Obstacle-aware multi-UAV scheduling for plant-protection operations using an enhanced walrus optimizer
Dieses Papier schlägt einen verbesserten Walrus-Optimierungsalgorithmus (CRWO) vor, der zufällige differentielle Mutation, Lens-Imaging-Opposition-basiertes Lernen und diskrete Nachbarschaftssuche integriert, um die Aufgabenverteilung und die Besuchsreihenfolge für den Pflanzenschutz durch Multi-UAV-Operationen gemeinsam zu optimieren, wobei die Arbeitslast der Flotte effektiv ausgeglichen und die hindernisbewusste Routenmachbarkeit unter Ausdauerbeschränkungen sichergestellt wird.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
In den stillen Reihen moderner Obstplantagen hat eine neue Art von Arbeiter die Luft erobert: das unbemannte Luftfahrzeug, oder die Drohne. Im Gegensatz zu den großen, dröhnenden Traktoren der Vergangenheit sind diese Maschinen flink genug, um zwischen Bäumen hindurchzugleiten, und präzise genug, um gezielt nur jene kranken Blätter oder nährstoffarmen Zweige anzusprechen, die Aufmerksamkeit benötigen. Dieser Wandel von der flächendeckenden Behandlung zur gezielten Pflege verspricht, Chemikalien einzusparen und die Umwelt zu schützen. Eine einzelne Drohne kann jedoch nicht die ganze Arbeit allein erledigen. Ihr Akku geht leer und ihr Tank für Flüssigpestizide füllt sich schnell. Um ein großes Feld zu schützen, muss eine Flotte dieser Drohnen zusammenarbeiten, indem sie abwechselnd ausfliegen, einen bestimmten Punkt besprühen, zu einer zentralen Basis zurückkehren, um aufzufüllen, und wieder ausfliegen. Die Herausforderung besteht darin, zu entscheiden, welche Drohne zu welchem Baum geht, in welcher Reihenfolge und wie viele Flüge jede einzelne macht. Wenn der Plan schlecht ist, werden einige Drohnen erschöpft sein, während andere untätig herumsitzen, oder schlimmer noch, eine Drohne wird auf einen Pfad geschickt, der auf einer Karte zwar kurz aussieht, aber tatsächlich durch einen Baum oder eine Sperrzone blockiert ist, was sie zum Absturz bringt oder kostbare Energie verschwendet.
Forscher der Nanjing University of Posts and Telecommunications und des Nanjing Institute of Technology haben dieses komplexe Scheduling-Rätsel gelöst, indem sie eine neue Methode zur Koordination dieser Flotten entwickelt haben. Sie schufen ein System, das nicht nur den Luftlinienabstand zwischen den Bäumen betrachtet, sondern stattdan den tatsächlichen sicheren Pfad berechnet, den eine Drohne fliegen muss, um Hindernissen wie Ästen, Gebäuden und Sperrzonen auszuweichen. Um den bestmöglichen Zeitplan für eine Drohnenflotte zu finden, entwarfen sie einen neuen Computeralgorithmus, der vom Verhalten von Walrossen inspiriert ist. In der Wildnis bewegen sich Walrosse in Gruppen und balancieren dabei das Bedürfnis, neue Nahrungsgründe zu erkunden, mit der Sicherheit, nah an der Herde zu bleiben. Die Forscher übertrugen dieses soziale Verhalten in mathematische Regeln, die einem Computer helfen, durch Millionen möglicher Flugpläne zu suchen, um einen zu finden, der jede Drohne gleichmäßig und sicher arbeiten lässt.
Das Team testete seinen neuen Algorithmus, den sie den „Enhanced Walrus Optimizer“ nennen, gegen mehrere andere bestehende Methoden, die für ähnliche Probleme verwendet werden. Sie simulierten eine realistische Obstplantagenumgebung, komplett mit hügeligem Gelände, Bäumen unterschiedlicher Höhe und Flugverbotszonen, in die Drohnen nicht eintreten dürfen. In diesen Simulationen schnitt der neue Algorithmus konsistent besser ab als die anderen. Er schaffte es, die Gesamtdistanz, die die Flotte fliegen musste, um eine kleine, aber bedeutsame Marge zu reduzieren, aber seine bedeutendste Errungenschaft lag in der Balance der Arbeitslast. In den besten Ergebnissen wurde der Unterschied in der geflogenen Distanz zwischen der am stärksten beanspruchten Drohne und der am wenigsten beanspruchten Drohne im Vergleich zur nächstbesten Methode um fast die Hälfte gesenkt. Das bedeutet, dass in einem realen Szenario die Drohnen etwa gleichzeitig verschleißen würden und die Flotte länger operieren könnte, ohne dass erschöpfte Maschinen ausgetauscht werden müssen.
Ein entscheidender Teil dieses Erfolgs war, wie die Forscher die Realität der Obstplantage berücksichtigten. Viele Planungssysteme gehen davon aus, dass eine Drohne in einer geraden Linie von einem Baum zum nächsten fliegen kann. Die Forscher zeigten, dass diese Annahme gefährlich ist. Indem sie eine bewährte Pfadfindungstechnik nutzten, um die tatsächlichen Umwege abzubilden, die nötig sind, um Hindnissen auszuweichen, stellten sie sicher, dass der vom Algorithmus erstellte Zeitplan physisch fliegbar ist. Sie fügten auch eine dritte Dimension zur Planung hinzu, um sicherzustellen, dass die Drohnen einen sicheren Abstand zum Boden und zum Baumkronendach einhalten und dass sie nicht zu steil aufsteigen oder absteigen, was für die Fluggeräte gefährlich sein könnte. Jeder von ihrem System generierte Flugpfad wurde daraufhin überprüft, ob er innerhalb der Akku-Limits und Sicherheitsregeln der Drohne blieb.
Die Studie bestätigt, dass dieser neue Ansatz gut für statische Umgebungen funktioniert, in denen sich die Bäume und Hindernisse nicht bewegen. Die Forscher fanden heraus, dass ihre Methode besonders gut darin war, zu verhindern, dass eine Drohne überarbeitet wird, während andere ruhen – ein häufiges Problem, das den gesamten Betrieb verlangsamen kann. Obwohl das System noch keine beweglichen Hindernisse oder wechselndes Wetter handhabt und davon ausgeht, dass alle Drohnen identisch sind, bietet es eine solide Grundlage für die Zukunft der automatisierten Landwirtschaft. Indem sie die Obstplantage als komplexen, dreidimensionalen Raum statt als flache Karte behandelten und einen smarten, von der Natur inspirierten Algorithmus zur Verwaltung der Flotte nutzten, haben die Forscher einen praktischen Weg aufgezeigt, um diese Roboterarbeiter sicher, effizient und ausgewogen zu halten. Das Ergebnis ist eine Zeitplanungsmethode, die ein chaotisches Gemisch aus Flügen in einen koordinierten, zuverlässigen Betrieb verwandelt und sicherstellt, dass die Plantage geschützt wird, ohne die Maschinen, die die Arbeit verrichten, zu überlasten.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.