Méthode de fusion UAV-UGV en simulation : qu'est-ce qui a été testé ?
L'étude, qui a été acceptée au Latin American Robotics Symposium LARS 2026, se concentre sur la résolution du problème du suivi des petits véhicules terrestres autonomes depuis l'air dans des environnements sans infrastructure perceptive permanente. La simulation a utilisé l'environnement ROS~2 et Gazebo Sim, et les appareils utilisés étaient un drone de type Tello avec une caméra RVB et plusieurs véhicules terrestres de type LIMO. Une comparaison a été effectuée entre trois approches : une solution de base basée sur un marqueur coloré sans apprentissage, une méthode visuelle basée sur YOLO et la nouvelle méthode de fusion des données UAV-UGV.
L'avantage clé de la nouvelle méthode est sa capacité à maintenir le suivi même en cas de perte temporaire de la visibilité de la cible par la caméra du drone. Contrairement aux méthodes visuelles, qui cessent de fonctionner lorsque l'image est bloquée, la nouvelle méthode utilise les données sur l'état du véhicule terrestre - telles que la position et la vitesse - pour continuer à estimer la localisation. Cela permet de maintenir la continuité du suivi dans des scénarios d'occlusion, de trajectoires croisées ou de points de vue changeants.
Résultats : amélioration significative de la précision et de la continuité.
Image agrandieFermer l'agrandissementImage précédenteLa méthode de fusion des données UAV-UGV, basée sur la combinaison de la détection visuelle avec les informations sur l'état de l'UGV, a réduit l'erreur de localisation par rapport à la méthode visuelle YOLO dans quatre scénarios : suivi d'un véhicule unique, trajectoires croisées, occlusion et assistance à la conscience du drone. Ces résultats confirment que l'intégration des données provenant de différentes sources dépasse largement les capacités de la détection visuelle autonome.
De plus, la méthode a permis de déterminer le temps de conscience des conflits - c'est-à-dire la quantité de temps dont dispose le système pour réagir avant une collision potentielle. Dans le scénario des trajectoires croisées, elle a fourni 10,20 secondes de temps de réaction et, dans le scénario d'assistance à la conscience du drone, 9,07 secondes. Un tel support peut être essentiel pour les systèmes de sécurité dans les environnements urbains ou industriels dynamiques, où une réponse rapide est nécessaire.
Importance et limites de l'étude.
Les résultats de l'étude sont importants pour le développement de systèmes de surveillance et de sécurité dans les environnements sans infrastructure perceptive permanente, tels que les zones rurales, les chantiers ou les zones sinistrées. La fusion des données UAV-UGV peut être utilisée pour faciliter la prise de décision en temps réel, par exemple dans les systèmes de gestion du trafic routier ou lors des patrouilles de terrain par des équipes de secours. Cependant, l'étude a été menée uniquement dans un environnement simulé - il n'y a pas de données sur le fonctionnement de cette méthode dans des conditions extérieures réelles.
Il est également important de noter que les résultats dépendent de la précision et de la disponibilité des données provenant du UGV. Si le véhicule terrestre ne transmet pas d'informations sur son état à une fréquence appropriée ou avec un délai important, l'efficacité de la méthode peut diminuer considérablement. De plus, l'étude ne tient pas compte de l'impact des conditions météorologiques, des changements de luminosité ou des interférences radio - des facteurs qui peuvent avoir un impact important sur le fonctionnement du système dans la réalité. Par conséquent, la méthode est prometteuse, mais elle nécessite d'autres tests en situation réelle.
Perspectives pour les futurs systèmes de surveillance
L'étude montre que l'intégration des données provenant de différents types de robots - à la fois aériens et terrestres - peut améliorer non seulement la précision, mais aussi la fiabilité des systèmes de suivi. À l'avenir, cette approche pourrait être utilisée dans les systèmes d'aide à la conduite, dans la logistique autonome ou dans les réseaux de surveillance urbaine intégrés. Il sera essentiel de développer la communication entre les robots et d'assurer la synchronisation des données en temps réel.
Bien que l'étude ne concerne pas un produit ou une entreprise spécifique, ses résultats peuvent être utilisés par les intégrateurs de technologies robotiques pour concevoir des systèmes qui combinent différents types d'appareils. À l'avenir, il sera possible de développer cette méthode avec des fonctions d'apprentissage automatique ou une approche adaptative pour s'adapter dynamiquement aux conditions changeantes - mais cela dépasse le cadre de la présente étude, qui a été menée dans un environnement simulé.
Dans le contexte des perspectives de développement, la méthode de fusion UAV-UGV peut devenir le fondement d'un système de surveillance intégré dans les environnements dynamiques où les solutions traditionnelles basées sur une infrastructure permanente ne peuvent pas être appliquées. Par exemple, dans les zones de construction ou les zones sinistrées, où les réseaux de communication peuvent être endommagés et les points de contrôle indisponibles, une telle stratégie de suivi hybride peut assurer la continuité de l'observation sans avoir besoin de stations de base supplémentaires. Il est cependant essentiel d'assurer une communication stable entre le drone et le véhicule terrestre ainsi que la synchronisation des données en temps réel, ce qui nécessite des protocoles avancés de transmission d'informations.
À l'avenir, il sera possible de développer cette méthode avec des fonctions adaptatives qui s'adapteront aux conditions environnementales changeantes, telles que les changements de luminosité ou les interférences radio - bien que cela dépasse le cadre de la présente étude. L'application de ces solutions peut être particulièrement importante dans les systèmes d'aide à la conduite ou dans la logistique autonome, où la fiabilité et la rapidité de réaction sont essentielles.