[论文解读] Intelligent Drone Swarm for Search and Rescue Operations at Sea

Vincenzo Lomonaco, Angelo Trotta+3 more|arXiv (Cornell University)|Nov 13, 2018

UAV Applications and OptimizationEngineering参考文献 4被引用 18

一句话总结

本文提出一种基于人工智能的自主无人飞行器（UAV）的智能无人机蜂群，用于提升地中海海域的搜救（SAR）行动效率，应对移民危机带来的挑战。通过利用自组织多跳通信、基于人工智能的实时检测以及分布式协同机制，该蜂群可实现大范围区域覆盖、提升通信带宽，并减少对有人驾驶航空器的依赖，显著提高在高风险海上环境中的搜救效率与可扩展性。

ABSTRACT

In recent years, a rising numbers of people arrived in the European Union, traveling across the Mediterranean Sea or overland through Southeast Europe in what has been later named as the European migrant crisis. In the last 5 years, more than 16 thousands people have lost their lives in the Mediterranean sea during the crossing. The United Nations Secretary General Strategy on New Technologies is supporting the use of Artificial Intelligence (AI) and Robotics to accelerate the achievement of the 2030 Sustainable Development Agenda, which includes safe and regular migration processes among the others. In the same spirit, the central idea of this project aims at using AI technology for Search And Rescue (SAR) operations at sea. In particular, we propose an autonomous fleet of self-organizing intelligent drones that would enable the coverage of a broader area, speeding-up the search processes and finally increasing the efficiency and effectiveness of migrants rescue operations.

研究动机与目标

• 应对地中海海域搜救行动中对可扩展、低成本且高效解决方案的迫切需求，特别是在移民危机期间。
• 克服现有搜救系统存在的局限，包括飞行续航时间有限、通信范围受限以及载人飞机与船舶的高运营成本。
• 通过协调一致的自主无人飞行器蜂群，实现对广阔海域区域（例如30×30 km²）的大规模实时监控。
• 通过无人机之间基于视距（LoS）链路的多跳空中通信网络，提升通信韧性和带宽。
• 集成机载人工智能，实现对目标的实时检测与数据过滤，以减少下行链路传输流量并降低能耗。

提出的方法

• 部署一批固定翼、市售的无人飞行器，配备人工智能推理芯片与轻量化检测算法，实现机载处理。
• 实施一种自组织蜂群架构，根据环境条件与任务目标动态调整飞行路径与通信参数。
• 利用无人机间视距（LoS）链路建立多跳自组织通信网络，突破传统地面对空通信范围限制。
• 在每架无人机上本地运行基于人工智能的目标检测（例如水中人员检测），以减少向地面站传输的数据量。
• 应用模型量化与剪枝技术，降低资源受限的无人飞行器平台上人工智能推理的计算与能耗需求。
• 设计一种去中心化的协同框架，使无人机能够自主维持编队、共享态势感知信息，并适应故障或环境扰动。

实验结果

研究问题

• RQ1 自主无人机蜂群是否能有效覆盖超出单架无人机视距范围的大型海上搜救区域（例如30×30 km²）？
• RQ2 在无人机蜂群中，基于人工智能的机载处理在多大程度上可减少数据传输负载并提升通信效率？
• RQ3 在高移动性的开阔海域环境中，自组织多跳通信网络在多大程度上能维持连接性与带宽？
• RQ4 在真实搜救场景中，将轻量化人工智能模型集成到无人机上，如何提升检测准确率与响应速度？
• RQ5 在敌对海上环境中部署此类蜂群面临的关键技术与操作挑战是什么？又该如何缓解？

主要发现

• 所提出的无人机蜂群架构可实现对大范围海域区域（例如30×30 km²）的有效覆盖，其范围超出单架无人机的运行能力与续航极限。
• 多跳空中通信链路显著扩展了通信范围，并相比传统地面对空链路提升了带宽。
• 机载人工智能检测算法显著减少了传输至地面站的数据量，从而降低了延迟与能耗。
• 通过模型量化与剪枝技术，可在低功耗无人机平台上实现高效的AI推理，支持在计算资源有限的条件下实现实时处理。
• 蜂群的去中心化协同机制提升了对单个无人机故障及风等环境干扰的鲁棒性。
• 该系统为当前搜救行动提供了可扩展且可持续的替代方案，有望降低长期成本，并在生命威胁场景中提升响应速度。