Utvikling av kartgrunnlag for UGV Automatiserte fremkommelighetsanalyser for det autonome kjøretøyet IDV-R Viking 2.2

Abstract

Robotikk og autonome systemer, som ubemannede bakkekjøretøy (UGV), er et av de viktigste forsøksområdene for utvikling av militærteknologi. UGV kan tenkes å løse flere militære oppgaver bedre, raskere og mer sikkert enn det er mulig i dag. I 2023 skaffet Forsvaret to ulike typer autonome UGV-er for å teste disse i militær sammenheng, en av disse var IDV-R Viking 2.2. Her åpenbarte det seg et behov for fremkommelighetsanalyser som kunne bidra til full utnyttelse av UGV-ens kapasiteter. En automatisert fremkommelighetsanalyse vil kunne gi raske resultater med nøyaktighet og presisjon, uten å være avhengig av kompetansen og erfaringen til bruker av analysen.

Sett i lys av dette er oppgavens problemstilling:

Kan det lages en modell som gjennom geografiske analyser utvikler et kartgrunnlag for IDV-R Viking 2.2, slik at det kan planlegges ruter som er kjørbare autonomt eller fjernstyrt utenfor etablerte veiakser?

For å svare på problemstillingen ble det utviklet en Python-basert modell som analyserer geografisk data og produserer et kartgrunnlag, i form av et kostraster. Dette kan videre brukes i en ruteplanlegger. Det ble også gjennomført feltforsøk der UGV-ens fremkommelighetsegenskaper i ulikt terreng ble testet og modellen ble så justert i henhold til resultatene for disse. Deretter testet vi ruter laget på bakgrunn av den justerte modellen og det ble vurdert hvor korrekt kostrasteret er i forhold til den reelle fremkommeligheten til UGV-en.

Vår konklusjon er at det endelige kostrasteret bidrar til å produsere ruter UGV-en kan kjøre autonomt. Likevel er en konsekvens av begrensninger i UGV-ens autonomi, at det kreves et mer detaljert kartgrunnlag for å kunne oppnå optimal utnyttelse av fordelene ved automatiserte geografiske analyser. Slik UGV-ens autonomi fungerer i dag er det behov for å presist kunne plassere enkelttrær, og beregne avstand mellom disse. Dette er ikke mulig ved hjelp av datasettene som er brukt i denne oppgaven. Den lave oppløsningen på grunnleggende deler av inndataen, spesielt skogsområder, hindrer full utnyttelse av de militære fordelene en rute som er planlagt i terreng kan gi. Med høyere oppløsning på inndata vil det i framtiden kunne produseres ruter som i enda større grad tilpasses terrengets detaljer og hindringer, noe som vil kunne forbedre UGV-ens potensielle bidrag til militære operasjoner.

Robotics and autonomous systems, such as unmanned ground vehicles (UGVs), are among the most significant areas of experimentation for the development of military technology. UGVs have the potential to perform several military tasks better, faster, and more safely than is currently possible. In 2023, the Norwegian Armed Forces acquired two different types of autonomous UGVs to test them in military contexts, one of which was the IDV-R Viking 2.2. This revealed a need for mobility analyses that could help fully utilize the capabilities of the UGV. An automated mobility analysis could provide rapid results with accuracy and precision, without relying on the user's expertise or experience in conducting the analysis. In light of this, the thesis addresses the following research question: Can a model be created that, using geographic analyses, develops a map, which can further be used to create routes for IDV-R Viking 2.2, that are driveable autonomously or remotely outside of established roads? To answer the research question, a Python-based model was developed to generate a map in the form of a cost raster, which can subsequently be used in a route planner. Field trials were also conducted to test the UGV’s mobility in different terrains, and the model was adjusted based on the results of these tests. Routes generated using the adjusted model were then tested, and the accuracy of the cost raster was evaluated in relation to the UGV's actual mobility. Our conclusion is that the final cost raster contributes to producing routes that the UGV can navigate autonomously. However, due to limitations in the UGV’s autonomy, more detailed input data is required to fully exploit the advantages of automated geographic analyses. With the current level of autonomy, the UGV requires precise placement of individual trees and the calculation of distances between them. This is not feasible with the datasets used in this thesis. The low resolution of essential input data, particularly for forested areas, prevents the full realization of the military benefits that a terrain-based route planning can provide. With higher resolution input data, it would be possible to produce routes that are even better tailored to the terrain’s details and obstacles, thereby potentially enhancing the UGV’s contribution to military operations.