Search and Rescue (SAR) missions are time-critical, and the speed of locating a missing person can be decisive. Multi-UAV fleets improve coverage and fault tolerance over single-agent systems, but their coordination requires balancing exploration optimality, communication, and onboard computational resources. This thesis proposes a hybrid multi-UAV search architecture that adapts its navigation strategy to the available target information. Under total uncertainty, the fleet performs a Complete Coverage Path Planning strategy (DARP + TSP). Upon detecting an informative trace, a discrete Bayesian belief map becomes non-uniform, triggering a transition to a predictive framework based on Partially Observable Monte Carlo Planning (POMCP). Three POMCP architectures are implemented and compared: Centralized, Decentralized, and a Shrinking Decentralized variant. The decentralized models integrate a novel intention-sharing and belief-shaping mechanism for implicit coordination. The system is orchestrated by a synchronous Finite State Machine and validated via ROS/Gazebo and a Python simulator, benchmarked against Greedy and Auction baselines. Simulations across rural and urban, single and multi-peak scenarios show that decentralized POMCP solvers consistently outperform both the theoretically optimal centralized architecture and the baseline heuristics.

Le missioni di ricerca e soccorso (SAR) sono caratterizzate da tempistiche critiche e la rapidità con cui si individua una persona dispersa può essere determinante. Le flotte composte da più UAV migliorano la copertura e la tolleranza ai guasti rispetto ai sistemi a agente singolo, ma il loro coordinamento richiede un equilibrio tra l’ottimalità dell’esplorazione, la comunicazione e le risorse computazionali di bordo. La presente tesi propone un’architettura ibrida di ricerca Multi-UAV che adatta la propria strategia di navigazione alle informazioni disponibili sul bersaglio. In condizioni di incertezza totale, la flotta attua una strategia di pianificazione del percorso a copertura completa (DARP + TSP). Al rilevamento di una traccia informativa, la mappa di credenze bayesiana discreta diventa non uniforme, innescando una transizione verso un quadro predittivo basato sulla pianificazione Monte Carlo parzialmente osservabile (POMCP). Vengono implementate e confrontate tre architetture POMCP: centralizzata, decentralizzata e una variante decentralizzata con riduzione progressiva. I modelli decentralizzati integrano un innovativo meccanismo di condivisione delle intenzioni e di modellazione delle credenze per il coordinamento implicito. Il sistema è orchestrato da una macchina a stati finiti sincrona e convalidato tramite ROS/Gazebo e un simulatore Python, con riferimento ai modelli di riferimento Greedy e Auction. Le simulazioni in scenari rurali e urbani, a picco singolo e multiplo, dimostrano che i risolutori POMCP decentralizzati superano costantemente sia l’architettura centralizzata teoricamente ottimale sia le euristiche di riferimento.

Decentralized hybrid approach for multi-UAV search and rescue

Lafranconi, Thomas;ROTA, MICHELE
2025/2026

Abstract

Search and Rescue (SAR) missions are time-critical, and the speed of locating a missing person can be decisive. Multi-UAV fleets improve coverage and fault tolerance over single-agent systems, but their coordination requires balancing exploration optimality, communication, and onboard computational resources. This thesis proposes a hybrid multi-UAV search architecture that adapts its navigation strategy to the available target information. Under total uncertainty, the fleet performs a Complete Coverage Path Planning strategy (DARP + TSP). Upon detecting an informative trace, a discrete Bayesian belief map becomes non-uniform, triggering a transition to a predictive framework based on Partially Observable Monte Carlo Planning (POMCP). Three POMCP architectures are implemented and compared: Centralized, Decentralized, and a Shrinking Decentralized variant. The decentralized models integrate a novel intention-sharing and belief-shaping mechanism for implicit coordination. The system is orchestrated by a synchronous Finite State Machine and validated via ROS/Gazebo and a Python simulator, benchmarked against Greedy and Auction baselines. Simulations across rural and urban, single and multi-peak scenarios show that decentralized POMCP solvers consistently outperform both the theoretically optimal centralized architecture and the baseline heuristics.
ING - Scuola di Ingegneria Industriale e dell'Informazione
22-lug-2026
2025/2026
Le missioni di ricerca e soccorso (SAR) sono caratterizzate da tempistiche critiche e la rapidità con cui si individua una persona dispersa può essere determinante. Le flotte composte da più UAV migliorano la copertura e la tolleranza ai guasti rispetto ai sistemi a agente singolo, ma il loro coordinamento richiede un equilibrio tra l’ottimalità dell’esplorazione, la comunicazione e le risorse computazionali di bordo. La presente tesi propone un’architettura ibrida di ricerca Multi-UAV che adatta la propria strategia di navigazione alle informazioni disponibili sul bersaglio. In condizioni di incertezza totale, la flotta attua una strategia di pianificazione del percorso a copertura completa (DARP + TSP). Al rilevamento di una traccia informativa, la mappa di credenze bayesiana discreta diventa non uniforme, innescando una transizione verso un quadro predittivo basato sulla pianificazione Monte Carlo parzialmente osservabile (POMCP). Vengono implementate e confrontate tre architetture POMCP: centralizzata, decentralizzata e una variante decentralizzata con riduzione progressiva. I modelli decentralizzati integrano un innovativo meccanismo di condivisione delle intenzioni e di modellazione delle credenze per il coordinamento implicito. Il sistema è orchestrato da una macchina a stati finiti sincrona e convalidato tramite ROS/Gazebo e un simulatore Python, con riferimento ai modelli di riferimento Greedy e Auction. Le simulazioni in scenari rurali e urbani, a picco singolo e multiplo, dimostrano che i risolutori POMCP decentralizzati superano costantemente sia l’architettura centralizzata teoricamente ottimale sia le euristiche di riferimento.
File allegati
File Dimensione Formato  
2026_07_Lafranconi_Rota_Tesi.pdf

accessibile in internet per tutti

Descrizione: Testo della Tesi
Dimensione 13.22 MB
Formato Adobe PDF
13.22 MB Adobe PDF Visualizza/Apri
2026_07_Lafranconi_Rota_Executive Summary.pdf

accessibile in internet per tutti

Descrizione: Testo dell'Executive Summary
Dimensione 1.93 MB
Formato Adobe PDF
1.93 MB Adobe PDF Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/261315