A Novel Local Path Planner for a Marine Debris Cleaning ASV

Abstract

Plastforurensning i havet er en økende miljøkrise, og det er derfor behov for innovative løsninger for å redusere konsekvensene. En slik løsning er Clean Sea Solutions Aquadrone, en autonom farkost for opprydding av marint avfall som er designet for å operere i havner, elver og kanaler. Aquadronens effektivitet avhenger imidlertid av dens evne til å planlegge nøyaktige ruter som muliggjør effektiv innsamling av marint avfall og navigering i uoversiktlige omgivelser. Denne avhandlingen introduserer en ny lokal ruteplanlegger inspirert av en tilpasning av D* Lite. Ved hjelp av en modifisert kantkostnadsfunksjon og en heuristisk funksjon gjør systemet det mulig å samle inn søppel på en effektiv måte og samtidig unngå hindringer. Simuleringer viser at metoden er svært effektiv. Den samler inn over 98% av avfallet i en korridor på 5 m under forhold med lite avfall, noe som tilsvarer en forbedring på 121% sammenlignet med den tidligere statiske planleggingsmetoden. Det er verdt å merke seg at den foreslåtte metoden også utkonkurrerer den mye brukte grådighetsmetoden som brukes av flere andre moderne autonome plastryddende farkoster, og viser at den er robust og mer effektiv selv under utfordrende forhold med høy plasttetthet og bredere korridorer. Der de grådige metodene sliter og blir gradvis mindre effektive og ugjennomførbare, opprettholder det foreslåtte systemet sin effektivitet og tilpasningsevne, samtidig som det navigerer effektivt rundt statiske hindringer.

Ocean plastic pollution is a growing environmental crisis, encouraging the need for innovative solutions to mitigate its impact. Such a solution is the Clean Sea Solutions Aquadrone, an autonomous marine debris-cleaning vehicle, designed to operate in harbors, rivers, and city waterfronts. However, the operational effectiveness of the Aquadrone hinges on its capacity to accurately plan paths that allow for effective collection of detected marine debris and navigation in cluttered environments. This thesis introduces a novel local path planner inspired by an adaptation of D* Lite. By employing a modified edge cost function and heuristic function, the system enables efficient debris collection while avoiding obstacles. The simulations conducted demonstrate the significant efficiency of this method. It successfully collects over 98% of debris in a 5m corridor under sparse debris conditions, reflecting a 121% improvement compared to the previous static planning approach. Notably, this proposed method also outperforms the common greedy approach utilized by several similar cleaning ASVs, demonstrating robustness and higher efficiency even in challenging conditions of high debris density and larger corridors. Here, where the greedy methods struggle and become gradually less efficient and infeasible, our proposed system maintains its efficiency and adaptability, all while effectively navigating around static obstacles.