[論文レビュー] Visual-based Safe Landing for UAVs in Populated Areas: Real-time Validation in Virtual Environments

Hector Tovanche-Picon, Javier Antonio Gonzalez-Trejo+2 more|arXiv (Cornell University)|Mar 25, 2022

Robotic Path Planning Algorithms参考文献 14被引用数 4

ひとこと要約

本稿では、 Unreal Engine と AirSim を用いたリアルタイムで仮想環境ベースのフレームワークを提案し、人口が密集した都市部における視覚ベースの自律離陸を評価する。2 種類の SLZ 選択戦略（最も古いか、最大の離陸ゾーン）を比較し、動的で移動する人物が存在する状況において、最も古い SLZ 戦略が最大 86% の成功を達成することを示し、怪我のリスクを顕著に低減することが明らかになった。

ABSTRACT

Safe autonomous landing for Unmanned Aerial Vehicles (UAVs) in populated areas is a crucial aspect for successful urban deployment, particularly in emergency landing situations. Nonetheless, validating autonomous landing in real scenarios is a challenging task involving a high risk of injuring people. In this work, we propose a framework for real-time safe and thorough evaluation of vision-based autonomous landing in populated scenarios, using photo-realistic virtual environments. We propose to use the Unreal graphics engine coupled with the AirSim plugin for drone's simulation, and evaluate autonomous landing strategies based on visual detection of Safe Landing Zones (SLZ) in populated scenarios. Then, we study two different criteria for selecting the "best" SLZ, and evaluate them during autonomous landing of a virtual drone in different scenarios and conditions, under different distributions of people in urban scenes, including moving people. We evaluate different metrics to quantify the performance of the landing strategies, establishing a baseline for comparison with future works in this challenging task, and analyze them through an important number of randomized iterations. The study suggests that the use of the autonomous landing algorithms considerably helps to prevent accidents involving humans, which may allow to unleash the full potential of drones in urban environments near to people.

研究の動機と目的

• 実世界でのテストが高リスクを伴うため、人口が密集した都市部における視覚ベースの自律 UAV 離陸の安全でリアルタイムの評価フレームワークを開発すること。
• 人々の近くでの安全な緊急着陸を確保する挑戦に応えるために、動的で人間が存在するシミュレートされた都市環境で自律離陸戦略を評価すること。
• 安全離陸ゾーン（SLZ）の選択基準を比較すること—具体的には、最も古い SLZ と最大の SLZ の戦略を、さまざまな条件下で比較し、最も頑健な戦略を同定すること。
• 複数のメトリクス（成功確率、人間との平均距離、SLZ の面積など）を用いて、ランダムで動的なシナリオ下でのパフォーマンスを測定することで、今後の研究の定量的ベースラインを確立すること。

提案手法

• Unreal Engine と AirSim プラグインを用いて、UAV シミュレーション用の写真レベルのリアルな物理的正確な仮想都市環境を生成する。
• 空撮画像における群衆および離陸ゾーンの検出に最適化された軽量ディープニューラルネットワーク（DNN）を用いた視覚ベースの SLZ 検出システムを実装する。
• 2 種類の SLZ 選択戦略を採用：時間的整合性に基づく「最も古い利用可能な SLZ 」と、面積最大化に基づく「最大の利用可能な SLZ 」。
• 静的および動的シナリオ（移動する歩行者、悪天候条件を含む）において、900 回以上のランダム化されたシミュレーション反復を実施する。
• 成功確率、平均最近接者距離、警告しきい値（1m および 1.5m）、IoU（共通領域比）、SLZ の面積などのメトリクスを用いてパフォーマンスを定量化する。
• 視覚的ノイズやセンサの劣化に伴う耐性を評価するため、動的天候（粉じん、薄霧、雨、雪）下での耐久性を検証する。

実験結果

リサーチクエスチョン

• RQ1 実際の動的条件下において、視覚ベースの自律離陸システムは、人口が密集した都市部で人的被害のリスクをどれほど低減できるか？
• RQ2 動的歩行者が存在する状況において、最も古い SLZ 戦略と最大の SLZ 戦略のどちらがより高い成功確率とより良い安全マージンを達成するか？
• RQ3 シーン内の人間が 10% および 20% の割合で移動している場合、自律離陸戦略のパフォーマンスにどのような影響が生じるか？
• RQ4 雨、雪、霧などの悪天候による視覚的劣化に対して、提案されたフレームワークはどの程度耐性を示すか？
• RQ5 動的環境下において、SLZ のサイズと安全性の間にはどのようなトレードオフが生じるか？また、サイズと時間的安定性を組み合わせたハイブリッドコスト関数はパフォーマンスを向上させられるか？

主な発見

• 静的シナリオでは、最も古い SLZ 戦略が 97% の成功確率を達成し、ランダム着陸（59%）を著しく上回り、強い頑健性を示した。
• 20% の移動するアクターが存在する動的シナリオでは、最も古い SLZ 戦略は 84% の成功確率を維持した一方、最大の SLZ 戦略は 76% に低下し、動的歩行者への耐性が優れていることが示された。
• 20% の移動アクターが存在するシナリオで、最も古い SLZ 戦略は平均最近接者距離を 1.58m にまで低減し、高密度の人間エリアを効果的に回避していることが示唆された。
• 最大の SLZ 戦略は、10% の移動アクター下で平均面積 9.079 m² を達成した一方、最も古い SLZ 戦略は 4.5996 m² にとどまり、動的状況下ではリスクが高くなる傾向にあった。
• フレームワークは悪天候下でも頑健性を示し、最も古い SLZ 戦略は悪条件下でも 86% の成功確率を維持した。これは視覚的ノイズへの耐性があることを示している。
• トレードオフが観察された：より大きな SLZ はスペースを提供するが、動的状況下では安全性が低下する傾向にあり、サイズと時間的安定性を組み合わせた多目的コスト関数が安全性とパフォーマンスの最適化に寄与できる可能性がある。