Tatizo Nini? Hatari Huenda Haiwezi Kuripotiwa Mahali Sahihi

Katika maeneo ya maafa, sehemu za moto, maeneo yaliyochafuliwa au miundombinu iliyoharibiwa, taarifa za mwanzo mara nyingi hazitoshi. Mfanyakazi anaweza kusema «kuna hatari katika eneo hili»; lakini kituo cha kweli cha hatari kinaweza kuwa kimehamishwa kidogo. Baadhi ya hatari huenda hazijaripotiwa kabisa. Kwa mfano katika eneo la moto, sehemu ya joto inaweza kutokea mahali tofauti na inavyotarajiwa, katika eneo lililochafuliwa ueneaji unaweza kubadilisha mwelekeo, au katika jengo lililoharibiwa hatari za pili zinaweza kutambuliwa baadaye.

Katika hali hii kazi kwa UAV si rahisi. Kutembelea tu alama zilizoripotiwa huenda hakutoshi. UAV lazima ikague maeneo yaliyoripotiwa na pia itumie betri au umbali wa ndege uliobaki kukusanya taarifa kutoka maeneo yasiyojulikana karibu.

Swali kuu la makala pia ni hili:

Je, UAV inaweza kupanga njia yake ili kutembelea alama za kazi na kukusanya taarifa mpya chini ya ripoti za hatari zisizo wazi?

Mbinu Iliyopendekezwa na Watafiti

Mfumo uliopendekezwa unachukulia kazi ya UAV kama tatizo la upangaji wa hatua mbili.

Hatua ya kwanza ni upangaji wa njia wa kiwango cha juu. Sehemu hii huamua ni maeneo gani ya hatari yaliyoripotiwa UAV itatembelea na kwa mpangilio gani. Lakini tofauti muhimu ya makala ni kwamba maeneo yaliyoripotiwa hayachukuliwa kama alama za hatari za uhakika, bali kama maeneo ya maslahi yasiyo wazi. Yaani mfumo husema si «hatari iko hapa hasa», bali «kuna uwezekano wa hatari kuwa karibu na eneo hili».

Hatua ya pili ni upangaji wa njia ya ndege wa kiwango cha chini. Sehemu hii huamua jinsi UAV itaruka kati ya alama mbili za kazi. UAV hailazimiki kwenda kwa mstari mraba. Ikiwa bajeti ya ndege inaruhusu, inaweza kufanya upotoshaji mdogo ili kukusanya taarifa zaidi kutoka maeneo yanayoonekana hatari au yasiyo wazi.

Hatua hizi mbili hufanya kazi pamoja. Kwanza njia ya jumla huchorwa, kisha njia za ndege kati yake hubadilishwa ili kufaa ukusanyaji wa taarifa. Wakati wa ndege vipimo vipya vinapopatikana ramani ya hatari husasishwa na ikiwa ni lazima njia iliyobaki hupangwa upya.

Ramani ya Hatari Inamaanisha Nini?

Katika makala mazingira huchukuliwa kama eneo la hatari endelevu. Kwa kila mahali kwenye ramani swali ni «kuna uwezekano gani wa hatari hapa?» Hatari hii inaweza kuwa sehemu ya joto la moto, msongamano wa uchafuzi, hatari ya miundombinu iliyoharibiwa au hatari nyingine ya usalama.

Haiaminiki kwamba UAV inajua ramani ya kweli ya hatari tangu mwanzo. Badala yake ina «ramani ya imani» ya mwanzo. Ramani hii huundwa kulingana na maeneo ya hatari yaliyoripotiwa.

Formula kuu ya kwanza katika makala huelezea ramani hii ya imani ya mwanzo. Kiufundi formula inachanganya kiwango cha hatari ya msingi, kiwango cha imani cha alama zilizoripotiwa na ukosefu wa uhakika wa nafasi wa ripoti hizo.

Tukirahisisha:

• Kila mahali kunaweza kuwa na hatari ya chini ya msingi.
• Karibu na vituo vilivyoripotiwa matarajio ya hatari huongezeka.
• Ikiwa ripoti ni ya kuaminika na mahali ni wazi, hatari inaonekana finyu na imara zaidi.
• Ikiwa ripoti si wazi, hatari huenea kwenye eneo pana zaidi.

Yaani mfumo haisemi «hatari iko tu juu ya alama iliyoripotiwa», bali huunda eneo la hatari la uwezekano karibu na ripoti. Mbinu hii iko karibu na maisha halisi; kwa sababu taarifa za mwanzo kutoka uwanjani mara nyingi si kuratibu halisi, bali mahali takriban.

Bajeti ya Ndege Inatumiwaje?

Mojawapo ya vikwazo vikubwa vya UAV ni betri na umbali wa ndege. Kwa hiyo mfumo hauwezi kwenda kila mahali. Katika makala kikomo hiki huchukuliwa kama bajeti ya jumla ya umbali wa ndege.

Mantiki rahisi:

Njia ya jumla ya ndege haipaswi kuzidi umbali wa kazi unaoruhusiwa wa UAV.

Kwa lugha ya kila siku:

«UAV itatembelea maeneo yaliyoripotiwa na pia itafanya upotoshaji mdogo kwa uchunguzi; lakini yote yatabaki ndani ya kikomo cha betri/umbali.»

Hili ni muhimu. Kwa sababu mpango mzuri wa uchunguzi si tu kuzunguka eneo zaidi. Kujaribu kuzunguka zaidi na kumaliza betri au kuweka hatari kurudi si kukubalika uwanjani. Kazi hii hujaribu kufikiria uchunguzi na usalama wa kazi ndani ya bajeti moja.

Vituo vya Msaidizi Vinafanya Kazi Gani?

Katika makala hutumika alama za msaidizi zinazoitwa «pseudo-node». Tunaweza kuzifikiria kama «vituo vya kusubiri vya ziada kwa uchunguzi».

Kwa kawaida ikiwa UAV itaenda tu maeneo yaliyoripotiwa, sehemu za ramani hazitaonekana kabisa. Hasa ikiwa maeneo yaliyoripotiwa yamekusanyika upande mmoja wa ramani, hatari zisizojulikana upande mwingine zinaweza kupuuzwa.

Vituo vya msaidizi huongezwa ili kupunguza tatizo hili. Si ripoti mpya ya hatari. Mfumo husema si «hapa kuna hatari ya uhakika», bali «eneo hili halifikiwi vizuri na njia ya sasa, kuruka karibu linaweza kutoa taarifa zaidi» na kuweka alama za uchunguzi ziada kwenye njia.

Kulingana na matokeo ya makala, vituo vya msaidizi vilivyoongezwa kwa njia ya CVT ya msingi wa ukingo viliongeza ufunikaji wa njia. Katika njia ya ROI-only thamani ya ECR ilikuwa 0,0992, wakati katika CVT ya msingi wa ukingo thamani ilifikia 0,1901. Hii inamaanisha njia inaweza kufunika eneo pana zaidi la ramani.

Kipimo cha ECR hupima ni seli ngapi za ramani njia inagusa. Kwa urahisi:

Ikiwa ECR ni juu, njia inafunika mazingira kwa upana zaidi.

Hata hivyo hii si daima dhamana ya matokeo bora zaidi. Kwa sababu kuongeza alama zaidi za kati kunaweza pia kupunguza bajeti ya uchunguzi iliyobaki. Kwa hiyo idadi ya vituo vya msaidizi inapaswa kuchaguliwa kwa usawa.

Njia ya Ndege ya B-Spline Inamaanisha Nini?

Katika kazi njia ya ndege ya kiwango cha chini hutumia curves laini zinazoitwa B-spline. Bila kuingia kwenye maelezo ya kiufundi:

UAV lazima iruke kati ya alama mbili kwa curve laini inayoweza kufuatwa, si kwa pembe kali. Njia ya B-spline hutumika kutengeneza njia za ndege laini kama hizo.

Hili ni muhimu kwa sababu UAV halisi haiwezi kubadilisha mwelekeo papo hapo. Kuna vikwazo vya kimwili kama kasi, kiwango cha kugeuka na ukunjaji. Makala huzingatia vikwazo hivi wakati wa kupanga njia. Yaani mfumo hauulizi tu «ni wapi kupita kunakusanya taarifa zaidi?», bali pia «je UAV inaweza kufuata njia hii kimwili?»

Kupungua kwa KL Kunamaanisha Nini?

Katika makala kupungua kwa Kullback-Leibler, kifupi KL, hutumika kupima utendaji. Ni kipimo cha kiufundi; lakini mantiki yake ni rahisi.

UAV ina ramani ya makisio ya hatari ya mwanzo. Mwisho wa ndege huundwa ramani mpya ya hatari iliyosasishwa kwa vipimo. Watafiti hupima jinsi ramani mpya ilivyo karibu na ramani ya kweli ya hatari katika uigaji.

Formula huelezea wazo hili:

Kupungua kwa KL = tofauti kati ya kosa la mwanzo na kosa la mwisho wa kazi

Ikiwa kupungua kwa KL ni juu, inaeleweka kwamba UAV ilijifunza ramani ya hatari vizuri zaidi mwishoni mwa kazi.

Kuna nukta muhimu ya kuzingatia: ramani ya kweli ya hatari haijulikani uwanjani na UAV. Kipimo hiki hutumika tu kwa tathmini ya uigaji. Yaani si kwa sababu mfumo «unajua ukweli» katika ulimwengu halisi, bali kwa sababu watafiti wanaweza kulinganisha katika uigaji.

Kwa Nini Upangaji Upya wa Mtandaoni Ni Muhimu?

Moja ya sehemu za kujifunza zaidi za kazi ni wazo la upangaji upya wa mtandaoni. Katika upangaji wa nje ya mtandao UAV huunda njia kabla ya kuanza kazi na hubaki kwenye mpango huo wakati wote wa ndege. Lakini ikiwa taarifa mpya zinatokea uwanjani, mpango huo thabiti huenda hautoshi.

Katika upangaji upya wa mtandaoni UAV hupima wakati wa kuruka, husasisha ramani ya hatari na huangalia «je ninapaswa kubadilisha njia iliyobaki?»

Kwa mfano ikiwa UAV inapata kipimo karibu na eneo la hatari lisiloripotiwa wakati wa ndege, mfumo unaweza kubadilisha njia iliyobaki kulingana na taarifa mpya. Makala inaeleza kwamba mpangaji wa mtandaoni hujaribu kupotoka kutoka njia ya kawaida karibu na makundi ya hatari yaliyofichwa ili kukusanya taarifa zaidi.

Mbinu hii ina maana kwa kazi za uchunguzi halisi. Kwa sababu katika mazingira kama maafa au moto taarifa mwanzoni na katikati ya kazi si sawa.

Majaribio Yalifanywaje?

Watafiti walitumia eneo la vipimo viwili la mita 1000 x 1000 katika mazingira ya uigaji. Bajeti ya jumla ya umbali wa ndege ya UAV ilikuwa mita 5000. Maeneo ya hatari yalitokana na makundi ya hatari yaliyotengenezwa kwa njia ya bandia.

Baadhi ya makundi yaliripotiwa mwanzoni, mengine yaliachwa yamefichwa. Hivyo mfumo ulipimwa chini ya taarifa za awali zisizo kamili na zisizo sahihi.

Katika majaribio vigezo vifuatavyo vilitumika:

• Jumla ya makundi ya hatari: 6, 8 au 10
• Makundi ya hatari yaliyofichwa: 1, 2, 3 au 4
• Idadi ya vituo vya msaidizi: 0, 1, 2 au 3

Mchanganyiko huu uliunda hali 48 tofauti. Kwa kila hali majaribio 100 huru yalifanywa. Hivyo matokeo hayategemei mfano mmoja, bali majaribio mengi ya nasibu.

Njia Gani Zililinganishwa?

Katika kazi mikakati minne ya ndege ililinganishwa.

Ndege ya mstari mraba:
UAV huenda moja kwa moja kati ya alama mbili za kazi. Hii ni njia rahisi zaidi. Ndege inaweza kuwa fupi lakini uwezo wa uchunguzi ni mdogo.

Ufunikaji wa lawnmower:
UAV hufanya uchunguzi wa mpangilio unaofanana na muundo wa kukata nyasi. Njia hii inaweza kufunika eneo zaidi; lakini haitumii taarifa ya imani kwenye ramani ya hatari.

Mpango ulioboreshwa nje ya mtandao:
UAV hupanga njia ya B-spline yenye taarifa zaidi kulingana na ramani ya hatari ya mwanzo. Lakini njia haibadiliki wakati wa ndege.

Upangaji upya wa mtandaoni:
UAV hutumia mpango wa mwanzo na pia husasisha ramani ya hatari kulingana na vipimo vinavyopatikana wakati wa ndege. Ikiwa taarifa mpya ni muhimu na bajeti ya ndege inatosha, hupanga upya njia iliyobaki.

Ulinganisho huu ni muhimu kwa sababu kila njia inajaribu wazo tofauti. Mstari mraba ni «utekelezaji rahisi wa kazi», lawnmower ni «uchunguzi wa eneo pana», mpango wa nje ya mtandao ni «upangaji wa busara kulingana na taarifa ya mwanzo», na mpango wa mtandaoni ni «kujifunza na kuzoea wakati wa kuruka».

Utafiti Unasema Nini?

Matokeo yanaonyesha kwamba njia ya upangaji upya wa mtandaoni ilifikia kupungua kwa wastani cha juu zaidi kwa KL.

Kwa wastani wa usanidi wote wa hali 48 matokeo ni:

• Upangaji upya wa mtandaoni: 0,6043
• Mpango ulioboreshwa nje ya mtandao: 0,5214
• Ufunikaji wa lawnmower: 0,4433
• Ndege ya mstari mraba: 0,4068

Kulingana na matokeo haya upangaji upya wa mtandaoni uliongeza kupungua kwa wastani kwa KL kwa 15,9% ikilinganishwa na mpango ulioboreshwa nje ya mtandao. Ikilinganishwa na lawnmower ilikuwa juu kwa 36,3%, na ikilinganishwa na ndege ya mstari mraba ilikuwa juu kwa 48,6%.

Katika hali ya uwakilishi pia matokeo yanayofanana yanaonekana. Katika hali yenye jumla ya makundi 8 ya hatari, makundi 3 yaliyofichwa na vituo 3 vya msaidizi, kupungua kwa KL kwa mpango wa nje ya mtandao kilikuwa 0,4953 wakati upangaji wa mtandaoni ulifikia 0,6037. Hii inalingana na uboreshaji wa takriban 21,9%.

Pia inaelezwa kwamba upangaji wa mtandaoni haubadilishi njia baada ya kila kipimo. Mfumo kwanza huangalia «je ramani ya hatari imebadilika kwa maana?» Kisha hutathmini ikiwa mpango mpya utatoa taarifa zaidi kuliko wa zamani. Hivyo mabadiliko ya njia yasiyo ya lazima hupunguzwa.

Grafu Zinasema Nini?

Picha za njia zilizotolewa katika makala zinaonyesha tofauti kati ya njia kwa njia.

Kwenye ramani ya hatari maeneo yaliyoripotiwa, makundi ya hatari yaliyofichwa na njia ya ndege ya UAV huchorwa pamoja. Katika njia ya upangaji upya wa mtandaoni njia ya UAV hubadilika katika baadhi ya maeneo kulingana na vipimo vilivyopatikana wakati wa ndege. Hasa karibu na makundi ya hatari yasiyoripotiwa mwanzoni upotoshaji wa njia unaweza kuonekana.

Njia ya mstari mraba huunganisha alama za kazi moja kwa moja. Ingawa ni fupi na rahisi, inabaki na uwezo mdogo wa kugundua hatari zisizojulikana karibu.

Njia ya lawnmower huchunguza eneo zaidi; lakini kwa kutotegemea taarifa ya uwezekano kwenye ramani ya hatari, baadhi ya juhudi za uchunguzi zinaweza kutumika kwenye maeneo yanayotoa taarifa kidogo.

Njia iliyoboreshwa nje ya mtandao huchora njia ya busara zaidi kulingana na ramani ya hatari ya mwanzo. Lakini haiwezi kuzoea ikiwa taarifa mpya inatokea wakati wa ndege.

Ujumbe wa jumla wa grafu ni:
Kuchunguza eneo zaidi kunaweza kusaidia, lakini kusasisha njia kulingana na vipimo vipya kunaweza kutoa faida kubwa zaidi ya taarifa.

Kwa Nini Hili Ni Muhimu?

Kazi hii ni moja ya mwelekeo wa utafiti unaonyesha kwamba UAV zinaweza kutoka kuwa «vyombo vinavyotembelea alama tu» na kuwa mifumo inayokusanya taarifa katika mazingira yasiyo wazi na kusasisha maamuzi yake wakati wa kazi.

Katika usimamizi wa maafa, ufuatiliaji wa moto, ukaguzi wa viwanda au uchoraji wa hatari za mazingira taarifa za mwanzo mara nyingi hazitoshi. Kwa hiyo ni muhimu si tu kwenda mahali yaliyopewa mapema, bali pia kusasisha ramani ya hatari kulingana na data mpya.

Kazi kama hizi ni muhimu kwa kuendeleza teknolojia zinazosaidia timu za uwanjani kupata taarifa bora kabla ya kuingia maeneo hatari. Hata hivyo mifumo kama hii inahitaji majaribio mapana ya uwanja, vikwazo vya usalama, ruhusa za kisheria na uthibitishaji wa sensa kabla ya matumizi halisi.

Mambo ya Kuzingatia

Nguvu ya kazi hii ni kuchukua upangaji wa UAV chini ya taarifa zisizo wazi si kama tatizo la njia tu, bali pia kama tatizo la ukusanyaji wa taarifa. Lakini kuna mapungufu.

Kwanza, majaribio yalifanywa katika mazingira ya uigaji. Katika ulimwengu halisi kuna changamoto zaidi kama upepo, kukatika kwa mawasiliano, makosa ya sensa, tabia ya betri, vizuizi vya ardhi na hali ya hewa.

Pili, ramani ya kweli ya hatari ilijulikana katika uigaji, kwa hiyo kupungua kwa KL kiliweza kuhesabiwa. Katika kazi halisi ramani hii haijulikani kikamilifu, kwa hiyo tathmini itakuwa ngumu zaidi.

Tatu, kazi inategemea eneo la vipimo viwili na dhana maalum za modeli. Katika kazi halisi za UAV kuna mambo zaidi kama ndege ya vipimo vitatu, urefu, kuepuka vizuizi, uwanja wa kuona wa kamera, muunganisho wa data na kanuni.

Nne, kazi hii ni preprint. Kwa sababu haijapitia tathmini ya riwaya, matokeo hayapaswi kuchukuliwa kama ya uhakika bila tathmini ya kitaaluma huru na majaribio mengine.

Hitimisho

Utafiti huu hutoa mbinu muhimu kwa upangaji wa kazi wa busara zaidi wa UAV katika mazingira ya hatari yasiyo wazi na yanayobadilika. Njia iliyopendekezwa inazingatia maeneo yaliyoripotiwa kama alama za kazi za lazima, huku ikitumia sehemu iliyobaki ya bajeti ya ndege kwa uchunguzi. Vipimo wakati wa ndege husasisha ramani ya hatari na inapohitajika njia iliyobaki hupangwa upya.

Matokeo ya uigaji yanaonyesha upangaji upya wa mtandaoni unaweza kusasisha ramani ya hatari vizuri zaidi ikilinganishwa na njia za ndege thabiti. Hata hivyo matokeo haya si ushahidi wa moja kwa moja wa usalama wa uwanja.

Hata hivyo kazi hutoa wazo la kujifunza kwa teknolojia za ufuatiliaji wa maafa na hatari:
Katika mazingira yasiyo wazi kazi nzuri ya UAV si tu kufika lengo; mfumo mzuri lazima pia uzingatie kile kilichojifunza njiani na kubadilisha kazi iliyobaki kulingana na taarifa mpya.

Chanzo na Dokezo la Mbinu

Maudhui haya yameandaliwa kwa muundo wa kihariri wa Verianla kwa kuzingatia kazi ya kitaaluma “Integrated Exploration-Aware UAV Route Optimization and Path Planning” iliyotayarishwa na Jimin Choi, Grant Stagg, Cameron K. Peterson na Max Z. Li.

Kazi hii ni preprint iliyochapishwa kwenye arXiv na haijapitia tathmini ya riwaya. Maudhui yameandaliwa kwa madhumuni ya taarifa na elimu. Hayachukui nafasi ya ushauri wa kitaalamu kuhusu uendeshaji wa UAV, usimamizi wa maafa, utekelezaji wa uhandisi, upangaji wa usalama au uendeshaji wa uwanja.