Die Methode verbessert die Planung von Missionen mit mehreren UAVs, verbessert die Effizienz und ermöglicht Anwendungen wie Infrastrukturinspektion und Umweltüberwachung.
Unbemannte Luftfahrzeuge (UAVs) oder Drohnen haben ihren Nutzen in verschiedenen Anwendungen unter Beweis gestellt, darunter Umweltüberwachung, Landwirtschaft, Such- und Rettungsdienste sowie Luftaufnahmen. Derzeit werden diese Aufgaben meist von einzelnen Drohnen übernommen, es besteht jedoch ein wachsendes Interesse daran, Teams autonomer oder halbautonomer UAVs einzusetzen, um größere Gebiete effizienter abzudecken. Forscher entwickeln Technologien, um den gleichzeitigen Einsatz und die Koordination mehrerer UAVs für verbesserte Missionsfähigkeiten zu ermöglichen.
Forscher der Tschechischen Technischen Universität haben eine neue Methode zur Planung von Routen mit minimaler Energie für UAV-Teams eingeführt. Dieser Ansatz berücksichtigt die Batteriekapazitäten von Drohnen, um den Energieverbrauch zu minimieren und die Fluggeschwindigkeit zu optimieren, was eine effiziente Teamarbeit in Missionsumgebungen ermöglicht.
Ziel des Teams war es, ein Rechenmodell zu erstellen, das mehrere UAVs koordiniert, um während der Missionen eine energieeffiziente Abdeckung zu erreichen. Im Gegensatz zu früheren Frameworks berücksichtigt ihr Ansatz optimale Fluggeschwindigkeiten und individuelle Batteriebeschränkungen des UAV-Teams.
Die Forscher näherten sich der Zuteilung von Zellen zu UAVs und ihrer Missionsplanung, indem sie das Problem als Multiple-Set-Travelling-Salesman-Problem (MS-TSP) formulierten. Dieses mathematische Problem entspricht einem Szenario, in dem mehrere Verkäufer in Gruppen gruppierte Städte besuchen müssen, wobei sie jede Gruppe einmal besuchen müssen, bevor sie zu ihrem Ausgangspunkt zurückkehren, und das alles zu minimalen Reisekosten.
Die Forscher testeten ihren Ansatz in Simulationen und einem realen Experiment und setzten ihn in einem Drohnenteam ein, um ein bestimmtes Gebiet zu überwachen. Ihre Methode übertraf frühere Ansätze, steigerte die Abdeckungsgeschwindigkeit und reduzierte den Energieverbrauch um bis zu 40.4 %.
Der neue Ansatz dieser Studie könnte den Einsatz von UAV-Teams in realen Szenarien ermöglichen, insbesondere für Aufgaben, die längere Flugzeiten erfordern, wie Infrastrukturinspektion, Präzisionslandwirtschaft und Umweltüberwachung. Nekovář und Kollegen haben den zugrunde liegenden Code auf GitHub zur Verfügung gestellt, damit andere Forscher ihn implementieren und testen können.
In zukünftigen Studien wollen sie ihren Ansatz zur Planung der UAV-Abdeckung in drei Dimensionen verbessern und die Lokalisierungsunsicherheit berücksichtigen. Sie beabsichtigen außerdem, das Aufladen und Austauschen von UAVs während der Missionen zu ermöglichen, um die Batterielebensdauer des Teams zu verlängern und längere Missionen zu ermöglichen.