Система аэрокосмического мониторинга с оптимизацией съемки сложнораспределенных участков воздушными средствами с использованием роевого интеллекта

В работе исследуется концепция применения двухуровневой системы аэрокосмического мониторинга Земли, основанной на использовании, как космических аппаратов дистанционного зондирования, так и воздушных съемочных средств. Высокопроизводительная съемка из космоса обеспечивает покрытие снимками обширных территорий, но с ограниченной детальностью, ограничивающей полноту решения некоторых задач. В отдельных случаях требуется дополнительное изучение компактных сложнораспределенных участков земной поверхности, для информационного обеспечения которого целесообразно использовать воздушные средства аэросъемки. В силу этого, в исследовании прорабатывается комплексный подход к повышению эффективности дополнительно проводимой съёмки сложнораспределённых площадных участков с использованием воздушных средств. Новизна разработки состоит в объединении аналитического моделирования для оптимизации съемки отдельным воздушным средством и современных методов искусственного интеллекта для интеллектуального управления группой таких средств.
Разработана и систематизирована иерархия математических моделей, предназначенных для расчёта оптимальных параметров полёта отдельного воздушного средства. Модели варьируются по степени сложности, от базовых до наиболее полных, и в основном учитывают существенные факторы, влияющие на производительность аэросъемки. Среди них требования к перекрытию снимков, маршрутов и величине буферных зон по краям исследуемого участка, затрачиваемое на маневрирование и развороты время, а также воздействие внешних условий, в частности ветра. Проведённый на основе этих моделей вычислительный эксперимент доказывает, что их применение позволяет не только получить реалистичную оценку производительности, но и определить оптимальные параметры съёмки, такие как конфигурация маршрута, для максимизации площади, покрываемой за один полёт воздушного средства. Разработанный аналитический аппарат формирует основу для эффективного планирования полета отдельного воздушного средства.
Кроме того, решена проблема масштабирования, поскольку для покрытия площадных сложнораспределенных участков возможностей одного воздушного средства может быть недостаточно. Для преодоления этого ограничения должна использоваться система управления, позволяющая координировать действия группы воздушных средств. В качестве ядра такой системы рассматриваются методы мультиагентного обучения с подкреплением, в частности алгоритм QMIX, который позволяет реализовать концепцию роевого интеллекта для управления съемочной аппаратурой и полетами группы в целом. Система обучается максимизировать общую производительность группы, формируя сложные кооперативные стратегии поведения. Элементы роя учатся динамически распределять между собой задачи, эффективно покрывать территорию без излишнего дублирования, координировать съёмку с разных ракурсов и совместно реагировать на изменение участков.
Для подтверждения преимуществ предложенного подхода была проведена его экспериментальная проверка в детальной симуляции. Сравнение системы на базе алгоритма QMIX с более простыми стратегиями, такими как независимое обучение агентов (IQL) и детерминированный "жадный" алгоритм, продемонстрировало её превосходство по ключевым показателям. Группа средств под управлением QMIX значительно быстрее выполняет план съемки, суммарное расстояние полетов существенно меньше, что говорит о высокой оптимальности формируемых маршрутов. Также обеспечивается минимальное среднее время простоя съемочных средств. Таким образом, разработанный комплексный подход, сочетающий строгое аналитическое моделирование работы отдельных средств и адаптивность роевого интеллекта для управления группой, представляет собой перспективный инструмент для решения прикладных задач в области аэрокосмического мониторинга.