Dissertação

{en_GB=Radiological monitor for mobile robots operating in scenarios with nuclear threats} {} EVALUATED

{pt=O desenvolvimento das capacidades de sistemas autónomos torna possível a automação de missões de inspeção e de monitorização, que são especialmente relevantes em situações envolvendo ameaças químicas, biológicas, radiológicas e nucleares, denominadas CBRN. A capacidade para utilizar agentes autónomos nestas situações pode manter os humanos fora de perigo. Esta dissertação propõe um algoritmo de planeamento de caminhos informativos como solução para gerar eficientemente mapas de grandezas escalares, motivado por aplicações em missões de inspeção radiológica. A solução proposta é baseada em conceitos de teoria de informação, processos gaussianos e parametrização de caminhos com B-splines, o que permite executar otimização e planeamento em espaço contínuo. O algoritmo equilibra a exploração de regiões do espaço de trabalho que não foram observadas com a exploração mais detalhada de hotspots, que são considerados interessantes no contexto deste trabalho. Este equilíbrio é alcançado treinando um processo gaussiano no conjunto de observações adquiridas e maximizando a utilidade de observações futuras. O desempenho do algoritmo desenvolvido é avaliado num ambiente simulado que contém várias fontes radioativas e é comparado com os resultados obtidos com um caminho boustrophedon e com um caminho resultante de movimento Browniano. Adicionalmente, foi implementado um algoritmo para estimar parâmetros de fontes radioativas, demonstrando que a solução proposta aumenta a precisão das posições estimadas das fontes. O algoritmo de planeamento de caminhos pode ainda ser adaptado para lidar com ameaças CBRN, tornando possível a inspeção de campos escalares de outros tipos, como por exemplo a concentração de poluentes atmosféricos., en=The ever increasing capabilities of autonomous systems have opened the path for automated surveying and monitoring missions, which are especially relevant in situations involving chemical, biological, radiological, and nuclear threats, known collectively as CBRN. The ability to deploy autonomous agents in these situations can keep humans out of harm's way. This work proposes an informative path planner as a means to efficiently generate maps of scalar quantities, motivated by applications in radiological survey missions. The proposed solution is based on concepts of information theory, Gaussian processes, and path parameterization with B-splines, which enables optimization and planning in continuous space. The informative path planner makes a trade-off between exploring unobserved areas of the workspace and exploring hotspots in greater detail by training a Gaussian process on the current set of observations and maximizing the utility of the future observations. The path planner's performance is assessed in a simulated environment containing several radioactive sources and compared to results obtained with a boustrophedon path—the standard path for area coverage—and with a path resulting from Brownian motion. Additionally, a source parameter estimation algorithm was implemented and demonstrated that the informative path planner increases the source position estimate accuracy. Given that the proposed path planner is suitable for problems dealing with CBRN threats, this work opens up avenues for surveys of other scalar fields (e.g. locating the source of lethal gas attacks). This is an emerging field in the security sector which requires novel techniques, and intelligent autonomous solutions can safeguard human lives.}
{pt=Planeamento de caminhos, Planeamento adaptativo, Cobertura de área, Monitorização radiológica, Sensores, Veículos autónomos, en=Path planning, Adaptive planning, Area coverage, Radiological monitoring, Sensors, Autonomous vehicles}

novembro 14, 2019, 9:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Rodrigo Martins de Matos Ventura

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar

ORIENTADOR

Alberto Manuel Martinho Vale

Instituto de Plasmas e Fusão Nuclear (IPFN)

Investigador