ガス漏れの場所を突き止める自律型の小型ドローン群

ad
ad
ad
ad

(Swarm of autonomous tiny drones can localize gas leaks)

2021-07-14 オランダ・デルフト工科大学(TU Delft)

・ TU Delft、バルセロナ大学およびハーバード大学が、狭く込み入った屋内環境での小型ドローン群による 自律的なガス漏れの検出と発生源の特定を可能にする、PSO(particle swarm, optimization 超小型ドローン群の最適駆動)アルゴリズムである「Sniffy Bug」を開発。
・ 複雑なタスクを実行する人工知能(AI)を演算・記憶容量が限られた超小型ドローンに適合させるため、昆虫の生態に着想したナビゲーションと探索戦略アルゴリズムを採用することで対処した。
・ ガスセンサーは、微量のガスの検出やガス濃度の急激な変化への対応において動物の嗅覚より劣る上、環境中でのガスの放散は複雑であることから、現状では多くの研究が障害物の無い狭小な環境下での 1 台のロボットによるガス源探知に留まっている。
・ 小型ドローンは、3 次元で移動しながらもビル内に残された人間や物に対して安全である。また、複数ドローンによる本アルゴリズムではガス濃度が局所的に高いところにとらわれずにガスの真の発生源を迅速かつ確実に探知する。
・ 本アルゴリズムでは小型ドローン群が障害物や他のドローンとの衝突を回避しながら拡散し、1 基のドローンがガスを検出し濃度を測定すると他のドローンにその情報を伝達。その後、ドローン群内で情報を共有し、協働してガス発生源の探知を開始する。複雑な環境下で起こるガス濃度の極大値にとらわれる課題や、ガス濃度勾配、風向きセンサを持たない課題に対処し、小型ドローンの制約を解消している。
・ 新アルゴリズムは、火星でのメタンの検出や温室での病気や疫病の検出にも役立てられる。完全な製品化には、3 次元の動きによる高さ方向のガス発生源特定等の課題の解決や、ナビゲーションのロバスト性の向上などが必要となる。
URL: https://www.tudelft.nl/en/2021/tu-delft/swarm-of-autonomous-tiny-drones-can-localize-gas-leaks

<NEDO海外技術情報より>

(関連情報)

IEEE/RSJ International Conference on Intelligent Robots and Systems 2021 (IROS 2021)発表論文(フ
ルテキスト)
Sniffy Bug: A Fully Autonomous Swarm of Gas-Seeking Nano Quadcopters in Cluttered Environments
URL: https://arxiv.org/abs/2107.05490

Abstract

Nano quadcopters are ideal for gas source localization (GSL) as they are safe, agile and inexpensive. However, their extremely restricted sensors and computational resources make GSL a daunting challenge. In this work, we propose a novel bug algorithm named `Sniffy Bug’, which allows a fully autonomous swarm of gas-seeking nano quadcopters to localize a gas source in an unknown, cluttered and GPS-denied environments. The computationally efficient, mapless algorithm foresees in the avoidance of obstacles and other swarm members, while pursuing desired waypoints. The waypoints are first set for exploration, and, when a single swarm member has sensed the gas, by a particle swarm optimization-based procedure. We evolve all the parameters of the bug (and PSO) algorithm, using our novel simulation pipeline, `AutoGDM’. It builds on and expands open source tools in order to enable fully automated end-to-end environment generation and gas dispersion modeling, allowing for learning in simulation. Flight tests show that Sniffy Bug with evolved parameters outperforms manually selected parameters in cluttered, real-world environments.

タイトルとURLをコピーしました