Résumé Technique : Planification Informative Multi-UAV Conditionnée par UGV sur une Croyance d'Exposition Partagée

Énoncé du Problème

Dans des environnements à grande échelle augmentés par des menaces, la navigation terrestre sécurisée pour les Véhicules Terrestres Sans Conducteur (UGV) nécessite un soutien aérien actif pour atténuer les risques. Les systèmes de reconnaissance aérienne existants se concentrent généralement sur la cartographie générique, la couverture de terrain ou l'estimation de la traversabilité. Cependant, ces approches échouent souvent à diriger la détection vers les régions les plus critiques pour la sécurité des véhicules terrestres. Plus précisément, les systèmes actuels manquent de mécanisme en boucle fermée où la planification informative coopérative multi-UAV est étroitement couplée à un routage d'UGV sensible à l'exposition. Il n'existe pas de croyance environnementale partagée qui puisse simultanément piloter les priorités de détection des UAV et adapter la sélection de trajectoire de l'UGV à mesure que de nouvelles informations arrivent en ligne, ce qui entraîne une détection redondante et des résultats de sécurité sous-optimaux.

Méthodologie

Les auteurs proposent un cadre où une équipe de $N$ UAV se coordonne pour soutenir un seul UGV naviguant à travers des zones de menaces inconnues. Le cœur de l'approche est une croyance d'exposition partagée qui est mise à jour en ligne à partir des observations aériennes et utilisée à la fois par le planificateur de l'UGV et par l'équipe d'UAV.

1. Croyance d'Exposition Partagée

Le système maintient une carte probabiliste du champ d'exposition de l'environnement, discrétisée en une grille.

• Modélisation : Le taux d'exposition latent $\lambda(x)$ à chaque cellule est modélisé comme une variable aléatoire log-normale. Les estimations initiales sont dérivées de priors de classes de terrain (ex: routes, forêts), tandis que l'incertitude épistémique est capturée par la variance.
• Mécanisme de Mise à Jour : À mesure que les UAV observent les cellules, la croyance est mise à jour en utilisant une métrique d'entropie de Shannon de Bernoulli. La couverture cumulative des capteurs réduit l'écart-type logarithmique effectif (incertitude) et met à jour la moyenne. Les zones de menaces détectées amplifient localement la croyance via un facteur multiplicatif.
• Substitut Averse au Risque : Les deux planificateurs interrogent un substitut scalaire averse au risque $\lambda_{risk}$, qui combine la valeur d'exposition attendue avec une pénalité pour l'incertitude élevée. Cela garantit que les cellules non observées sont traitées comme potentiellement dangereuses, encourageant ainsi la reconnaissance.

2. Replanification de l'UGV Sensible à l'Exposition

Le planificateur de l'UGV recherche une trajectoire $\pi$ du départ vers l'arrivée qui minimise une fonction de coût comprenant le temps de traversée et l'exposition cumulative :
$$\pi^* = \arg\min_{\pi} [T(\pi) + \beta E(\pi, t)]$$
où $E(\pi, t)$ est l'exposition cumulative calculée à l'aide du substitut averse au risque. L'UGV replanifie de manière asynchrone chaque fois qu'un UAV détecte une nouvelle zone de menace, s'engageant sur un préfixe de trajectoire de longueur fixe pour assurer une exécution sûre pendant que le chemin global est recalculé.

3. Planification Informative Conditionnée par l'UGV (Objectif UAV)

Contra o aux IPP (Informative Path Planning) standards qui maximisent le gain d'information générique, les UAV optimisent une récompense conditionnée par la mission. La fonction de récompense $R(x, t)$ pour une cellule $x$ est construite pour prioriser les observations qui impactent la route actuelle de l'UGV :

• Proximité du Corridor : Un mécanisme de porte (gating) supprime les récompenses pour les cellules éloignées de la route actuelle de l'UGV, garantissant que l'effort de détection se concentre sur les régions pertinentes pour la mission.
• Modulation de l'Exposition : À l'intérieur du corridor, la récompense est mise à l'échelle par un gain dépendant de l'exposition. Les régions à haute exposition ou à haute incertitude proches de la route reçoivent une priorité plus élevée.
• Entropie : L'incertitude (entropie) module l'urgence de l'observation à l'intérieur de la région de la porte.
  Cette approche dirige les UAV vers des régions "pertinentes pour la route, incertaines et à haute exposition" plutôt que vers une exploration générique.

4. Coordination Multi-UAV Conditionnée par Région

Pour éviter que plusieurs UAV ne convergent vers les mêmes régions de corridor à haute récompense (détection redondante), le cadre emploie une propriété spatiale :

• Assignation par Voronoï : L'environnement est partitionné en régions disjointes assignées à chaque UAV en fonction du coût de trajet vers le centroïde de la région.
• Masquage de Récompense : La récompense effective de chaque UAV est masquée par sa région assignée.
  • Coordination Forte (Hard) : Les UAV perçoivent une récompense nulle en dehors de leur région assignée.
  • Coordination Douce (Soft) : Les UAV conservent une fraction de la récompense des régions étrangères, permettant une réactivité aux menaces à haute valeur émergeant près des limites de région.
    Cette couche de coordination réduit la redondance tout en maintenant la scalabilité et la réactivité aux changements dynamiques de la route de l'UGV.

Contributions Clés

L'article formule trois principales affirmations et contributions :

1. Croyance d'Exposition Partagée : Le couplage des actions de détection des UAV à une croyance partagée et sensible à l'exposition améliore significativement la sécurité de l'UGV en aval par rapport à une planification basée uniquement sur les informations de terrain préalables.
2. Détection Conditionnée par la Route : Le conditionnement de l'objectif de l'UAV sur la route actuelle de l'UGV concentre l'effort de détection sur les régions pertinentes pour la mission, plutôt que sur l'exploration générique ou la réduction uniforme de l'incertitude.
3. Coordination Conditionnée par Région : Dans les configurations multi-UAV, l'assignation d'une propriété spatiale réduit la détection redondante tout en préservant la réactivité aux nouvelles zones pertinentes, répondant ainsi aux défis de scalabilité de la planification informative coopérative.

Résultats Expérimentaux

L'approche a été validée par 100 essais de simulation Monte Carlo dans un environnement de 5 km $\times$ 5 km dérivé de données OpenStreetMap, présentant des zones de menaces inconnues.

• Amélioration de la Sécurité : Comparé à un système utilisant une replanification sémantique de terrain sans modélisation de l'exposition, l'approche proposée sensible à l'exposition a réduit l'exposition cumulative de l'UGV de 38 %. Elle a également réduit le coût de l'objectif de mission de 31 % par rapport à la référence sémantique de terrain.
• Architecture de Récompense : Les études d'ablation ont montré que l'architecture de récompense à porte proposée surpassait les bases additives, multiplicatives et d'entropie pondérée. Elle a obtenu le coût de mission le plus bas tout en maintenant une couverture de corridor et des taux de détection de menaces prioritaires élevés.
• Efficacité de la Coordination : La coordination multi-UAV a considérablement réduit la couverture redondante.
  • Sans coordination, la redondance était de 38,8 %.
  • Avec une coordination régionale douce (soft), celle-ci est tombée à 5,0 %.
  • Avec une coordination régionale forte (hard), elle est tombée à 3,7 %.
  • L'efficacité de l'information utile est passée de 66,2 % (sans coordination) à plus de 92 % (coordination douce/forte).
• Scalabilité : À mesure que le nombre d'UAV augmentait (jusqu'à 6), le masquage conditionné par région a empêché la croissance rapide de la détection redondante observée dans les équipes non coordonnées, bien qu'un masquage fort strict ait montré des rendements décroissants en termes de temps de détection des menaces pour les grandes équipes dû à la fragmentation des régions.

Signification et Affirmations

L'article affirme que sa principale signification réside dans la fermeture de la boucle entre la planification informative coopérative multi-UAV et le routage de l'UGV sensible à l'exposition. En maintenant une croyance partagée qui pilote à la fois la sélection de chemin de l'engin terrestre et les priorités de détection de l'équipe aérienne, le système permet une navigation plus sûre dans des environnements à grande échelle et partiellement observés.

Les auteurs soulignent que leur approche va au-delà de l'exploration ou de la cartographie générique ; la valeur de la détection aérienne est explicitement définie par son impact attendu sur la sécurité de l'UGV en aval. Bien que l'évaluation actuelle suppose une détection idéalisée et une communication instantanée, les résultats démontrent que les mécanismes de planification et de coordination sont efficaces pour réduire l'exposition et éliminer la redondance. Ce travail établit une base pour une validation matérielle future et des modèles de détection plus réalistes.