトリー2 (FAST-LIO2) フレームワークを使用した.
• 改善されたサンプル・コンセンサス・イニシャル・アラインメント (SAC-IA) を粗略な登録と,精細な登録のためのヴォクセライズド・ゼネラライズド・イテラティブ・クローゼスト・ポイント (VGICP) を実装した.
• 強化学習ベースの経路計画にディープ・デターミネスティック・ポリシー・グラデーション (DDPG) アルゴリズムを適用した.
• ガゼボのシミュレーション環境で実験を行った.

主要な成果:

• 精密な災害環境マップのために,空中と地上データの正確な統合を達成しました.
• 複雑な環境でも効率的で正確なポイントクラウドマップ生成が実証されています.
• DDPGアルゴリズムは,DQNとA*と比較して,よりスムーズで最適の経路計画を促進しました.
• Gazeboシミュレーションは,テストとデバッグのための安全で費用対効果の高い効率的な環境を提供しました.

結論:

• 提案された空と地の協力的なアプローチは,災害マッピングと自律航海を大幅に改善します.
• 統合されたシステムは,災害のシナリオにおけるロボット操作のための堅固な解決策を提供します.
• 利用されたアルゴリズムとシミュレーション環境は,高度な救助ロボットの開発に寄与します.