Les drones de secours doivent apprendre comment pensent les humains perdus

Les drones de secours doivent apprendre comment pensent les humains perdus
4.1 (81.71%) 35 votes


Des parents déchaînés appellent le 911 pour signaler qu'un enfant s'est éloigné d'un campement en forêt domaniale. Une tempête inattendue plonge des chasseurs dans une réserve sauvage. Le service des parcs nationaux des États-Unis a recensé près de 3 500 missions de recherche et de sauvetage en 2017 seulement. Et la rapidité étant essentielle en cas de disparition, les coordinateurs de recherche ont tendance à utiliser tous les outils à leur disposition: volontaires, chiens à odeur parfumée, chevaux et véhicules de toutes sortes affluent souvent dans la région. Les drones peuvent sembler être un moyen évident de gagner un temps précieux et d’économiser des ressources – mais le problème est que ces véhicules aériens sans pilote (UAV) doivent encore travailler beaucoup plus efficacement avec les humains pour faire une réelle différence. À l’approche de la saison estivale en plein air, les chercheurs de Virginia Tech (appuyés par une subvention de 1,5 million de dollars de la National Science Foundation) développent des algorithmes et des outils d’apprentissage automatique pour mieux utiliser ces yeux dans le ciel.

Premièrement, il faut déterminer où un drone devrait commencer à chercher. Nicole Abaid, professeure adjointe au département de génie biomédical et mécanique de Virginia Tech, a utilisé des algorithmes pour développer un modèle mathématique de ce que les humains font dans de telles situations. «Une personne atteinte de démence, lorsqu'elle sera perdue, se comportera de manière très différente de celle d'un enfant ou d'une personne abattue», explique Abaid.

Pour que les données alimentent les algorithmes, elle s'est tournée vers Robert J. Koester, chercheur en théorie de la recherche, qui affirme avoir utilisé les informations de plus de 140 000 rapports d'incidents de recherche et de sauvetage pour son livre de 2008. Comportement de la personne perdue, qu'il met à jour régulièrement. Avant de devenir consultant sur le nouveau projet, il avait déjà créé un ensemble d’outils de prévision pour aider les coordonnateurs à affiner leurs paramètres de recherche. «J'ai été capable de créer des modèles qui prédisent potentiellement ce que la personne disparue va faire», déclare Koester. Abaid a incorporé ses données historiques dans son propre modèle mathématique. «Le modèle génère une trajectoire, semblable à celle que la personne perdue emprunterait, explique Abaid.

Ce modèle pourrait aider à orienter une opération de recherche et de sauvetage, a déclaré le chef de l’équipe de recherche, Ryan Williams, professeur adjoint au département de génie électrique et informatique de Bradley au sein du College of Engineering de Virginia Tech. «Si nous avons une idée du point de départ de cette personne et de la dernière fois où elle a été vue, nous pourrons mieux prédire où elle est allée et déployer des drones et des personnes pour mieux couvrir ces zones», explique Williams. "Nous pouvons générer des cartes significatives que les chercheurs peuvent utiliser pour prendre de meilleures décisions au début de la recherche."

Les équipes de recherche et de sauvetage du shérif du comté de Weber attendent que les drones réalisent une première enquête sur le terrain lors d’un exercice d’entraînement sur le terrain à Ogden, dans l’UT. Les opérations de recherche utilisent souvent plusieurs ressources, notamment des drones, des ressources K9 et des chercheurs au sol. Crédit: Sheri Trbovich Recherche et sauvetage du shérif du comté de Weber

Dans l'air

Les opérateurs de drones peuvent se concentrer sur un domaine probable. En principe, le dépistage est beaucoup plus rapide qu'une équipe au sol. Mais ils peuvent en réalité collecter trop d’informations; en un seul vol, un drone peut capturer des images en utilisant la lumière visuelle, ainsi que des images thermiques et un lidar de télédétection. Tout analyser pourrait ralentir une équipe de secours au moment critique. "Nous ne voulons pas noyer les chercheurs avec des données", déclare Williams. "Ils veulent des réponses."

Ainsi, Williams et son équipe développent également des outils d'apprentissage automatique pour extraire rapidement des données brutes afin de trouver des informations utiles. "Par exemple, nous pouvons former un réseau de neurones (un ensemble d'algorithmes modélisés sur le cerveau humain) pour analyser les données thermiques et différencier un profil de chevreuil, d'ours ou d'humain, et suggérer des endroits que les chercheurs devraient examiner", explique Williams. Le système pourrait combiner ces informations, ainsi que tous les indices découverts par les chercheurs sur le terrain, avec le modèle de comportement humain d’Aaid. Cela pourrait déterminer où une personne disparue est le plus susceptible d'être trouvée – mais en cas d'échec, le véhicule aérien pourrait essayer un autre emplacement.

«Un système automatisé pourrait traiter d’abord les données hautement prioritaires, puis les traiter à nouveau pour des scénarios moins probables après l’échec du premier (scénario)», déclare John Sohl, membre de la National Rescue Association (Association de secours en montagne) et du service de recherche du shérif du shérif du comté. équipe de sauvetage à Ogden, Utah, qui ne participe pas à cette recherche.

Par terre

Bien sûr, un tel système automatisé compléterait les humains sur le terrain et ne les remplacerait pas. L’équipe de Virginia Tech développe également des sacs à dos pour les équipes de terrain afin de transporter des ordinateurs légers capables de traiter les données du drone, ainsi que du matériel de communication avec les UAV embarqués. «Alors que de vraies recherches sont effectuées sur de vastes zones», explique Williams, «le sac à dos permet l’analyse de données sur le terrain, au lieu de tout renvoyer à la base».

Le traitement des données n'est pas la seule limitation technologique empêchant les drones de remplacer complètement les sauveteurs au sol. Une autre exigence est la nécessité de contrôler la «ligne de mire»: les opérateurs doivent garder les drones en vue à tout moment pour les diriger, ce qui limite la taille de la zone de recherche. Et même les UAV les plus éconergétiques d’aujourd’hui ont généralement une autonomie de moins de 60 minutes. Echanger de nouvelles ressources fait perdre un temps précieux à une recherche potentiellement productive.

Pour comprendre l’incidence de tels problèmes sur l’utilisation des drones, l’équipe de Virginia Tech envisage d’essayer leur système lors de véritables opérations de recherche et de sauvetage. Mais comme leur travail (y compris le matériel pour le sac à dos, les modèles numériques, l'interface utilisateur et l'architecture informatique) est encore en développement, ils ne commenceront pas les tests sur le terrain avant l'année prochaine.

Si le système autonome fait ses preuves sur le terrain, il pourrait rendre les drones plus utiles pour les coordinateurs tels que Mark Eggeman, qui a dirigé 113 opérations de recherche et de sauvetage au Département de la gestion des urgences de Virginie en 2017 (il ne participe pas à la recherche de Virginia Tech). . «L'information influence la façon dont vous planifiez les recherches. Tout ce que nous pouvons faire pour accélérer l’accès à l’information peut faire toute la différence dans la manière dont nous déployons nos ressources et nos actifs », a-t-il déclaré.

Sohl est d'accord. «Les drones ont le potentiel de fournir une excellente ressource qui peut faciliter la recherche visuelle directe et améliorer les communications», dit-il. «Plus les équipes de secours disposent de ressources, mieux c'est.»

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *