Metoda fusji UAV-UGV w symulacji: co zostało przetestowane?
Badanie, które zostało przyjęte na Latin American Robotics Symposium LARS 2026, skupia się na rozwiązaniu problemu śledzenia małych autonomicznych pojazdów lądowych z powietrza w środowiskach bez stałej infrastruktury percepcyjnej. W symulacji wykorzystano środowisko ROS~2 i Gazebo Sim, a jako urządzenia zastosowano drona typu Tello z kamerą RGB oraz kilka pojazdów lądowych typu LIMO. Przeprowadzono porównanie trzech podejść: bazowego rozwiązania opartego na kolorowym znaczniku bez uczenia, metody wizualnej opartej na YOLO i nowo zaproponowanej metody fusji danych UAV-UGV.
Kluczową zaletą nowej metody jest jej zdolność do utrzymania śledzenia nawet podczas chwilowej utraty widoczności celu przez kamerę drona. W przeciwieństwie do metod wizualnych, które przestają działać po zablokowaniu obrazu, nowa metoda wykorzystuje dane o stanie pojazdu lądowego - takie jak pozycja i prędkość - aby kontynuować estymację lokalizacji. To pozwala na zachowanie ciągłości śledzenia w scenariuszach z zakryciem, przecinającymi się torami lub zmieniającymi się punktami widzenia.
Wyniki: znaczna poprawa dokładności i ciągłości
Powiększony obrazZamknij powiększeniePoprzedni obrazMetoda fusji danych UAV-UGV oparta na połączeniu detekcji wizualnej z informacjami o stanie UGV zmniejszyła błąd lokalizacji w porównaniu do metody wizualnej YOLO w czterech scenariuszach: śledzenie pojazdu jednego, przecinające się toru, zakrycie i wspomaganie świadomości przez drona. Te wyniki potwierdzają, że integracja danych z różnych źródeł znacznie przekracza możliwości samodzielnej detekcji wizualnej.
Dodatkowo, metoda pozwoliła na wyznaczenie czasu świadomości konfliktów - czyli ilości czasu, którą system ma do reakcji przed potencjalnym zderzeniem. W scenariuszu przecinających się torów zapewniła ona 10,20 sekundy czasu reakcji, a w scenariuszu wspomagania świadomości przez drona - 9,07 sekundy. Takie wsparcie może być kluczowe dla systemów bezpieczeństwa w dynamicznych środowiskach miejskich lub przemysłowych, gdzie szybka odpowiedź jest niezbędna.
Znaczenie i ograniczenia badania
Wyniki badania mają istotne znaczenie dla rozwoju systemów monitoringu i bezpieczeństwa w środowiskach bez stałej infrastruktury percepcyjnej, takich jak tereny wiejskie, strefy budowlane lub tereny po katastrofie. Fuzja danych UAV-UGV może być wykorzystywana do wspomagania decyzji w czasie rzeczywistym, np. w systemach zarządzania ruchem drogowym lub patrolowaniu terenu przez zespoły ratunkowe. Jednak badanie zostało przeprowadzone wyłącznie w środowisku symulacyjnym - nie ma danych o działaniu tej metody w rzeczywistych warunkach zewnętrznych.
Ważne jest również, że wyniki są uzależnione od dokładności i dostępności danych z UGV. Jeśli pojazd lądowy nie przesyła informacji o stanie z odpowiednią częstotliwością lub z dużym opóźnieniem, efektywność metody może znacznie spadać. Dodatkowo, badanie nie uwzględnia wpływu warunków atmosferycznych, zmian światła czy zakłóceń radiowych - czynników, które mogą mieć duży wpływ na działanie systemu w rzeczywistości. Zatem metoda jest obiecująca, ale wymaga dalszych testów w realnym świecie.
Perspektywy dla przyszłych systemów monitoringu
Badanie pokazuje, że integracja danych z różnych typów robotów - zarówno powietrznych, jak i lądowych - może znacznie poprawić nie tylko dokładność, ale także niezawodność systemów śledzenia. W przyszłości takie podejście może być wykorzystywane w systemach wspomagania kierowców, w logistyce autonomicznej lub w zintegrowanych sieciach monitoringu miejskiego. Kluczowe będzie rozwijanie komunikacji między robotami oraz zapewnienie synchronizacji danych w czasie rzeczywistym.
Choć badanie nie dotyczy konkretnego produktu ani firmy, jego wyniki mogą być wykorzystane przez integratorów technologii robotycznych do projektowania systemów, które łączą różne typy urządzeń. W przyszłości możliwe będzie rozwinięcie tej metody o funkcje uczenia maszynowego lub adaptacyjne podejście do dynamicznego dostosowywania się do zmieniających się warunków - ale to już wykracza poza zakres obecnego badania, które zostało przeprowadzone w środowisku symulacyjnym.
W kontekście perspektyw rozwoju, metoda fusji UAV-UGV może stać się fundamentem dla zintegrowanych systemów monitoringu w dynamicznych środowiskach, gdzie tradycyjne rozwiązania oparte na stałej infrastrukturze są niemożliwe do zastosowania. Przykładowo, w strefach budowlanych lub terenach po katastrofach, gdzie sieci komunikacyjne mogą być uszkodzone, a punkty kontrolne nie dostępne, taka hybrydowa strategia śledzenia może zapewnić ciągłość obserwacji bez potrzeby dodatkowych stacji bazowych. Kluczowe jest jednak zapewnienie stabilnej komunikacji między dronem a pojazdem lądowym oraz synchronizacji danych w czasie rzeczywistym, co wymaga zaawansowanych protokołów przesyłania informacji.
W przyszłości możliwe będzie rozwinięcie tej metody o funkcje adaptacyjne, które będą dostosowywać się do zmieniających się warunków środowiskowych, takich jak zmiany światła czy zakłócenia radiowe - choć to już wykracza poza zakres obecnego badania. Zastosowanie takich rozwiązań może być szczególnie istotne w systemach wspomagania kierowców lub logistyce autonomicznej, gdzie niezawodność i szybkość reakcji są kluczowe.