Artificial intelligence (AI) integration in Unmanned Aerial Vehicle (UAV) operations has significantly advanced the field through increased autonomy. However, evaluating the critical aspects of these operations remains a challenge. In order to address this, the current study proposes the use of a combination of the 'Observe-Orient-Decide-Act (OODA)' loop and the 'Analytic Hierarchy Process (AHP)' method for evaluating AI-UAV systems. The integration of the OODA loop into AHP aims to assess and weigh the critical components of AI-UAV operations, including (i) perception, (ii) decision-making, and (iii) adaptation. The research compares the results of the AHP evaluation between different groups of UAV operators. The findings of this research identify areas for improvement in AI-UAV systems and guide the development of new technologies. In conclusion, this combined approach offers a comprehensive evaluation method for the current and future state of AI-UAV operations, focusing on operator group comparison.
Twirre is a new architecture for mini-UAV platforms designed for autonomous flight in both GPS-enabled and GPS-deprived applications. The architecture consists of low-cost hardware and software components. High-level control software enables autonomous operation. Exchanging or upgrading hardware components is straightforward and the architecture is an excellent starting point for building low-cost autonomous mini-UAVs for a variety of applications. Experiments with an implementation of the architecture are in development, and preliminary results demonstrate accurate indoor navigation
MULTIFILE
Twirre V2 is the evolution of an architecture for mini-UAV platforms which allows automated operation in both GPS-enabled and GPSdeprived applications. This second version separates mission logic, sensor data processing and high-level control, which results in reusable software components for multiple applications. The concept of Local Positioning System (LPS) is introduced, which, using sensor fusion, would aid or automate the flying process like GPS currently does. For this, new sensors are added to the architecture and a generic sensor interface together with missions for landing and following a line have been implemented. V2 introduces a software modular design and new hardware has been coupled, showing its extensibility and adaptability
In de land- en tuinbouwsector worden UAV’s gebruikt om op basis van sensorwaarnemingen telers adviezen te geven om de teelt te optimaliseren. De buitenteelt is verder in de ontwikkeling en het gebruik van UAV’s dan de binnenteelt. In de buitenteelt kunnen drones autonoom vliegen via een vooraf ingestelde route m.b.v. GPS-waypoint. Het is niet mogelijk om deze GPS-techniek toe te passen in de bedekte teelten i.v.m. onvoldoende GPS-signaal in de kassen. Daarnaast wordt er in de kas hinder ondervonden van verschillende obstakels, zoals gewasdraden, gewaswagens en personeel. Kortom er zijn grote verschillen tussen binnen- en buitenteelt op dit gebied. De uitdaging is om een UAV autonoom te laten navigeren in de binnenteelt. Het idee achter dit project is om een vooronderzoek uit te voeren naar de mogelijkheden om drones autonoom te laten navigeren in de glastuinbouw. Indien dit mogelijk is kunnen hyperspectrale camera’s die momenteel worden gebruikt in de open teelten ook toegepast worden in de binnenteelt. De Twirre architectuur biedt een goed uitgangspunt om het autonoom vliegen met drones in een kas te ontwikkelen. De projectpartners hebben met dit KIEM project de volgende doelstellingen: • Inventariseren welke sensoren gebruikt kunnen worden om in een kas de positie van een drone te bepalen, • Inventariseren welke sensoren gebruikt kunnen worden om in een kas obstakels te kunnen detecteren die ontweken moeten worden • keuzes maken voor positie- en antibots-sensoren, deze integreren in de Twirre architectuur, • een drone met de uitgebreide Twirre architectuur testen in een kas, de positie nauwkeurigheid te meten en de botspreventie te testen, • de beelden van de camera worden op basis van positie informatie en standhoekinformatie van de camera aan elkaar gestitcht tot een grote foto die de hele kas beslaat, • daarmee de basis leggen voor een vervolgproject gericht op het ontwikkelen van een beslissingsondersteunend platform dat op basis van sensorwaarnemingen de teler adviezen geeft om zijn teelt te optimaliseren.
Despite their various appealing features, drones also have some undesirable side-effects. One of them is the psychoacoustic effect that originates from their buzzing noise that causes significant noise pollutions. This has an effect on nature (animals run away) and on humans (noise nuisance and thus stress and health problems). In addition, these buzzing noises contribute to alerting criminals when low-flying drones are deployed for safety and security applications. Therefore, there is an urgent demand from SMEs for practical knowledge and technologies that make existing drones silent, which is the main focus of this project. This project contributes directly to the KET Digital Innovations\Robotics and multiple themes of the top sectors: Agriculture, Water and Food, Health & Care and Safety. The main objective of this project is: Investigate the desirability and possibilities of extremely silent drone technologies for agriculture, public space and safety This is an innovative project and there exist no such drone technology that attempts to reduce the noises coming from drones. The knowledge within this project will be converted into the first proof-of-concepts that makes the technology the first Minimum Viable Product suitable for market evaluations. The partners of this project include WhisperUAV, which has designed the first concept of a silent drone. As a fiber-reinforced 3D composite component printer, Fiberneering plays a crucial role in the (further) development of silent drone technologies into testable prototypes. Sorama is involved as an expert company in the context of mapping the sound fields in and around drones. The University of Twente is involved as a consultant and co-developer, and Research group of mechatronics at Saxion is involved as concept developer, system and user requirement verifier and validator. As an unmanned systems innovation cluster, Space53 will be involved as innovation and networking consultant.
Inleiding en praktijkvraag De recente ontwikkelingen op het SMART Industry gebied van luchtrobotisering, en dan met name de stabiel te besturen drones of multicopters, zorgen voor een ware vlucht. Witteveen + Bos, ondersteund door gemeente Enschede, stelden de (praktijk-)vraag “wat zijn de mogelijkheden van drones voor mijn organisatie en werkproces ?”. Projectdoelstelling Dit leidt tot de projectdoelstelling: “Onderzoek, ontwikkel en evalueer de mogelijkheden van een modulaire sensor drone voor de toepassingen van fijnstof/NOx (sensor) en geuranalyses (luchtsamples)”. Door de ontwikkeling van twee Flexible Air Sample Taker (FAST) sensoren aan een luchtrobot beogen de projectpartners hierop antwoord te geven. Bijdrage aan topsector SMART Industry De praktijkvraag is kenmerkend voor deze SMART Industry (lucht-)robotisering, waarbij verwacht wordt dat de inspectiekosten zullen dalen en de veiligheid toeneemt. Ontwikkeling van techniek en werkwijze verandering gaan hierbij hand in hand. Vraagsturing & Netwerkvorming Het lectoraat Mechatronica werkt samen met gemeente Enschede in het netwerk- en dronetest centrum op Space53 (www.space53.nl) en ontwikkelt de twee FAST sensoren. Robor Electronics ondersteund met een UAV van www.droneXpert en GravuTech ondersteund middels lichtgewicht constructies (www.gravutech.nl). Witteveen + Bos en gemeente Enschede fungeren als initiële klanten en mede-ontwikkelaars. De projectpartners zijn tevens aangesloten bij LEO robotics1, het RAAK-SIA Smart Industry platform2 en RoboNed3. Bijdrage aan innovatie Via project wordt beoogd te komen tot een veiligere en goedkopere werkwijze in het wetgevende- en adviserende domein alsmede mimimaal twee innovatietrajecten voor nieuwe producten binnen het MKB. Activiteitenplan & Projectorganisatie Het project wordt met name uitgevoerd door Dr. A. Mersha onder leiding van lector Dr.ir. D.A.Bekke middels de projectfaseringen: systeem ontwerp, ontwikkeling FAST sensoren, UAV integratie, testen/evaluaties en demonstratie. Het eindigt met de UAV-FAST demonstrator alsmede een projectvoorstel voor RAAK MKB of Publiek in 2017.
