MRsensing: environmental monitoring and context recognition with cooperative mobile robots in catastrophic incidents

Abstract

Multi-sensor information fusion theory concerns the environmental perception activities to combine data from multiple sensory resources. Humans, as any other animals, gather information from the environment around them using different biological sensors. Combining them allows structuring the decisions and actions when interacting with the environment. Under disaster conditions, effective mult-robot information sensor fusion can yield a better situation awareness to support the collective decision-making. Mobile robots can gather information from the environment by combining data from different sensors as a way to organize decisions and augment human perception. The is especially useful to retrieve contextual environmental information in catastrophic incidents where human perception may be limited (e.g., lack of visibility). To that end, this work proposes a specific configuration of sensors assembled in a mobile robot, which can be used as a proof of concept to measure important environmental variables in an urban search and rescue (USAR) mission, such as toxic gas density, temperature gradient and smoke particles density. This data is processed through a support vector machine classifier with the purpose of detecting relevant contexts in the course of the mission. The outcome provided by the experiments conducted with TraxBot and Pioneer-3DX robots under the Robot Operating System framework opens the door for new multi-robot applications on USAR scenarios. This work was developed within the CHOPIN research project1 which aims at exploiting the cooperation between human and robotic teams in catastrophic accidents.

O tema da fusão sensorial abrange a perceção ambiental para combinar dados de vários recursos naturais. Os seres humanos, como todos os outros animais, recolhem informações do seu redor, utilizando diferentes sensores biológicos. Combinando-se informação dos diferentes sensores é possível estruturar decisões e ações ao interagir com o meio ambiente. Sob condições de desastres, a fusão sensorial de informação eficaz proveniente de múltiplos robôs pode levar a um melhor reconhecimento da situação para a tomada de decisão coletiva. Os robôs móveis podem extrair informações do ambiente através da combinação de dados de diferentes sensores, como forma de organizar as decisões e aumentar a perceção humana. Isto é especialmente útil para obter informações de contexto ambientais em cenários de catástrofe, onde a perceção humana pode ser limitada (por exemplo, a falta de visibilidade). Para este fim, este trabalho propõe uma configuração específica de sensores aplicados num robô móvel, que pode ser usado como prova de conceito para medir variáveis ambientais importantes em missões de busca e salvamento urbano (USAR), tais como a densidade do gás tóxico, gradiente de temperatura e densidade de partículas de fumo. Esta informação é processada através de uma máquina de vetores de suporte com a finalidade de classificar contextos relevantes no decorrer da missão. O resultado fornecido pelas experiências realizadas com os robôs TraxBot e Pioneer 3DX usando a arquitetura Robot Operating System abre a porta para novas aplicações com múltiplos robôs em cenários USAR.