VAT4MAV – Visual Active Tracking for Micro Aerial Vehicles
Progetto “Visual Active Tracking for Micro Aerial Vehicles – VAT4MAV” finanziato nell’ambito del Bando a Cascata pubblicato dallo SPK6 – “Connected and Autonomous Vehicle (CAV)” – Università degli studi di Modena e Reggio Emilia – Programma “Sustainable Mobility Center (Centro Nazionale per la Mobilità Sostenibile – CNMS)” – Piano Nazionale di Ripresa e Resilienza (PNRR), Missione 4 “Istruzione e ricerca” – Componente 2 “Dalla ricerca all’impresa” – Investimento 1.4 “Potenziamento strutture di ricerca e creazione di “campioni nazionali di R&S” su alcune Key Enabling Technologies”, finanziato dall’Unione Europea – NextGenerationEU – CN00000023 – CUP E93C22001070001 (Avviso MUR Decreto Direttoriale n. 3138 del 16 dicembre 2021, modificato con Decreto Direttoriale n. 3175 del 18 dicembre 2021 – Decreto Direttoriale di concessione del finanziamento n.1033 del 17.06.2022)
Research unit:
Università degli Studi di Perugia – Principal Investigator: Gabriele Costante
Project Summary: Il progetto mira a sviluppare un Micro Aerial Vehicle (MAV) autonomo con capacità avanzate di Visual Active Tracking (VAT), per identificare e seguire in tempo reale oggetti, piattaforme robotiche o entità in movimento in ambienti indoor. Il VAT è cruciale per mobilità intelligente, trasporto, logistica e sicurezza, permettendo un’interazione efficiente senza infrastrutture fisse di supporto. L’obiettivo è la realizzazione di un MAV custom con sensori avanzati di visione artificiale e algoritmi per il tracking in tempo reale. Il sistema di controllo convertirà direttamente le informazioni visive in comandi di navigazione. L’approccio esplora due paradigmi: Strategie end-to-end perception-to-action con Deep Reinforcement Learning per un mapping diretto tra input visivi e azioni. Approcci ibridi, combinando visione artificiale, deep learning e controllo tradizionale. Le soluzioni di tracking attuali dipendono spesso da infrastrutture fisse o assunzioni non realistiche, limitandone l’applicabilità in scenari complessi. Il progetto, in linea con MOST Spoke 6 – Connected and Autonomous Vehicle, sviluppa un MAV autonomo che potrebbe consentire lo sviluppo di servizi intelligenti per monitoraggio del traffico, coordinamento dei veicoli e ottimizzazione delle rotte, contribuendo ad aumentare efficienza, sicurezza e sostenibilità dei sistemi di trasporto, logistica e, in generale, mobilità. Il sistema verrà validato in ambienti indoor realistici e in ambienti simulati.
