Dynamic meshing of large area coverage using adaptive multi-agent systems
Maillage dynamique pour l'acquisition de grandes couvertures par systèmes multi-agents adaptatifs
Résumé
In the Earth observation field a variety of devices are used to take pictures or acquire ground images. Low Earth orbit satellites are designed to acquire high resolution images from space. They are used for urgent missions but also long term ones called large area coverage. In this context a large area is acquired gradually for each pass of satellite that acquire small surface areas called meshes. At the end of the mission the images acquired from the meshes are regrouped to form the large coverage. Due to the size of the area to acquire large area coverage missions require the use of sev- eral satellites. The area needs to be acquired by these satellites so as to minimize the time to mission completion and optimize the use of satellite resources. The resulting optimiza- tion problem is complex. Many parameters render the solve in reasonable time difficult, such as the size of the area, the heterogeneity of the satellite characteristics and the weather forecasts. The use of an approximate optimization method is necessary. The high number of problem entities and the need for adaptability justify the use of a decentralized reasoning algorithm. In this thesis we address the solve of the large area cov- erage problem by adaptive multi-agent systems (AMAS). We first propose a new meshing technique, dynamic meshing, that allows for a precise positioning of meshes on the area, and a formalization of the large area coverage problem. To solve this problem we present the Glimpse AMAS developed using the AMAS4Opt agent model. Glimpse and dynamic meshing are then validated on different simulated scenarios. A comparison with a greedy algorithm illustrates the contributions of our method for opti- mizing the problem metrics. Glimpse reduces the use of satellite resources by avoiding superfluous acquisitions while minimizing the time required to acquire very large areas. The results open new research directions in the AMAS and large area coverage fields.
Le domaine de l'observation de la Terre regroupe différents types d'appareils pour la prise de vue ou acquisition d'images terrestres. Les satellites d'observation en orbite basse sont conçus pour prendre des photographies haute résolution depuis l'espace. Ils sont utilisés pour des missions d'observation urgentes mais aussi pour des missions long terme dites grandes couvertures. Dans ce cadre une grande zone est photographiée progressivement à chaque passage de satellite qui acquiert des zones au sol dites mailles. Au terme de la mission les images résultant des mailles sont regroupées pour former la grande couverture. En raison de la taille de la zone à acquérir les missions de grandes couvertures font appel à plusieurs satellites. La zone doit être acquise par ces satellites de façon à minimiser le temps de complétion de la mission et à maîtriser l'utilisation des ressources satellitaires. Le problème d'optimisation obtenu est complexe. De nombreux facteurs rendent la résolution en temps raisonnable difficile, comme la taille de la zone, l'hétérogénéité des caractéristiques des satellites et les prévisions météorologiques. L'utilisation d'un algorithme d'optimisation en méthode approchée est ainsi nécessaire. Le grand nombre d'entités du problème et le besoin d'adaptabilité justifient l'utilisation d'un algorithme par raisonnement décentralisé. Dans cette thèse nous adressons la résolution du problème des grandes couvertures par systèmes multi-agents adaptatifs (AMAS). Nous proposons d'abord une nouvelle méthode de maillage, le maillage dynamique, qui permet un positionnement précis des mailles sur la zone, et une formalisation du problème des grandes couvertures. Pour résoudre ce problème nous présentons le système Glimpse développé basé sur le modèle agent AMAS4Opt. Glimpse est ensuite validé sur divers scénarios simulés. Une comparaison avec un algorithme glouton illustre les apports de notre méthode pour l'optimisation des métriques du problème. Glimpse réduit l'utilisation de ressources satellitaires en évitant les acquisitions superflues tout en minimisant le temps de complétion requis pour traiter de très grandes couvertures. Les résultats obtenus ouvrent de nouvelles directions de recherche dans les domaines des AMAS et des grandes couvertures.
| Origine | Version validée par le jury (STAR) |
|---|