Sistema multi-UAV heterogéneo para cobertura de cultivos

Abstract

Antecedentes: El trabajo de investigación con múltiples vehículos aéreos no tripulados (UAV, por sus siglas en inglés) ha trascendido desde los logros en el ámbito militar hacia servicios para la población civil, que abarcan no sólo el despliegue de enjambres para eventos, también incluyen fotogrametría y riego aéreo usando flotas pequeñas de drones. De esta manera, los productos resultantes de tales misiones de cobertura se valoran como una herramienta emergente para procesos de agricultura de precisión en zonas de estudio extensas y con acceso restringido. Esta expectativa para alcanzar el uso masivo de la tecnología multi-UAV está limitada por los entornos al aire libre, los cuales implican riesgo para completar las misiones y por tanto riesgo de pérdidas en la inversión tecnológica. Objetivo: Diseñar un sistema de múltiples UAV heterogéneos para cobertura de cultivos. Métodos: El método usado para resolver el objetivo propuesto está centrado en la gestión de la heterogeneidad de los UAV y la conectividad de la flota. Ambos factores están comprometidos con la partición de área de cobertura y con la interactuación entre vecinos cercanos para lograr la cooperación en caso de escenarios de riesgo de misión incompleta. La resolución subsiguiente a la identificación de la alerta sostiene un esquema de movilidad y enrutamiento basado en roles jerárquicos: Maestro, Coordinador y Operador, los cuales atienden la alerta y asignan acciones adicionales a las tareas iniciales para completar la misión global. Esta nueva misión se asume de manera determinista para considerar que un agente cubra los espacios que sus recursos le permitan. Resultados: Los resultados evidencian que el sistema multi-UAV propuesto puede lograr al menos un 8% más de vida útil al final de la misión en comparación con métodos tradicionales de asignación de tareas como Boustrophedon y K-means; considerando además el gasto energético por comunicación durante enrutamiento de alertas y resolución de riesgo de misión incompleta. Esta reserva de energía garantiza que, en presencia de fallos, el sistema concluya la misión con al menos un 70% de área cubierta. Conclusiones: La validación realizada mediante modelación de agentes permitió evidenciar que la adaptación de la descomposición de Voronoi para tareas heterogéneas era factible para gestionar eficientemente recursos de vuelo, comunicación y cognición. En concordancia, los resultados de las métricas de vida restante, de número de paquetes gestionados y de cobertura de área usando la plataforma centrada en simulación con software de autopilotos convencionales, confirmaron la efectividad y robustez del sistema multi-UAV diseñado.

Background: Research work with multiple unmanned aerial vehicles (UAV) has transcended from military achievements to services for the civilian population, encompassing not only the deployment of swarms for events, but also including photogrammetry and aerial irrigation using small fleets of drones. Thus, the products resulting from such coverage missions are valued as an emerging tool for precision agriculture processes in large study areas with restricted access. This expectation to achieve mass use of multi-UAV technology is limited by outdoor environments, which imply risk to complete the missions and therefore risk of losses in the technological investment. Objective: Design a system of multiple heterogeneous UAVs for crop coverage. Methods: The method used to solve the proposed objective is focused on the management of UAV heterogeneity and fleet connectivity. Both factors are engaged with coverage area partitioning and near-neighbor interaction to achieve cooperation in case of incomplete mission risk scenarios. The resolution of alert after its identification supports a mobility and routing scheme based on hierarchical roles: Master, Coordinator and Operator, which attend the alert and assign additional actions to the initial tasks to complete the overall mission. This new mission is assumed in a deterministic way to consider that an agent covers the spaces that its resources allow. Results: The results show that the proposed multi-UAV system can achieve at least 8% more end-of-mission lifetime compared to traditional tasking methods such as Boustrophedon and K-means; and even more considering the energy expenditure for communication during alert routing and incomplete mission risk resolution. This energy reserve ensures that, in the presence of failures, the system concludes the mission with at least 70% of the area visited. Conclusions: The validation performed by agent modeling provided evidence that the adaptation of the Voronoi decomposition for heterogeneous tasks was feasible to efficiently manage flight, communication, and cognition resources. Accordingly, the results of the remaining life, number of managed packets and area coverage metrics using the simulation platform with conventional autopilot confirmed the effectiveness and robustness of the designed multi-UAV system.