Entorno de simulación de vehículos no tripulados y sensores marinos

XLIV Jornadas de AUTOMÁTICA Z A R A G O Z A 2 0 2 3 - XLIV Jornadas de AUTOMÁTICA Z A R A G O Z A 2 0 2 3 - XLIV Jornadas de AUTOMÁTICA Z A R A G O Z A 2 0 2 3 - XLIV Jornadas de AUTOMÁTICA Z A R A G O Z A 2 0 2 3 - XLIV Jornadas de AUTOMÁTICA Z A R A G O Z A 2 0 2 3 - XLIV Jornadas de AUTOMÁTICA Z A R A G O Z A 2 0 2 3 - XLIV Jornadas de AUTOMÁTICA Z A R A G O Z A 2 0 2 3 - XLIV Jornadas de AUTOMÁTICA Z A R A G O Z A 2 0 2 3 - XLIV Jornadas de AUTOMÁTICA Z A R A G O Z A 2 0 2 3 - XLIV Jornadas de AUTOMÁTICA Z A R A G O Z A 2 0 2 3 - Fuente: ZT Gatha Font (gratis para uso comercial) Logo vertical Logo horizontal Ejemplo en camisetas Propuesta de logo para las XLIV Jornadas de automática Autor: Ignacio Cuiral-Zueco https://jautomatica.es Entorno de simulaci´ on de veh´ ıculos no tripulados y sensores marinos Conejero, V.Q.1, Capit´ an, J.1, Casta˜ no, A.R.1,∗ Departamento de Ingenier´ıa de Sistemas y Autom´atica, Universidad de Sevilla, Av. Camino de los Descubrimientos s/n, 41092 Sevilla, Espa˜na. To cite this article: Conejero, V.Q., Capit´an, J., Casta˜no, A.R. 2023. Simulation framework for unmanned vessels and marine sensors. XLIV Jornadas de Autom´atica, 459-464. https://doi.org/10.17979/spudc.9788497498609.459 Resumen Existe un creciente inter´ es en el empleo de embarcaciones no tripuladas, com´ unmente denominadas USVs (Unmanned Surface Vessel/Vehicles). Dado el coste econ´ omico y complejidad de experimentar con embarcaciones reales, en este art´ ıculo se propone un entorno de simulaci´ on que permita validar diversos tipos de algoritmos en una fase temprana y en diferentes condiciones de navegaci´ on. Este entorno de simulaci´ on permite definir escenarios con varios USVs y diversos modelos realistas de barcos, as´ ı como combinar diferentes sensores de ´ ambito marino en cada USV, como son receptores AIS (Automatic Identificacion System), radar, LIDAR 3D y c´ amaras. Con este simulador se puede abordar la validaci´ on de algoritmos de fusi´ on de sensores para detectar otras embarcaciones y objetos flotantes, as´ ı como algoritmos de evitaci´ on de colisiones compatibles con la normativa n´ autica, de forma que los USVs puedan coexistir con las embarcaciones pilotadas manualmente. Palabras clave: Veh´ ıculos marinos no tripulados, Sistemas multi-veh´ ıculo, Simulaci´ on, Navegaci´ on de sistemas marinos. Simulation framework for unmanned vessels and marine sensors Abstract There is a growing interest in the use of unmanned vessels, commonly referred to as USVs (Unmanned Surface Vessels). Given the economic cost and complexity of experimenting with real vessels, this paper proposes a simulation environment that allows the validation of various types of algorithms at an early stage and under different navigation conditions. This simulation environment allows defining scenarios with several USVs and several realistic ship models, as well as combining several marine sensors in each USV, such as AIS (Automatic Identification System) receivers, radar, 3D LIDAR, and cameras. With this simulator it is possible to address the validation of sensor fusion algorithms to detect other vessels and floating objects, as well as collision avoidance algorithms compatible with nautical regulations, so that USVs can coexist with manually piloted vessels. Keywords: Unmanned marine vehicles, Multi-vehicle systems, Simulation, Marine system navigation. 1. Introducci´ on Existe un creciente inter´ es en el empleo de embarcaciones no tripuladas tanto en aguas interiores Demetillo and Taboada (2019) como en entornos marinos Li and Fung (2019). Se podr´ ıa reducir la contaminaci´ on y coste de operaci´ on en el sector log´ ıstico Jovanovi´ c et al. (2022), realizar tareas de monitorizaci´ on y limpieza del agua de forma m´ as eficiente Chang et al. (2021), o vigilar las costas y puertos de forma continua y en ´ areas extensas Molina-Molina et al. (2021). Sin embargo, experimentar con barcos reales tiene un alto coste, presenta dificultades legales y un riesgo inherente, por lo que resulta crucial disponer de herramientas de simulaci´ on que permitan validar exhaustivamente diferentes algoritmos y m´ etodos antes de las pruebas de campo. En Paravisi et al. (2019) se presenta un entorno que combina la simulaci´ on de la din´ amica de un USV ∗Autor para correspondencia: [email protected] Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) 1https://www.ros.org 2http://www.irs.uji.es/uwsim 459 mediante ROS/Gazebo 1con la visualizaci´ on de agua y olas mediante UWSim 2. Este entorno est´ a enfocado a la mejora en la simulaci´ on de los efectos de flotaci´ on e hidrodin´ amicos del USV, pero no incluye modelos realistas de barcos, ni sensores para la detecci´ on de otras embarcaciones. El simulador desarrollado por Wang et al. (2022) tambi´ en incluye el modelado de los efectos hidrodin´ amicos, a˜ nade algunos sensores como LIDAR y c´ amaras y tambi´ en modelos de barcos realistas, pero apenas hay detalles de sus caracter´ ısticas. Se hace una descripci´ on gen´ erica de funcionalidades y m´ odulos, pero sin ninguna referencia a su implementaci´ on o requisitos de ejecuci´ on. En este art´ ıculo se presenta un entorno de simulaci´ on enfocado principalmente a validar algoritmos y m´ etodos en dos ´ ambitos concretos: la evitaci´ on de colisiones y la percepci´ on del entorno. En escenarios mar´ ıtimos las maniobras para evitar colisiones se rigen actualmente por el Reglamento Internacional para Prevenir Abordajes, o Convention on the International Regulations for Preventing Collisions at Sea, conocido como COLREG y adoptado por la Organizaci´ on Mar´ ıtima Internacional (OMI) en 1972. Sin embargo, estas normas est´ an actualmente en an´ alisis y discusi´ on Wr´ obel et al. (2022); Zhang et al. (2022), dado que fueron pensadas para ser aplicadas por personas, con definiciones difusas y magnitudes sin cuantificar y, por tanto, no permiten una aplicaci´ on automatizada de las mismas. Por otro lado, las normas COLREG solo contemplan situaciones embarcaci´ on-embarcaci´ on, no eval´ uan riesgos de colisi´ on simult´ aneos entre varias embarcaciones. La aplicaci´ on de cualquier maniobra de reducci´ on del riesgo exige tener un conocimiento lo m´ as preciso posible del entorno que rodea a la embarcaci´ on, en este caso principalmente otras embarcaciones, pero tambi´ en posibles elementos flotantes en el agua. Para ello es necesario aplicar t´ ecnicas de fusi´ on sensorial que permitan combinar los datos obtenidos de diversos sensores. En el entorno acu´ atico los dispositivos m´ as empleados son el AIS (Automatic Identificacion System), el radar y las c´ amaras (visuales e infrarrojas), pero en los ´ ultimos a˜ nos se est´ an incorporando tambi´ en los dispositivos LIDAR 3D Chen et al. (2023). Estos sensores presentan distintos niveles de precisi´ on Wawruch (2020), y son m´ as o menos usados dependiendo del tipo de embarcaci´ on. Por tanto, el uso de t´ ecnicas de fusi´ on sensorial es ideal para combinar los distintos tipos de sensores y as´ ı compensar sus limitaciones y restricciones. Un ejemplo de la necesidad de avanzar en ese campo es el dataset publicado por Øystein Kaarstad Helgesen et al. (2022), que incluye radar, LIDAR y c´ amara infrarroja. Entre los sensores indicados anteriormente, se simula el dispositivo AIS, que es espec´ ıfico del ´ ambito mar´ ıtimo. Es una tecnolog´ ıa que permite la transmisi´ on de la posici´ on, velocidad y rumbo en tiempo real entre buques y con estaciones terrestres. Este sistema combina el uso de un receptor GNSS (Global Navigation Satellite System) con un transmisor VHF (Very High Frequency) por el que se difunde la informaci´ on. De esta forma, una embarcaci´ on equipada con un transpondedor AIS puede conocer las posiciones de otros barcos situados dentro de su rango de comunicaciones, que puede alcanzar las 50 millas n´ auticas (100 km) en algunos casos. En la secci´ on 4.2 se detallan las caracter´ ısticas y limitaciones realistas que incorpora el simulador. Dadas las necesidades expuestas, en este art´ ıculo se propone un simulador para USVs enfocado a la validaci´ on de algoritmos de evitaci´ on de colisiones y de m´ etodos de fusi´ on de datos para percepci´ on del entorno. A diferencia de Paravisi et al. (2019), este incluye modelos realistas de barcos y sensores radar y AIS. El simulador de Wang et al. (2022) tampoco incluye estos sensores ni la capacidad de disponer de m´ ultiples USVs en un escenario. Por el contrario, el entorno aqu´ ı presentado, en su estado actual, no incorpora una simulaci´ on de la din´ amica en el agua como en Wang et al. (2022). Por tanto, las contribuciones principales del simulador presentado son: Se han implementado modelos realistas de embarcaciones de distinto tama˜ no, desde peque˜ nos botes hasta buques tanque. Gracias a la independencia de procesos en la simulaci´ on de los m´ ultiples USV se consigue, virtualmente, un n´ umero ilimitado de entidades independientes, cada uno de ellos con un conjunto de sensores espec´ ıficos. Adem´ as de disponer de sensores LIDAR y c´ amaras visuales, se han modelado sensores radar y AIS, que no est´ an incluidos en otros simuladores. Se pueden generar escenarios simulados de forma sencilla y modular. El resto del art´ ıculo est´ a estructurado de la siguiente manera: la Secci´ on 2 presenta los objetivos y requisitos impuestos al dise˜ no del simulador; la Secci´ on 3 define la arquitectura software dise˜ nada y los elementos de su implementaci´ on; la Secci´ on 4 presenta los modelos y sensores disponibles en el simulador; la Secci´ on 5 est´ a dedicada a los resultados de los experimentos realizados para validar la implementaci´ on del simulador y sus capacidades; y la Secci´ on 6 resume las conclusiones extra´ ıdas del trabajo y las propuestas de trabajos futuros. 2. Objetivos y requisitos del simulador Para poder dise˜ nar estrategias, controladores y m´ etodos que puedan ser empleados en el ´ ambito marino profesional, deben de ser validados previamente. Mediante el simulador propues- to en este art´ ıculo se ofrece una plataforma para realizar las primeras validaciones y evitar complejidad en elementos fuera del ´ area de inter´ es, as´ ı como evitar los altos costes de la experimentaci´ on en embarcaciones reales. Se han establecido los siguientes objetivos para dar soporte a dichas validaciones: 1. Capacidad de recrear situaciones reales de COLREG simult´ aneamente: Las situaciones COLREG, situaciones con posibilidad de colisi´ on entre embarcaciones, son un elemento del ´ ambito marino con mucho inter´ es para sistemas aut´ onomos debido a su complejidad. 2. Evaluaci´ on de sistemas de control y navegaci´ on: Dotar de la capacidad de implementar distintos algoritmos de forma ´ agil, pudiendo centrar los esfuerzos en la evaluaci´ on y dise˜ no. 3. Capacidad de realizar ensayos con sistemas multi-USV: Habilitar la posibilidad de desplegar m´ as de un USV, as´ ı como permitir la comunicaci´ on entre varios de ellos. Tras definir los objetivos principales del simulador, los siguientes requisitos son extra´ ıdos para poder cumplir satisfactoriamente dichos objetivos: 460 XLIV Jornadas de Automática 2023. Modelado, Simulación y Optimización. Conejero, V.Q. et al., pp. 459-464 1. Capacidad de representar modelos realistas de embarcaciones: Ser´ a un requisito indispensable para poder validar m´ etodos que utilicen c´ amaras o sensores LIDAR. 2. Capacidad de simular el comportamiento de sensores ampliamente utilizados en los veh´ ıculos marinos 3. Agilidad en la elaboraci´ on de escenarios: Implementar una arquitectura que permita dise˜ nar, guardar y ejecutar escenarios con distintos casos. 4. Arquitectura modular y escalable a sistemas complejos: Dado que los modelos marinos poseen una alta complejidad, ser´ a requisito indispensable plantear una arquitectura escalable. 3. Arquitectura software En esta secci´ on del art´ ıculo se presenta la arquitectura software desarrollada para el simulador, se justifican distintas decisiones tomadas en su planteamiento, as´ ı como se comentar´ an distintos elementos destacables de la implementaci´ on. Figura 1: Esquema de la arquitectura software del simulador. 3.1. Dise˜no de la arquitectura Como se puede observar en la Figura 1, se plantea una arquitectura software distribuida y modular, por un lado, tenemos un gestor de misiones que proporciona la informaci´ on del escenario y maniobras a simular, seguido a este nos encontramos con una serie de aplicaciones que constituyen el simulador y por ´ ultimo una aplicaci´ on de alto nivel para monitorizar los par´ ametros simulados. De esta forma conseguimos un sistema ´ agil desde el punto de vista de la escalabilidad, permitiendo ejecutarse los distintos programas en dispositivos independientes, adem´ as de facilitar las tareas de ampliaci´ on y trabajo colaborativo, permitiendo sustituir m´ odulos de forma independiente. Para implementar esta arquitectura se emplea el esquema de comunicaciones de ROS, el entorno de simulaciones f´ ısicas de Gazebo y la fluida representaci´ on de informaci´ on mediante RVIZ, que es la herramienta est´ andar de visualizaci´ on de ROS. Cabe destacar la independencia de la implementaci´ on de los USVs respecto a los barcos dummy, denominados NPC (Non- Playable Character) en este art´ ıculo. Estos NPC navegar´ an por el escenario realizando rutas predefinidas y, por tanto, sin capacidad de controlarlos en tiempo real. El esquema de implementaci´ on distribuido favorece la escalabilidad en funcionalidad de los USVs, como la implementaci´ on de modelos din´ amicos o algoritmos de seguimiento de rutas, mientras que se mantienen la sencillez de los NPCs, lo cual se ve traducido en un bajo coste computacional. 3.2. USVs y barcos NPC El USV es el elemento principal de inter´ es del software de simulaci´ on y por ello se ha planteado la ejecuci´ on de cada una de las aplicaciones que simulan el comportamiento de los USVs de forma independiente. A diferencia de lo anterior, los NPCs son gestionados por una ´ unica aplicaci´ on que gestiona la aparici´ on y movimiento de cada uno de ellos. Esta diferencia de implementaci´ on est´ a sustentada debido al potencial coste computacional que pueden desarrollar las implementaciones realistas de los USVs, as´ ı como un acercamiento a un entorno real, donde cada uno de los USVs tendr´ an equipos de c´ omputo independientes. 3.3. Gazebo Mediante el uso de Gazebo es posible realizar la representaci´ on de elementos 3D en entornos realistas, as´ ı como proporcionar la capacidad de simular el comportamiento de diferentes sensores, siendo de especial inter´ es la simulaci´ on del LIDAR y las c´ amaras montadas a bordo de los USVs. Gracias a la representaci´ on de elementos 3D obtenemos una simulaci´ on realista de los sensores, pudiendo validar sobre ellos distintas t´ ecnicas de reconocimiento, detecci´ on o seguimiento de elementos en el entorno. 3.4. Gestor de misiones El m´ odulo Gestor de misiones se plantea como una herramienta de alto nivel desarrollada para agilizar la construcci´ on de escenarios de simulaci´ on. Consta de dos modos de uso: 1. Sandbox, que permite al usuario agregar, eliminar o modificar los distintos NPCs del escenario mediante una interfaz. Tras establecer un escenario acorde a la situaci´ on a recrear es posible guardarlo en un fichero para su posterior uso. 2. Testbench, que permite al usuario cargar distintos entornos predise˜ nados y realizar pruebas para la validaci´ on de los distintos algoritmos planteados sobre los USVs. Gracias a esta aplicaci´ on se pretende facilitar la validaci´ on de los m´ etodos mediante el uso de un conjunto de escenarios deterministas, pudiendo automatizar las pruebas y adaptar los escenarios de una forma c´ omoda. 4. Modelos de embarcaciones y sensores En esta secci´ on se presentan los distintos modelos de embarcaciones y sensores implementados en el simulador. 461 XLIV Jornadas de Automática 2023. Modelado, Simulación y Optimización. Conejero, V.Q. et al., pp. 459-464 4.1. Modelos Para dotar de mayor realismo al simulador, se han incorporado numerosos modelos 3D realistas de embarcaciones, lo que permite recrear una amplia variedad de situaciones. Como se muestra en la Tabla 4.1, se pueden encontrar embarcaciones de diversas dimensiones y con diferentes comportamientos de AIS asociados. Cabe destacar la posibilidad de desactivar el emisor AIS o modificar su configuraci´ on para ajustarlo al comportamiento deseado. Tabla 1: Tabla de NPCs Nombre Eslora (m) Manga (m) Clase AIS small 7 2 B tanker 296 35 A fishboat 63 13 B yacht 82 14 A ferry 66 19 A sail 25 8 B powerboat 8 2 A smallboat 20 8 B cargo 158 26 A Adem´ as de los modelos de embarcaciones, los USVs pueden equiparse con una amplia variedad de modelos de sensores, los cuales se detallan a continuaci´ on. 4.2. Sensores AIS - Esta tecnolog´ ıa mar´ ıtima permite la transmisi´ on de la posici´ on, velocidad y rumbo en tiempo real entre buques y con estaciones terrestres, combinando un receptor GNSS con un transmisor de radiofrecuencia VHF por el que se difunde la informaci´ on. Dentro de los dispositivos AIS existen dos categor´ ıas: clase A y clase B. La diferencia entre ambas clases radica en la potencia del transmisor VHF y en la frecuencia con que se transmite la informaci´ on. En cuanto al rango de operaci´ on, un AIS clase A puede alcanzar las 50 millas n´ auticas (100 km), mientras que un AIS clase B alcanza las 12 millas n´ auticas (19 km). Este dispositivo tambi´ en presenta las siguientes limitaciones: No est´ a presente en todas las embarcaciones. La OMI ´ unicamente exige el uso de AIS clase A en algunos tipos de barco (m´ as de 300 toneladas brutas o de pasajeros, independientemente de su tama˜ no). En Espa˜ na tambi´ en es obligatorio el uso de AIS en barcos de pesca, pero no en embarcaciones de recreo. La tasa de actualizaci´ on del sensor es variable y dependiente de la velocidad de desplazamiento, tal como se muestra en la Tabla 4.2. Su precisi´ on depende de la del receptor GNSS, que puede sufrir degradaciones en situaciones de baja visibilidad de los sat´ elites. El simulador genera datos de posicionamiento AIS para cada barco a la tasa correspondiente seg´ un sus condiciones de navegaci´ on y tipo, e incluyendo el ruido correspondiente a una se˜ nal GNSS. Tabla 2: Tabla de frecuencia de transmisi´ on de datos de AIS Velocidad Clase A Clase B Barco fondeado 3 min 3 min 0-2 nudos 10 seg 3 min 2-14 nudos 10 seg 30 seg 2-14 nudos y cambio rumbo 3.3 seg 30 seg 14-23 nudos 6 seg 15 seg 14-23 nudos y cambio rumbo 2 seg 15 seg Mayor de 23 nudos 2 seg 5 seg Radar - El dispositivo m´ as ampliamente empleado en el ´ ambi- to marino profesional es el sistema ARPA (Automatic Radar Plotting Aid), basado en un sensor radar. Este proporciona informaci´ on como la posici´ on, velocidad y rumbo estimado de embarcaciones o elementos flotantes detectados (denominados trazas). Tienen un alcance de varios kil´ ometros y, como contrapartida, se trata de un sensor sensible a las condiciones meteorol´ ogicas, as´ ı como con un rango de uso m´ ınimo; es ineficiente en situaciones de proximidad con otras embarcaciones. Adem´ as, el tama˜ no y material del que est´ a hecho una embarcaci´ on pueden dificultar su detecci´ on por el radar. El simulador de radar genera trazas a una frecuencia de actualizaci´ on configurable y teniendo en cuenta las posibles ocultaciones de embarcaciones que pueden producirse. LIDAR - El empleo de sensores LIDAR 3D, muy habituales en los ´ ambitos de rob´ otica terrestre y de automoci´ on, tambi´ en presentan retos no resueltos en el ´ ambito marino Chen et al. (2023). Este sensor tiene un funcionamiento complementario con el sensor radar. En cuanto al rango de funcionamiento, es limitado (unos 300 m m´ aximo) pero con una buena capacidad de detecci´ on a corta distancia (menos de 200 m); a esas distancias cortas es donde peor funciona el radar. En cuanto a la capacidad de detecci´ on dentro del rango, el LIDAR 3D puede detectar objetos flotantes peque˜ nos o embarcaciones cuyo casco no refleje la se˜ nal radar. En este simulador se ha incluido el plugin de Velodyne de Gazebo 3. C´ amaras - Las c´ amaras visuales representan un elemento complementario a la tarea de detecci´ on de embarcaciones, brinda la posibilidad de identificar otras embarcaciones, boyas o elementos flotantes mediante algoritmos de percepci´ on. Adem´ as, estos sensores permiten inspeccionar de forma visual el entorno de la embarcaci´ on, lo cual representa un requisito para tareas de monitorizaci´ on o vigilancia costera. En el simulador se ha incluido el modelo de c´ amara visual de gazebo plugins 4. GNSS IMU - Mediante el sistema de GNNS e IMU podemos conocer el estado de la embarcaci´ on en todo momento, as´ ı como la posici´ on de la embarcaci´ on en coordenadas geod´ esicas. Este sistema tambi´ en es necesario para poder completar la informaci´ on referente a los mensajes AIS. 3https://bitbucket.org/DataspeedInc/velodyne_simulator/src/master/ 4https://github.com/ros-simulation/gazebo_ros_pkgs/blob/noetic-devel/gazebo_plugins/src/gazebo_ros_camera.cpp 462 XLIV Jornadas de Automática 2023. Modelado, Simulación y Optimización. Conejero, V.Q. et al., pp. 459-464 5. Experimentos En esta secci´ on se presenta un escenario demostrativo de las capacidades del simulador de embarcaciones. Como se puede observar en la Figura 2, se presenta un escenario con tres USVs est´ aticos y tres NPCs, dos de ellos con velocidad constante (NPC-1 y NPC-3) y otro est´ atico (NPC-2). Como puede apreciarse, el NPC-3 queda oculto a los sensores radar y LIDAR de los USVs, y solo es visible para sus receptores AIS. (a) Vista cenital (b) Vista en perspectiva Figura 2: Escenario simulado con varias embarcaciones. Enumeraci´ on con fondo negro para los USVs, fondo rojo para los NPCs. 5.1. C´amaras visuales Se ha equipado cada uno de los USV con una c´ amara frontal para tomar im´ agenes durante la ejecuci´ on del escenario. En la Figura 3, se muestran im´ agenes en 2 instantes distintos. En el instante inicial podemos observar como el NPC-1 y el NPC-3 son visibles desde los tres USVs, mientras que el NPC-2 queda oculto. En el instante intermedio, podemos observar como el avance del NPC-3 hacia la izquierda provoca que el NPC-1 quede oculto a las c´ amaras, pero a cambio el NPC-2 entra en el campo de visi´ on del USV-2 y el USV-3. En este instante intermedio el NPC-2 sigue fuera del campo de visi´ on del USV-1. 5.2. Radar Para este escenario se han equipado todos los USV con un sistema radar para la detecci´ on de las embarcaciones. En la Figura 4, se muestran las trazas del radar del USV-2 hasta los instantes de tiempo T1 y T2. Las trazas del NPC-1 se muestran en verde, las del NPC-2 en rojo y las del NPC-3 en azul. Esas trazas son el registro de las posiciones del radar a lo largo del tiempo. Puede observarse como en el instante T1 ya se han registrado varias posiciones del NPC-1 en su movimiento en direcci´ on noroeste y tambi´ en varias posiciones del NPC-3 en su navegaci´ on direcci´ on oeste. Antes del instante T1 el NPC-2 (trazas rojas) no es detectado por el radar, dado que se encuentra oculto tras el NPC-3. Justo en ese instante T1 el radar registra la primera posici´ on del NPC-2 (punto en rojo). Ya en el instante T2 se aprecia como el NPC-1 y el NPC-2 han evolucionado en su movimiento (direcci´ on noroeste y oeste respectivamente), mientras que el NPC-2 permanece detenido en el mismo lugar. Tambi´ en puede apreciarse el ruido que incorporan las medidas del radar. (a) T1 (b) T2 Figura 4: Representaci´ on de las trazas del radar embarcado en el USV-2 recogidas durante el escenario de pruebas. El instante T1 (izquierda) representa todas las trazas hasta la primera detecci´ on del NPC-2 (punto rojo), el instante T2 (derecha) representa todas las trazas recogidas durante la simulaci´ on. 5.3. LIDAR Figura 5: Representaci´ on en el software RVIZ de la informaci´ on recibida por los sensores LIDAR durante el escenario de pruebas. En color azul, rojo y verde para los LIDARs embarcados en los USV-1, USV-2 y USV-3 respectivamente Cada USV se ha equipado tambi´ en con un LIDAR 3D en el m´ astil situado en la proa. Como se puede observar en la Figura 5, mediante el uso del LIDAR podemos detectar embarcaciones cercanas y determinar su posici´ on relativa a la embarcaci´ on. 5.4. AIS Por ´ ultimo, se validar´ a la simulaci´ on de los dispositivos AIS, y para ello se ha equipado cada uno de los USVs, adem´ as de los NPC-1 y NPC-3, con un AIS clase A, y el NPC-2 con un AIS clase B. Para la validaci´ on se ha registrado el periodo de emisi´ on de cada una de las embarcaciones. Como se observa en la Figura 6, el per´ ıodo de emisi´ on de los AIS de los barcos USV-1, USV-2, USV-3 y NPC-2 est´ a alrededor de 3 minutos, dado que todos ellos est´ an fondeados, mientras que en el caso de los barcos NPC-1 y NPC-3 el per´ ıodo de emisi´ on est´ a alrededor de 10 segundos, que es lo que caracteriza un AIS clase A cuando el barco se desplaza a velocidades inferiores a 14 nudos (Tabla 4.2). 463 XLIV Jornadas de Automática 2023. Modelado, Simulación y Optimización. Conejero, V.Q. et al., pp. 459-464 (a) C´ amara USV-1 instante inicial (b) C´ amara USV-2 instante inicial (c) C´ amara USV-3 instante inicial (d) C´ amara USV-1 instante intermedio (e) C´ amara USV-2 instante intermedio (f) C´ amara USV-3 instante intermedio Figura 3: Im´ agenes de las c´ amaras de los USV-1, USV-2 y USV-3 en dos instantes de tiempo durante la ejecuci´ on de la simulacion. Figura 6: Registro del periodo de emisi´ on de las se˜ nales AIS de cada barco. 6. Conclusiones Se ha desarrollado un entorno que permite simular escenarios marinos con varios USVs y barcos no controlados (NPCs) simult´ aneamente. Este entorno incluye la posibilidad de equipar cada USV con un conjunto de sensores espec´ ıficos, entre los que se incluyen c´ amaras visuales, LIDAR 3D, radar y dispositivos AIS, y cada barco NPC se puede configurar con un dispositivo AIS de clase A, de clase B o sin ´ el. Se han validado los modelos de los distintos sensores, sobre todo los sensores radar y AIS desarrollados. Este simulador, por tanto, puede emplearse para desarrollar y validar m´ etodos de fusi´ on sensorial para percepci´ on del entorno y algoritmos de evitaci´ on de colisiones. El trabajo futuro incluye la mejora de los modelos din´ amicos tanto de USVs como de NPCs en la l´ ınea de Paravisi et al. (2019), el aumento de realismo del sensor radar a˜ nadiendo la posibilidad de falsos positivos y p´ erdidas de trazas, y la inclu- si´ on de otros elementos flotantes como boyas de se˜ nalizaci´ on. Agradecimientos Este trabajo ha sido financiado por el Ministerio de Ciencia e Innovaci´ on mediante el proyecto PID2020-119027RB-I00 y el proyecto HOMPOT (P20 00597) del plan PAIDI. Referencias Chang, H.-C., Hsu, Y.-L., Hung, S.-S., Ou, G.-R., Wu, J.-R., Hsu, C., 2021. Autonomous water quality monitoring and water surface cleaning for unmanned surface vehicle. Sensors 21 (4). DOI: 10.3390/s21041102 Chen, Y., Leng, Y., Zhang, Y., 2023. An obstacle detection method for lidar after removing water surface clutter. In: Proceedings of SPIE - The International Society for Optical Engineering. Vol. 12566. Demetillo, A., Taboada, E., 2019. Real-time water quality monitoring for small aquatic area using unmanned surface vehicle. Engineering, Technology and Applied Science Research 9 (2), 3959–3964. DOI: 10.48084/etasr.2661 Jovanovi´ c, I., Perˇ ci´ c, M., Koriˇ can, M., Vladimir, N., Fan, A., 2022. Investigation of the viability of unmanned autonomous container ships under different carbon pricing scenarios. Journal of Marine Science and Engineering 10 (12). DOI: 10.3390/jmse10121991 Li, S., Fung, K., 2019. Maritime autonomous surface ships (mass): implementation and legal issues. Maritime Business Review 4 (4), 330–339. DOI: 10.1108/MABR-01-2019-0006 Molina-Molina, J. C., Salhaoui, M., Guerrero-Gonz´ alez, A., Arioua, M., 2021. Autonomous marine robot based on ai recognition for permanent surveillance in marine protected areas. Sensors 21 (8). DOI: 10.3390/s21082664 Paravisi, M., H. Santos, D., Jorge, V., Heck, G., Gonc¸alves, L. M., Amory, A., Mar. 2019. Unmanned surface vehicle simulator with realistic environmental disturbances. Sensors 19 (5]). DOI: 10.3390/s19051068 Wang, W., Zhang, H., Li, Y., Zhang, Z., Luo, X., Xie, S., 2022. Usvs-sim: A general simulation platform for unmanned surface vessels autonomous learning. Concurrency and Computation: Practice and Experience 34 (3). DOI: 10.1002/cpe.6567 Wawruch, R., Mar. 2020. Comparative analysis of the usefulness of ais and arpa for anti-collision purposes. TransNav, the International Journal on Marine Navigation and Safety of Sea Transportation 14 (4), 885–899. DOI: 10.12716/1001.14.04.13 Wr´ obel, K., Gil, M., Huang, Y., Wawruch, R., 2022. The vagueness of colreg versus collision avoidance techniquesmdash;a discussion on the current state and future challenges concerning the operation of autonomous ships. Sustainability 14 (24). DOI: 10.3390/su142416516 Zhang, P., Chen, Q., Macdonald, T., Lau, Y.-Y., Tang, Y.-M., 2022. Game change: A critical review of applicable collision avoidance rules between traditional and autonomous ships. Journal of Marine Science and Engineering 10 (11). DOI: 10.3390/jmse10111655 Øystein Kaarstad Helgesen, Vasstein, K., Brekke, E. F., Stahl, A., 2022. Heterogeneous multi-sensor tracking for an autonomous surface vehicle in a littoral environment. Ocean Engineering 252, 111168. DOI: https://doi.org/10.1016/j.oceaneng.2022.111168 464 XLIV Jornadas de Automática 2023. Modelado, Simulación y Optimización. Conejero, V.Q. et al., pp. 459-464