Методи та програмне забезпечення управління відеологуванням в мультиагентному середовищі

Скорочена інформація про документ
dc.contributor.advisorЛісовиченко, Олег Іванович
dc.contributor.authorАхаладзе, Антон Елдарійович
dc.date.accessioned2026-07-15T12:21:12Z
dc.date.available2026-07-15T12:21:12Z
dc.date.issued2026
dc.description.abstractАхаладзе А. Е. Методи та програмне забезпечення управління відеологуванням в мультиагентному середовищі. – Кваліфікаційна наукова праця на правах рукопису. Дисертація на здобуття наукового ступеня доктора філософії за спеціальністю 121 – Інженерія програмного забезпечення з галузі знань 12 – Інформаційні технології. – Національний Технічний Університет України «Київський Політехнічний Інститут імені Ігоря Сікорського», Київ, 2026. Дисертаційна робота присвячена актуальній науковій проблемі підвищення ефективності управління відеологуванням великих територій у мультиагентному середовищі на основі рою безпілотних літальних апаратів (квадрокоптерів) шляхом розробки комплексних методів та спеціалізованого програмного забезпечення з децентралізованою координацією, автоматизованим формуванням геометричних формацій та розподіленою обробкою відеоданих з використанням нейронних мереж. Актуальність теми зумовлена швидким розвитком інформаційних технологій, машинного навчання та робототехніки, що відкриває нові можливості для автоматизованого моніторингу та відеологування у сферах пошуково-рятувальних операцій, патрулювання кордонів, охорони критичної інфраструктури, контролю сільськогосподарських угідь та оцінки наслідків стихійних лих. Традиційні системи з одиночними квадрокоптерами або централізованим керуванням мають суттєві обмеження: низьку масштабованість, залежність від наземної станції (точка відмови), високу навантаженість на комунікаційний канал, обмежену відмовостійкість та значні витрати часу операторів. Існуючі рішення (ArduPilot MAVSwarm, DJI Swarm SDK тощо) не забезпечують повної автономності в умовах нестабільного зв’язку та не підтримують ефективну розподілену обробку відеопотоків у реальному часі. Запропонований підхід на основі mesh-комунікації, модульної архітектури ROS2/PX4 та бортової обробки з YOLO11 дозволяє усунути ці недоліки, забезпечуючи лінійну масштабованість, високу відмовостійкість та автоматизацію процесів [55; 60]. Мета дослідження - підвищення ефективності процесу відеологування в мультиагентному середовищі за рахунок використання рою квадрокоптерів шляхом розробки методів децентралізованої координації, автоматизованого формування геометричних формацій та розподіленої обробки відеоданих. Для досягнення мети поставлено та вирішено такі основні завдання: 1. Провести аналіз сучасних методів і підходів до відеологування з використанням автопілота PX4 та операційної системи ROS2. 2. Розробити програмний модуль розпізнавання об’єктів, здатний працювати безпосередньо на борту квадрокоптера. 3. Спроектувати та реалізувати архітектуру симуляційного середовища для підвищення ефективності розробки та тестування алгоритмів. 4. Реалізувати метод узгодженого керування роєм квадрокоптерів на основі децентралізованої mesh-архітектури з динамічною зміною топології мережі. 5. Розробити метод організації окремих квадрокоптерів у геометричні формації (WEDGE, LINE, CIRCLE) для виконання задач пошуку та відеологування. 6. Реалізувати програмні засоби з підтримкою симуляційного середовища Gazebo та інтеграції з ШІ для аналізу відеопотоку на стороні кожного члена рою. 7. Розробити метод тестування та розширення функціональних можливостей поведінки квадрокоптерів у формації шляхом модульної архітектури бортового ПЗ на базі ROS2. 8. Провести експериментальні дослідження для оцінки продуктивності та доцільності запропонованого підходу, включаючи порівняння з традиційними рішеннями. Об’єкт дослідження - процеси аналізу вимог, розроблення, забезпечення якості, впровадження та супроводження програмного забезпечення відеологування в мультиагентному середовищі із застосуванням рою квадрокоптерів. Предмет дослідження - методи та програмні засоби координації рою квадрокоптерів, автоматизованого формування геометричних формацій та розподіленої обробки відеоданих для відеологування великих територій. Наукова новизна полягає в розробці комплексу нових методів та архітектурних рішень. Вперше запропоновано та обґрунтовано: 1. Модульну архітектуру бортового програмного забезпечення квадрокоптера на основі принципу розділення відповідальності (Separation of Concerns). Функціональність суворо розподілена між незалежними ROS2-модулями (YOLO-детектор, mesh-комунікація, White Walker для автономного керування), які взаємодіють лише через стандартизовані інтерфейси (topics/services). Це забезпечує незалежну розробку, тестування та розширення модулів без впливу на інші компоненти, суттєво підвищує надійність і гнучкість системи порівняно з монолітними аналогами. 2. Архітектурний підхід до інтеграції системи автопілота PX4 з бортовою операційною системою ROS2 через модульну композицію функціональних компонентів (розпізнавання об’єктів, координація групи, автономне керування). Дозволяє розширювати функціональність додаванням нових модулів без модифікації існуючих та гарантує повну автономність апарата після запуску без наземної станції. 3. Метод розподіленої обробки відеоданих у мультиагентному середовищі на основі паралельної незалежної обробки відеопотоків на борту кожного члена рою ізольованими модулями YOLO. Відрізняється передачею лише метаданих детекції замість повних відеопотоків, що збільшує частоту оновлення даних (з 16,2 Гц до 145,8 Гц), зменшує навантаження на мережу та забезпечує лінійну масштабованість продуктивності. 4. Архітектуру програмного забезпечення (Hive) для автоматизації конфігурування та запуску компонентів рою в симуляційному середовищі з інтеграцією Gazebo, SITL, PX4 та ROS2. Автоматична координація запуску всіх компонентів зменшує час підготовки тестового середовища та прискорює ітеративний цикл розробки алгоритмів формаційного польоту. Результати експериментальних досліджень (розділ 4) підтвердили високу ефективність розробленої системи. Рій у формації «Клин» забезпечує: ﹘ зменшення часу виконання місій на 75–85 %; ﹘ зменшення кількості операторів на 67–83 %; ﹘ рівень автоматизації ≥ 90 %; ﹘ підвищення ефективності покриття території на 31–46 % порівняно з окремими агентами (до 400–1100 % зростання площі покриття); ﹘ покращення F1-score детекції об’єктів на 19–27 %, ефективності виявлення (DE) – на 42 %; ﹘ час відновлення після відмови окремого апарата – 15 ± 5 с. Система демонструє лінійну масштабованість (від 2 до 10 квадрокоптерів) та синергетичний ефект (інтегральний показник ефективності рою перевищує очікуване масштабування в 4,38 раза). Практичне значення полягає в створенні спеціалізованих програмних засобів (бортове ПЗ на ROS2/PX4, Hive-архітектура, YOLO11-модулі), сумісних з сучасними платформами БПЛА. Розробки рекомендовані для впровадження в системах моніторингу великих територій, пошуково-рятувальних операцій, охорони об’єктів та патрулювання кордонів. Вони забезпечують гнучкість адаптації формацій (WEDGE, LINE, CIRCLE), динамічну реорганізацію та мінімальне навантаження на операторів. Структура дисертації: вступ, чотири розділи, висновки, список використаних джерел (61 найменування) та 6 додатків. Загальний обсяг – 233 сторінок (165 сторінок основного тексту), 30 рисунків, 11 таблиць. Апробація результатів: основні положення опубліковано в 6 статтях фахових журналів категорії Б та представлено на 3 міжнародних конференціях SoftTech.
dc.description.abstractotherAkhaladze A. E. Methods and software for managing video logging in a multi-agent environment. – Qualification Research Paper (Manuscript). Dissertation for the degree of Doctor of Philosophy in the specialty 121 – Software Engineering, in the field of knowledge 12 – Information Technologies. – National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute," Kyiv, 2026. The dissertation is devoted to solving the urgent scientific problem of increasing the efficiency of video logging management for large territories in a multi-agent environment based on a swarm of unmanned aerial vehicles (quadcopters). A comprehensive set of methods and specialized software has been proposed and developed. This software ensures decentralized coordination of the swarm, automated formation of geometric formations, and distributed processing of video data using advanced neural networks, thereby enabling effective integration into automated monitoring systems for vast areas. Relevance of the research is determined by the rapid development of information technologies, machine learning methods, and modern robotics, which open fundamentally new opportunities for automated monitoring and video logging in such critical fields as search-and-rescue operations, state border patrolling, protection of critical infrastructure facilities, control of agricultural lands, and assessment of the consequences of natural disasters. Traditional systems based on single quadcopters or centralized control have significant limitations, including low scalability, the presence of a single point of failure in the form of a ground control station, high load on the communication channel, insufficient fault tolerance, and considerable time expenditures by operators. Existing solutions, such as ArduPilot MAVSwarm, DJI Swarm SDK, and similar platforms, do not provide full autonomy under conditions of unstable communication and do not support effective real-time distributed processing of video streams. The proposed approach, which is based on mesh communication architecture, a modular ROS2/PX4 software structure, and onboard video processing using the YOLO11 neural network, eliminates the above-mentioned drawbacks. It guarantees linear scalability of the system, high fault tolerance, and complete automation of the main processes. The aim of the research is to improve the efficiency of the video logging process in a multi-agent environment through the use of a quadcopter swarm by developing methods of decentralized coordination, automated formation of geometric formations, and distributed video data processing. To achieve the set aim, the following main objectives were formulated and successfully solved: 1. To conduct a comprehensive analysis of modern methods and approaches to video logging using the PX4 autopilot and the ROS2 operating system. 2. To develop an object recognition software module capable of operating directly on board each quadcopter in real time. 3. To design and implement a simulation environment architecture that significantly increases the efficiency of algorithm development and testing. 4. To implement a coordinated swarm control method based on a decentralized mesh architecture with support for dynamic network topology changes. 5. To develop a method for organizing individual quadcopters into geometric formations of the types WEDGE, LINE, and CIRCLE for performing search and video logging tasks. 6. To implement software tools that support the Gazebo simulation environment and the integration of artificial intelligence for video stream analysis on the side of each swarm member. 7. To develop a method for testing and extending the functional capabilities of each quadcopter’s behavior in formation through the construction of a modular onboard software architecture based on ROS2. 8. To carry out large-scale experimental studies to evaluate the performance and feasibility of the proposed approach, including a detailed comparative analysis with traditional solutions. Object of the research - the processes of requirements analysis, development, quality assurance, implementation, and maintenance of video logging software in a multi-agent environment using a quadcopter swarm. Subject of the research - methods and software tools for coordinating a quadcopter swarm, automated formation of geometric formations, and distributed processing of video data for video logging of large territories. Research methods include theoretical methods (theory of distributed systems, multi-agent coordination algorithms, formation flight methods, machine learning algorithms), empirical methods, experimental research planning and execution methodologies, as well as validation and verification methods of the developed solutions. All experiments were conducted both in the Gazebo/SITL simulation environment (with 30 repetitions of each scenario for statistical reliability) and directly on physical hardware. Scientific novelty lies in the development of a complex of new methods and architectural solutions. For the first time, the following have been proposed and substantiated: 1. A modular architecture of the quadcopter’s onboard software based on the Separation of Concerns principle, which ensures independent development, testing, and extension of each module without affecting other components. 2. An architectural approach to integrating the PX4 autopilot with the ROS2 onboard operating system through modular composition of functional components. 3. A method of distributed video data processing that transmits only detection metadata instead of full video streams, thereby increasing the data update frequency by 9 times. 4. The Hive architecture for automating the launch and configuration of swarm components in the simulation environment. The developed system integrates state-of-the-art technologies including the ROS2 middleware, PX4 autopilot, Gazebo simulator, and YOLO11 object detection network, creating a unified software ecosystem that supports both highfidelity simulation and seamless real-world deployment on physical quadcopters. Comparative analysis with traditional single-drone and centralized swarm systems demonstrated superior performance of the proposed solution in terms of coverage efficiency, fault tolerance, and real-time data processing capabilities under conditions of unstable communication and dynamic mission requirements. The obtained results lay the foundation for further development of fully autonomous multi-agent systems and contribute to the advancement of software engineering practices for robotic swarms in complex, large-scale monitoring scenarios. Experimental research results confirmed the high efficiency of the developed system: reduction of mission execution time by 75–85 %, reduction of the number of operators by 67–83 %, automation level of at least 90 %, increase in territory coverage efficiency by 31–46 % (with growth of the covered area by 4–11 times compared to single agents), and improvement of the F1-score of object detection by 19–27 %. The system also demonstrated linear scalability (from 2 to 10 quadcopters) and a pronounced synergistic effect, with the integral performance index of the swarm exceeding the expected linear scaling by 4.38 times. Furthermore, the system achieved a 42% increase in detection efficiency (DE) and demonstrated robust fault tolerance, with recovery time after the failure of an individual apparatus measured at 15 ± 5 seconds. Practical significance consists in the creation of specialized software tools that are fully compatible with modern UAV platforms. These tools are recommended for implementation in large-territory monitoring systems, searchand-rescue operations, object protection systems, and border patrolling systems. Dissertation structure: introduction, four chapters, conclusions, list of references (61 sources), and 6 appendices. The total volume of the work is 233 pages (165 pages of main text), containing 30 figures and 11 tables. Approbation of the results: the main provisions have been published in 6 articles in Category B specialized journals and presented at the international conference SoftTech.
dc.format.extent232 с.
dc.identifier.citationАхаладзе, А. Е. Методи та програмне забезпечення управління відеологуванням в мультиагентному середовищі : дис. … д-ра філософії : 121 Інженерія програмного забезпечення / Ахаладзе Антон Елдарійович. – Київ, 2026. – 232 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/82247
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectмультиагентні системи
dc.subjectрій квадрокоптерів
dc.subjectвідеологування
dc.subjectдецентралізована координація
dc.subjectmesh-комунікація
dc.subjectрозподілені системи
dc.subjectрозподілена обробка відеоданих
dc.subjectнейронна мережа
dc.subjectкомп’ютерний зір
dc.subjectсегментація зображень
dc.subjectштучний інтелект
dc.subjectалгоритми обробки даних
dc.subjectметоди машинного навчання
dc.subjectавтоматизація керування
dc.subjectmulti-agent systems
dc.subjectmobile robot
dc.subjectsecurity
dc.subjectvideo logging
dc.subjectmesh communication
dc.subjectdistributed video data processing
dc.subjectimage recognition
dc.subjectobject detection
dc.subjectdrone coordination
dc.subjectgeometric formations
dc.subjectpython
dc.subjectcomputer vision
dc.subjectneural network
dc.subjectmachine learning
dc.subject.udc004.65
dc.titleМетоди та програмне забезпечення управління відеологуванням в мультиагентному середовищі
dc.title.alternativeMethods and software for managing video logging in a multi-agent environment
dc.typeThesis Doctoral

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Akhaladze_dys.pdf
Розмір:
10.89 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Дисертації (ІПІ)
Дисертації (вільний доступ)