Planning a drone fleet using artificial intelligence for search and rescue missions

Dominguez, Mario Hernandez; Nesmachnow, Sergio; Hernández-Vega, José-Isidro

doi:10.1109/intercon.2017.8079646

Cited by 10 publications

(3 citation statements)

References 5 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…There are more, but the most common thing is that they use drones and AI to minimize the time of the operation and increase collaboration and coordination while performing SAR tasks. [15] 2.2 Results of the experiments -It is noticeable that the chance to be found for the people who are in danger using drones is much higher since the drone will be able to cover a much larger area, compared to the traditional way as in table 1 and table 2. -Unmanned aerial vehicles will ensure the coverage of a large area in less time, reducing the impact of the limited battery capacity.…”

Section: Methodsmentioning

confidence: 99%

Artificial Intelligence and Machine Learning

2022

View full text Add to dashboard Cite

With the development of technology, human beings have successfully predicted and prevented the damage caused by natural disasters. However, due to climate change, society has witnessed the rising actions of forest fire, earthquake, tsunami, etc., and there are many which people cannot prevent, and the level of dangerous situations are increasing rapidly for the Search and Rescue (SAR) operation. Not to mention, more and more people are turning their attention and hobbies to exploring wilderness where they might get lost or, worse, get injured. For that reason, to raise the chance of survival for the victims and reduce the risk for the search team, the use of Unmanned aerial vehicles (UAV) has been proposed. The plan is the headquarters will deploy a fleet of drones to get into the areas where human cannot enter easily and then report the situations as well as the condition of the victims with images and videos. In most research papers, it seems very promising; however, there is still much work that needs to be done. In this paper, some of the features which included for future researches are which algorithm is the most optimal, what standard structure should be used for the drones so it can complete the missions under any kind of circumstances, and how to set up a communication line that guaranty the effective to reduce the level of miscommunication.

show abstract

Section: Methodsmentioning

confidence: 99%

Artificial Intelligence and Machine Learning

2022

View full text Add to dashboard Cite

show abstract

“…The immediate perceivable benefits of integrating robotic systems into SAR operations have been the spotlight in numerous research works with the objective to identify whether these aerial robots can perform their tasks effectively and enhance the rescue workers' performance under several conditions. Researchers have studied various aspects of rescue robots utilization for crisis management including path planning [35], the potential coordination of multiple UAVs during a mission [36], mission abort policies [37] , the utilization of artificial intelligence techniques for enhancing their capabilities during SAR missions [38], the probability of low-altitude midair collision [39] and how UAVs were used in real missions and what were the lessons learned [40][41][42][43] etc. Unfortunately, the safety aspect of UAVs for SAR missions, from a sociotechnical point of view, has not been extensively reported in the literature.…”

Section: Related Researchmentioning

confidence: 99%

Study and implementation of an innovative fully autonomous flying robotic system for life-saving services

Lygouras¹,

Λυγούρας²

View full text Add to dashboard Cite

Το μεγαλύτερο πρόβλημα κατά την διάρκεια καταστάσεων εκτάκτου ανάγκης είναι η άμεση αντίδραση και η παροχή βοηθειών πρώτης ανάγκης στα υπό κίνδυνο άτομα. Λαμβάνοντας υπ’ όψιν ότι οι πιθανότητες επιβίωσης του υπό κίνδυνο ατόμου μειώνονται δραματικά με την πάροδο του χρόνου ανίχνευσης του, ο χρόνος αντίδρασης αποτελεί καίριας σημασίας παράγοντα κατά τη διάρκεια των επιχειρήσεων έρευνας και διάσωσης καθώς ενδεχόμενες καθυστερήσεις μπορεί να οδηγήσουν σε δραματικά αποτελέσματα. Επιπλέον, η ασφάλεια των μελών των ομάδων διάσωσης αποτελεί ένα άλλο μείζoν θέμα και θα πρέπει να διασφαλιστεί σε κάθε περίπτωση. Τα μη-επανδρωμένα εναέρια οχήματα (UAVs) μπορούν να παρέχουν αποφασιστικής σημασίας και πολυπρόσωπη στήριξη στις επιχειρήσεις έρευνας και διάσωσης αφού πρόκειται για γρήγορα και ευέλικτα εναέρια ρομποτικά συστήματα τα οποία μπορούν να προγραμματιστούν εύκολα προκειμένου να λειτουργούν πλήρως αυτόνομα. Συνεπώς, έχοντας ως στόχο να αυξήσουν τις πιθανότητες διάσωσης των υπό κίνδυνο ατόμων, τα ρομποτικά εναέρια οχήματα-είτε τηλεκατευθυνόμενα είτε πλήρως αυτόνομα- οφείλουν να είναι πάντα διαθέσιμα να προσφέρουν ένα χρήσιμο χέρι βοηθείας στις διασωστικές ομάδες ενισχύοντας παράλληλα την απόδοση τους και εξασφαλίζοντας την σωματική ακεραιότητα των εργαζόμενων σε αυτές. Η παρούσα διδακτορική διατριβή πραγματεύεται την μελέτη και την υλοποίηση ενός καινοτόμου πλήρως αυτόνομου ρομποτικού συστήματος διάσωσης βασισμένο στη τεχνολογία των UAVs. Η υλοποίηση και η λειτουργικότητα του προτεινόμενου συστήματος βασίζεται στην συνδυαστική χρήση προηγμένων μεθόδων γεωεντοπισμού και αλγορίθμων βαθιάς μάθησης. Συγκεκριμένα, το προτεινόμενο σύστημα με το ακρωνύμιο ROLFER (Robotic Lifeguard For Emergency Rescue), καθιστά εφικτό τον ακριβή εντοπισμό και την παροχή του κατάλληλου εξοπλισμού βοήθειας στα υπό κίνδυνο άτομα κατά τη διάρκεια καταστάσεων εκτάκτου ανάγκης. Τα κύρια μέρη του προτεινόμενου συστήματος είναι: το πλήρως αυτόνομο διασωστικό UAV με τον απαραίτητο φερόμενο εξοπλισμό βοήθειας, ο επίγειος σταθμός βάσης με το απαραίτητο υλικό (hardware) και λογισμικό (software) για την εύρυθμη λειτουργία του συστήματος, καθώς επίσης και ο κατάλληλος φορητός εξοπλισμός του χρήστη (άτομο σε κίνδυνο) για την εκπομπή του σήματος κινδύνου. Επιπλέον, η μελέτη και υλοποίηση ενός σεναρίου διάσωσης σε υδάτινο και χερσαίο περιβάλλον εξετάζεται διεξοδικά. Οι κύριοι στόχοι της παρούσας διδακτορικής διατριβής συνοψίζονται ως εξής: Η μελέτη, ο σχεδιασμός και η υλοποίηση ενός πλήρως αυτόνομου ρομποτικού συστήματος εναέριας παροχής βοήθειας για την παροχή απαραίτητου εξοπλισμού σε άτομα που βρίσκονται σε κίνδυνο, Η ανάπτυξη σεναρίου διάσωσης σε θαλάσσιο και χερσαίο περιβάλλον, Ο εντοπισμός του ατόμου σε κίνδυνο με τη χρήση διαφόρων προηγμένων μεθόδων που βασίζονται στη χρήση γεωεντοπισμού (παγκόσμιο σύστημα δορυφορικής πλοήγησης), Ο εντοπισμός, παρακολούθηση και χωροθέτηση του ατόμου σε κίνδυνο με τη χρήση προηγμένων τεχνικών επεξεργασίας εικόνας για την απελευθέρωση του κατάλληλου εξοπλισμού με υψηλή ακρίβεια, Η ανάλυση επικινδυνότητας του προτεινόμενου εναέριου ρομποτικού συστήματος με εφαρμογή της εξειδικευμένης μεθόδου STPA, για την εύρεση των προδιαγραφών ασφαλείας του καθώς και για την ελαχιστοποίηση των πιθανών απειλών τόσο για το άτομο που κινδυνεύει όσο και για την ομάδα διάσωσης. Συνεπώς, η δομή της παρούσας διδακτορικής διατριβής βασίζεται στους παραπάνω σκοπούς. Συγκεκριμένα, στο Κεφάλαιο 1 γίνεται εισαγωγή της χρήσης των ρομποτικών συστημάτων στις επιχειρήσεις έρευνας και διάσωσης, συμπεριλαμβάνοντας χρήσιμες πληροφορίες σχετικά με τα μη-επανδρωμένα εναέρια οχήματα (UAVs), εκτενή ανασκόπηση της σχετικής βιβλιογραφίας, καθώς επίσης και την συνεισφορά της παρούσας διατριβής στην επιστήμη. Στο Κεφάλαιο 2 παρουσιάζεται η δομή και η αρχιτεκτονική του προτεινόμενου διασωστικού συστήματος συμπεριλαμβανομένων και των λεπτομερειών τόσο του υλικού (hardware) όσο και του λογισμικού (software), καθώς επίσης και την αξιολόγηση του σε θέματα σχετικά με την ακρίβεια και του χρόνου παρέμβασης του. Στο Κεφάλαιο 3 εξετάζεται ο ακριβής εντοπισμός της θέσης του υπό κίνδυνο ατόμου με χρήση προηγμένων τεχνικών γεωεντοπισμού (RTK-GPS). Συγκεκριμένα παρουσιάζεται ένα βελτιωμένο σύστημα εντοπισμού το οποίο βασίζεται σε μια προσαρμοσμένη φορητή συσκευή που επιτρέπει τον εντοπισμό της θέσης του ατόμου σε κίνδυνο με ακρίβεια μερικών εκατοστών. Αποτελέσματα από την αξιολόγηση της χρήσης της συγκεκριμένης πρωτότυπης συσκευής περιγράφονται λεπτομερώς. Η υλοποίηση και εφαρμογή προηγμένων αλγορίθμων επεξεργασίας εικόνας για την βέλτιστη δυνατή ακρίβεια εντοπισμού της θέσης του ατόμου που κινδυνεύει παρουσιάζεται στο Κεφάλαιο 4. Συγκεκριμένα, η υλοποίηση αυτή πραγματοποιείται με δύο διαφορετικές προσεγγίσεις: α) με την χρήση αλγορίθμων βαθιάς μάθησης ενσωματωμένων στο αυτόνομο μη-επανδρωμένο εναέριο όχημα, για τον εντοπισμό του υπό-κίνδυνο ατόμου σε υδάτινο περιβάλλον, β) με συνδυαστική χρήση προηγμένων μεθόδων γεωεντοπισμού (RTK-GPS) και προηγμένων αλγορίθμων υπολογιστικής όρασης στον επίγειο σταθμό βάσης του συστήματος, για τον εντοπισμό του ατόμου σε χερσαίο περιβάλλον. Για το σκοπό αυτό, έχουν δημιουργηθεί δύο διαφορετικά σετ δεδομένων (dataset) που εμπεριέχουν εικόνες ατόμων σε κίνδυνο τόσο σε χερσαίο όσο και σε υδάτινο περιβάλλον. Με βάση αυτά τα σετ δεδομένων πραγματοποιήθηκε η εκπαίδευση των αλγορίθμων υπολογιστικής όρασης. Επιπλέον, παρουσιάζονται αναλυτικά πειραματικά αποτελέσματα από δοκιμές του συστήματος σε πραγματικές συνθήκες σχετικά με την ακρίβεια του εντοπισμού του ανθρώπου όσο και της απελευθέρωσης του διασωστικού εξοπλισμού. Τέλος, το Κεφάλαιο 5 παρουσιάζει την ανάλυση επικινδυνότητας του προτεινόμενου συστήματος για την απαλοιφή πιθανών απειλών και κινδύνων που θα μπορούσε να ελλοχεύει η χρήση του τόσο για το υπό κίνδυνο άτομο όσο και για τις διασωστικές ομάδες. Σκοπός της ανάλυσης αυτής είναι α) να εισάγει την ιδέα της ανάλυσης του συστήματος διαιρώντας το σε επιμέρους φάσεις λειτουργίας και β) να παρουσιάσει τα πλεονεκτήματα της εφαρμογής αναλύσεων επικινδυνότητας που βασίζονται στη συστημική θεωρία και συγκεκριμένα της STPA, στον τομέα των αποστολών έρευνας και διάσωσης με χρήση UAVs. Η παρούσα διατριβή ολοκληρώνεται στο Κεφάλαιο 6 όπου παρουσιάζονται τα συμπεράσματα και τα ευρήματα της υλοποίησης του συστήματος καθώς και η πιθανή μελλοντική δουλειά . Η παρούσα διδακτορική διατριβή εκπονήθηκε στο Εργαστήριο Ρομποτικής και Αυτοματισμού του Τμήματος Μηχανικών Παραγωγής και Διοίκησης του Δ.Π.Θ. που ειδικεύεται σε τέτοιου είδους υλοποιήσεις συστημάτων.

show abstract

“…Although the focus of their work was on the implementation of an agent-based UAV, or a group of UAVs working as a MAS, the implementation of such a system was not discussed or evaluated. Dominguez, Nesmachnow, and Hernández-Vega have, as part of a broader project aimed at controlling a group of UAVs as a MAS, investigated the use of BDI with an integrated Genetic Algorithm (GA) for path planning [66].…”

Section: Other Examples Of Bdi Applied To Roboticsmentioning

confidence: 99%

Agent in a Box: A Framework for Autonomous Mobile Robots with Beliefs, Desires, and Intentions

Gavigan¹

View full text Add to dashboard Cite

This thesis investigates the use of Beliefs-Desires-Intentions (BDI) for controlling autonomous mobile robots. Autonomous systems should ideally be designed for flexibility so that they can intelligently react to ever-changing environments and operational conditions. If they are given such flexibility, they can accept goals and set a path to achieve these goals in a self-responsible manner while displaying some form of intelligence. Developers of autonomous mobile robotics are interested in how to program mobile robots while guaranteeing reliability and resilience.In investigating the use of BDI for controlling autonomous mobile robots, the Agent in a Box framework was developed. This framework includes a general architecture for connecting a Jason agent to the environment using Robot Operating System (ROS). This connection is done in a way that is flexible to a variety of application domains that use different sensors and actuators.The Agent in a Box provides the needed customization to the agent's reasoner to ensure that the agent's behaviours are properly prioritized. Generic plans for behaviours that are common to a variety of mobile robots are also provided. These include plans for resource management and for navigation, which generates a route to a destination in the form of a plan which can be monitored and interrupted by the reasoner if needed. These components allow developers, for specific application domains, to focus on domain-specific code. Agents implemented using the Agent in a Box are rational, mission capable, safety conscious, fuel autonomous, and understandable.The Agent in a Box was used to demonstrate the capability of BDI agents to control robots in a variety of application domains through a set of case studies: a grid environment, a simulated autonomous car, and a prototype mail delivery robot. These case studies demonstrated that the agent was able to successfully control the robots in all of the application domains tested, including when it was run on a Raspberry Pi computer. By implementing the robots with the Agent in a Box, the development burden was reduced because the framework provided generic behaviours that could be used by each of the agents. The Agent in a Box was also found to enforce good software engineering practices, resulting in a noticeable improvement in runtime performance compared to other approaches that did not use the Agent in a Box. iv v Acknowledgements I would like to thank my supervisor, Babak Esfandiari, and the members of my evaluation committee for their time, effort, support, and advice. • • •Thank you to my family, especially to my wife Catharina and my parents Jacqueline and Neil for all of the help and support. To my daughters, Gemma and Maeve, who were both born while I was working on this degree, thank you for being small and adorable, even if you did not make my progress on this thesis go any faster. • • •I would also like to thank a number of colleagues who have provided help along the way.

show abstract

Planning a drone fleet using artificial intelligence for search and rescue missions

Cited by 10 publications

References 5 publications

Artificial Intelligence and Machine Learning

Artificial Intelligence and Machine Learning

Study and implementation of an innovative fully autonomous flying robotic system for life-saving services

Agent in a Box: A Framework for Autonomous Mobile Robots with Beliefs, Desires, and Intentions

Contact Info

Product

Resources

About