Cloud robotics and advanced communications can foster a step-change in cooperative robots and hybrid wireless sensor networks (H-WSN) for demanding environments (e.g., disaster response, mining, demolition, and nuclear sites) by enabling the timely sharing of data and computational resources between robot and human teams. However, the operational complexity of such multi-agent systems requires defining effective architectures, coping with implementation details, and testing in realistic deployments. This article proposes X-IoCA, an Internet of robotic things (IoRT) and communication architecture consisting of a hybrid and heterogeneous network of wireless transceivers (H2WTN), based on LoRa and BLE technologies, and a robot operating system (ROS) network. The IoRT is connected to a feedback information system (FIS) distributed among multi-access edge computing (MEC) centers. Furthermore, we present SAR-IoCA, an implementation of the architecture for search and rescue (SAR) integrated into a 5G network. The FIS for this application consists of an SAR-FIS (including a path planner for UGVs considering risks detected by a LoRa H-WSN) and an ROS-FIS (for real-time monitoring and processing of information published throughout the ROS network). Moreover, we discuss lessons learned from using SAR-IoCA in a realistic exercise where three UGVs, a UAV, and responders collaborated to rescue victims from a tunnel accessible through rough terrain.
Natural and human-made disasters require effective victim assistance and last-mile relief supply operations with teams of ground vehicles. In these applications, digital elevation models (DEM) can provide accurate knowledge for safe vehicle motion planning but grid representation results in very large search graphs. Furthermore, travel time, which becomes a crucial cost optimization criterion, may be affected by inclination and other challenging terrain characteristics. In this paper, our goal is to evaluate a search heuristic function based on anisotropic vehicle velocity restrictions for building the cost matrix required for multi-vehicle routing on natural terrain and disaster sites. The heuristic is applied to compute the fastest travel times between every pair of matrix elements by means of a path planning algorithm. The analysis is based on a case study on the ortophotographic-based DEM of natural terrain with different target points, where the proposed heuristic is compared against an exhaustive search solution.
ResumenEl despliegue de plataformas robóticas como apoyo a la gestión de situaciones de emergencia constituye un reto que persigue mejorar la eficiencia en misiones de búsqueda y rescate. Este artículo propone un planificador estratégico para el rescate de víctimas mediante un equipo de robots terrestres. Este sistema inteligente permitirá planificar las trayectorias para acceder a las víctimas de acuerdo con su ubicación y prioridad de asistencia médica (triaje). Para la planificación se propone una nueva variante del algoritmo " fast marching method" (FMM). En este trabajo se ofrecen resultados preliminares mediante un ejemplo de aplicación en condiciones simuladas.Palabras clave: Planificador estratégico, operaciones de rescate, algoritmo fast marching method, vehículos terrestres no tripulados, triaje. INTRODUCCIONLa respuesta en emergencias requiere una intervención rápida para la atención a las víctimas así como una reducción del riesgo para los miembros del equipo de rescate. En este sentido, el desarrollo de sistemas robóticos y mecatrónicos con ciertas capacidades inteligentes tiene un enorme potencial en escenarios de crisis [11]. Así, la integración de vehículos terrestres no tripulados (UGV, unmanned ground vehicle) en los equipos de búsqueda y rescate (SAR, search and rescue), puede ayudar al éxito de estas misiones [17].Estos sistemas robóticos inteligentes se pueden beneficiar de recientes contribuciones en vehículos aéreos [3,5] y terrestres rodados [10] o con patas [7], realidad aumentada [19], teleoperación [16], planificación de manipuladores móviles [22], control visual [18], sistemas hápticos [6], robots modulares [2], comunicaciones en equipos multi-robot [21], y redes de sensores [9].Las misiones SAR se desarrollan básicamente en una secuencia de operaciones [14]: 1) Exploración del entorno, donde la información obtenida facilita la toma de decisión de las restantes operaciones; 2) búsqueda de posibles víctimas, donde se localizan y clasifican las víctimas atendiendo a criterios médicos; 3) rescate y atención médica a víctimas, donde se accede a las víctimas para estabilizarlas y extraerlas; y 4) evacuación de víctimas. En este trabajo, se aborda el tercero de estos puntos mediante UGV, con el objetivo de acceder a un conjunto de víctimas para prestar una primera atención, tal y como se ilustra en el ejemplo de la figura 1.El artículo introduce un nuevo planificador estratégico para operaciones de rescate y atención médica mediante un equipo de múltiples UGV. Se propone un sistema inteligente para planificar las trayectorias que deberán seguir los UGV con objeto de acceder a un conjunto de víctimas previamente localizadas y clasificadas mediante triaje médico. Este planificador multi-objetivo, además de la prioridad de asistencia médica asignada, considera el tiempo medio de espera por víctima mediante una variante anisotrópica del algoritmo "fast marching method " (FMM).El resto del artículo se organiza de la siguiente manera. En la sección 2 se revisan trabajos previos. En la sección 3 se...
Cloud robotics and the Internet of robotic things (IoRT) can boost the performance of human-robot cooperative teams in demanding environments (e.g., disaster response, mining, demolition, and nuclear sites) by allowing timely information sharing between agents on the field (both human and robotic) and the mission control center. In previous works, we defined an Edge/Cloud-based IoRT and communications architecture for heterogeneous multi-agent systems that was applied to search and rescue missions (SAR-IoCA). In this paper, we address the integration of a remote mission control center, which performs path planning, teleoperation and mission supervision, into a ROS network. Furthermore, we present the UMA-ROS-Android app, which allows publishing smartphone sensor data, including audio and high definition images from the rear camera, and can be used by responders for requesting a robot to the control center from a geolocalized field position. The app works up to API 32 and has been shared for the ROS community. The paper offers a case study where the proposed framework was applied to a cooperative casualty evacuation mission with professional responders and an unmanned rover with two detachable stretchers in a highfidelity exercise performed in Malaga (Spain) in June 2022.
Los grupos de ascensores con sistema de preselección de destino persiguen la reducción del tiempo de espera en edificios de mediana y gran altura como hoteles o bloques de oficinas. En este tipo de sistemas, los pasajeros se dirigen al ascensor de acuerdo con el destino que hayan indicado en un panel exterior. El presente trabajo aborda la verificación del control de ascensores con preselección de destino mediante la aplicación de una herramienta software basada en lógica temporal lineal (LTL). En particular, se ha definido tanto el modelo del sistema como la especificaciones LTL mediante la herramienta de código abierto Spin. Como caso de estudio, se ha implementado el modelo de un grupo de dos ascensores en un edificio de cuatro plantas con paneles de preselección de destino en cada planta. El artículo ofrece resultados preliminares de simulaciones y verificaciones para un conjunto de fórmulas LTL definidas específicamente para este sistema.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.