[논문 리뷰] Informative Path Planning and Mapping with Multiple UAVs in Wind Fields

Doo-Hyun Cho, Jung-Su Ha외 3명|arXiv (Cornell University)|2016. 10. 05.

Gaussian Processes and Bayesian Inference참고 문헌 15인용 수 4

한 줄 요약

이 논문은 상호정보량 최대화와 가우시안 프로세스 회귀를 활용하여 바람 영향을 받는 환경에서 다수의 UAV를 사용한 정보성 경로 계획 및 환경 맵핑을 위한 체계적인 프레임워크를 제안한다. 에너지 소비를 최소화하고 정보 수확량을 극대화하기 위해 작업 위치 최적화, 바람 고려 경로 계획, 다중 UAV 라우팅을 MDMTSP를 통해 통합한다. 산악 지형에서 3架의 UAV를 사용한 RF 신호 맵핑 시뮬레이션을 통해 효과적으로 검증되었다.

ABSTRACT

Informative path planning (IPP) is used to design paths for robotic sensor platforms to extract the best/maximum possible information about a quantity of interest while operating under a set of constraints, such as the dynamic feasibility of vehicles. The key challenges of IPP are the strong coupling in multiple layers of decisions: the selection of locations to visit, the allocation of sensor platforms to those locations; and the processing of the gathered information along the paths. This paper presents a systematic procedure for IPP and environmental mapping using multiple UAV sensor platforms. It (a) selects the best locations to observe, (b) calculates the cost and finds the best paths for each UAV, and (c) estimates the measurement value within a given region using the Gaussian process (GP) regression framework. An illustrative example of RF intensity field mapping is presented to demonstrate the validity and applicability of the proposed approach.

연구 동기 및 목표

• 다양한 바람 영향을 받는 환경에서 다수의 UAV를 활용해 효율적이고 에너지 인식적인 정보 확보에 도전하는 것.
• 최적의 정보 수집을 위해 작업 위치 선택, 바람 고려 경로 계획, 다중 UAV 라우팅을 통합하는 체계적인 절차를 개발하는 것.
• 가우시안 프로세스 회귀를 이용한 확률적 모델링을 통해 공간적으로 변화하는 필드(예: RF 세기)의 정확한 환경 맵핑을 가능하게 하는 것.
• 경로 계획에서 바람 필드를 활용하여 에너지 소비를 최소화하면서도 정보 확보 성능을 유지하는 것.
• 실제 산악 지형에서 바람 영향을 받는 환경에서의 시뮬레이션을 통해 프레임워크의 타당성과 효율성을 입증하는 것.

제안 방법

• 영역 내 정보 수확량을 극대화하기 위해 상호정보량을 정보 기준으로 사용하여 작업 위치를 최적화한다.
• 속도 100 m/s, 최소 회전 반경 50 m인 듀빈스 경로 모델을 사용하여 UAV 동역학을 모델링하고, 전진 및 후진 경로에서 바람 필드 영향을 고려한다.
• 경로 최적화를 위해 FMT* 알고리즘을 사용하여 작업 위치 간 이중 경로 비용을 계산하고, 라우팅을 위한 거리 행렬을 생성한다.
• 전체 임무 비용을 최소화하면서도 전체 커버리지가 보장되도록 다중 기지 다중 여행 판매원 문제(MDMTSP)를 해결하여 UAV에 경로를 할당한다.
• 학습된 하이퍼파rameter(σf=30 dBm, σn=1 dBm, lx=ly=4 km)를 사용한 가우시안 프로세스 회귀(GPR)를 적용하여 실시간으로 RF 신호 세기 맵 및 불확실성 추정을 수행한다.
• 10초 간격의 센서 측정을 사용하고, 식 (16)을 통해 상호정보량을 극대화하기 위해 하이퍼파rameter를 업데이트한다.

실험 결과

연구 질문

• RQ1 바람 영향을 받고 비凸인 영역에서 정보 수확량을 극대화하기 위해 작업 위치를 어떻게 최적화할 수 있는가?
• RQ2 바람 필드 역학을 UAV 경로 계획에 어떻게 통합하여 에너지 소비를 줄이고 경로 실행 가능성과 효율성을 향상시킬 수 있는가?
• RQ3 MDMTSP 수식을 어떻게 변형하여 총 이동 비용을 최소화하면서도 작업 위치를 전부 커버하는 다수의 UAV 경로를 할당할 수 있는가?
• RQ4 상호정보량 최대화와 가우시안 프로세스 회귀의 통합은 정확하고 불확실성 인식 가능한 환경 맵핑을 달성하는 데 얼마나 효과적인가?
• RQ5 바람 필드 모델링은 다중 UAV 정보성 경로 계획 및 맵핑의 전체 성능에 어떤 영향을 미치는가?

주요 결과

• 제안된 프레임워크는 초기 단계에서 높은 불확실성(어두운 영역)이었던 영역이 최종 단계에서 낮은 불확실성(밝은 영역)으로 전환됨으로써 영역 내 불확실성을 성공적으로 감소시켰다.
• 예측된 RF 신호 세기 맵은 Radio Mobile 소프트웨어로 생성된 원본 데이터와 매우 유사하여 GPR 기반 맵핑 접근법의 정확성을 입증했다.
• UAV들은 모든 지정된 작업 위치를 커버하는 경로를 이행했으며, 그림 6의 빨간 선은 듀빈스 역학과 바람 고려 라우팅 기반의 실제 비행 경로를 나타낸다.
• 이중 경로 비용 계산에 FMT*를 사용함으로써 정확한 거리 행렬 생성이 가능해졌고, 이는 MDMTSP 구성 요소 해결에 있어 핵심적이었다.
• 3架의 UAV를 사용한 시뮬레이션을 통해 바람 필드를 활용함으로써 에너지 효율성을 유지하면서도 높은 정보 확보 효율성을 달성할 수 있음을 확인했다.
• 최종 불확실성 맵은 정보가 풍부한 영역이 우선순위가 주어지고 조밀하게 측정되었음을 보여주어 상호정보량 기반 작업 선택 전략의 타당성을 검증했다.