Otimizando a Cooperação entre UAV e UGV para o Sucesso da Missão

Veículos aéreos não tripulados (VANTs) e veículos terrestres não tripulados (VTNTs) tão cada vez mais sendo usados juntos em várias tarefas, como vigilância, busca e salvamento e entrega. Os VANTs são rápidos e conseguem cobrir grandes áreas do ar, enquanto os VTNTs podem dar suporte no chão, como reabastecer os VANTs. Mas, geralmente, os VANTs têm uma duração de bateria limitada, o que limita a distância que podem percorrer e quanto tempo conseguem ficar no ar. Trabalhando juntos, VANTs e VTNTs podem ser mais efetivos e ampliar seu alcance operacional.

#O Desafio

Um dos principais desafios em combinar VANTs e VTNTs é a capacidade limitada de combustível dos VANTs. Isso dificulta a realização de missões longas sem precisar recarregar. O problema de roteamento cooperativo envolve planejar rotas para ambos, VANT e VTNT, de modo que consigam cobrir todos os pontos da missão designados, levando em consideração suas limitações de combustível e velocidades de viagem. A complexidade computacional desse problema pode dificultar a busca por soluções ótimas rapidamente.

#Estrutura Proposta

Para lidar com essa questão, desenvolvemos uma estrutura de otimização em dois níveis que ajuda a planejar as rotas do VANT e do VTNT. O objetivo é maximizar a eficiência enquanto garante que o VANT não fique sem combustível. Nossa estrutura consiste em dois níveis principais:

1. Nível Externo (Planejamento de Rota do VTNT): Esse nível se concentra em determinar uma rota adequada para o VTNT, levando em conta paradas de reabastecimento onde o VANT pode recarregar suas baterias.

2. Nível Interno (Planejamento de Rota do VANT): Após estabelecer a rota do VTNT, esse nível aloca os pontos de missão para o VANT e define seu trajeto com base na rota do VTNT.

#Metodologia

Para encontrar as rotas ótimas para ambos os veículos, usamos uma combinação de técnicas:

• Algoritmo de Conjuntos Mínimos: Isso ajuda a identificar o número mínimo de paradas de reabastecimento necessárias para cobrir todos os pontos da missão. Esse algoritmo garante que cada ponto da missão tenha pelo menos uma localização de reabastecimento próxima.

• Problema do Caixeiro Viajante (PCV): Depois de determinar as paradas de reabastecimento, usamos o PCV para otimizar a rota do VTNT, conectando todos os pontos de reabastecimento da forma mais eficiente.

• Problema de Roteamento de Veículo com Restrições de Energia (E-VRP): Para o nível interno, tratamos o roteamento do VANT como um problema separado, novamente focando em otimizar os tempos de viagem enquanto mantemos o consumo de combustível em mente.

#Alocação de Tarefas

A técnica de alocação de tarefas nos permite dividir a missão geral em subproblemas menores. Cada subproblema é independente e se concentra em um segmento da rota do VTNT e nos pontos de missão correspondentes do VANT. Isso torna o problema mais gerenciável e mais fácil de resolver de forma eficiente.

#Validação Experimental

Realizamos experimentos usando um setup de teste em pequena escala para validar a eficácia da nossa estrutura proposta. Um quadricóptero DJI Tello foi usado como o VANT, e criamos um pequeno VTNT baseado em Raspberry Pi que podia recarregar o VANT. O ambiente nos permitiu rastrear as posições dos veículos usando um sistema de captura de movimento, garantindo que tivéssemos dados em tempo real sobre seus movimentos.

Durante os experimentos, montamos um cenário de missão que envolvia vários pontos para o VANT visitar enquanto garantíamos que pudesse recarregar no VTNT. O VANT tinha um tempo de voo limitado, exigindo que pousasse no VTNT em intervalos específicos para recarregar.

#Resultados

Os resultados dos experimentos mostraram que nossa estrutura planejou efetivamente as rotas para o VANT e o VTNT, levando a uma execução bem-sucedida da missão. A análise das trajetórias realizadas durante os testes indicou que ambos os veículos conseguiram completar suas tarefas sem enfrentar problemas relacionados a restrições de combustível ou tempo.

Comparando o desempenho do nosso método com um cenário onde apenas o VTNT foi usado, o método cooperativo reduziu significativamente tanto o tempo de conclusão da missão quanto o consumo total de energia. Os resultados demonstraram que trabalhar juntos levou a um desempenho geral melhor do que usar apenas um tipo de veículo.

#Conclusão

Nossa estrutura de otimização em dois níveis oferece uma maneira eficaz de planejar rotas cooperativas para VANTs e VTNTs, permitindo que trabalhem juntos de forma eficiente. Combinando vários algoritmos e técnicas, conseguimos enfrentar os desafios impostos pela capacidade limitada de combustível e as demandas complexas de roteamento. A validação experimental confirmou que nossa abordagem é prática e pode ser aplicada em cenários do mundo real.

Essa estrutura tem o potencial de melhorar o desempenho em várias aplicações onde VANTs e VTNTs são usados juntos. Trabalhos futuros podem explorar otimizações e melhorias adicionais com base nos requisitos específicos da missão, ampliando ainda mais as capacidades desses sistemas não tripulados trabalhando em conjunto.

No geral, a integração contínua das tecnologias de VANT e VTNT representa um avanço significativo na automação, aprimorando suas capacidades operacionais em diferentes campos e indústrias.