Un sistema di pianificazione basato sul deep reinforcement learning potrebbe, in futuro, mostrare ai droni la corretta rotta da seguire nella ricerca dei dispersi in territori remoti.
Nell’ultimo decennio, l’impiego dei droni in operazioni di ricerca e salvataggio su terreni vasti e complessi è andato aumentando, complice l’evoluzione delle tecnologie che abilitano gli Aeromobili a Pilotaggio Remoto (APR) – in inglese Unmanned Aerial Systems (UAS) – tra le quali quelle preposte al controllo di volo, al posizionamento e al coordinamento del mezzo aereo, quelle relative ai dispositivi a bordo (telecamere e strumenti di telerilevamento) e all’analisi dei dati [fonte: “Key technologies for safe and autonomous drones” – Microprocessors and Microsystems, novembre 2021].
Nel 2017, in occasione della dodicesima edizione dell’International Scientific Conference of Young Scientists on Sustainable, Modern and Safe Transport, in Slovacchia, per la prima volta venne presentato uno studio completo sull’utilizzo dei droni in aiuto ai servizi pubblici deputati a intervenire in caso di pericoli naturali, soprattutto in quelle operazioni che comprendono il «salvataggio di persone e di animali nell’ambito di emergenze innescate da incendi, inondazioni, rischio chimico, biologico, radiologico e nucleare» [fonte: “The Use of UAV’s for Search and Rescue Operations” – Procedia Engineering, 2017]. E risale a febbraio del 2019 il primo test di prova con i droni per una missione UNICEF di ricerca e salvataggio in un’area stepposa e remota del Kazakistan, nel punto esatto in cui, proprio sette mesi prima, scomparve un bambino mai più ritrovato, dopo quasi due settimane di ricerche per mezzo di elicotteri.
Un’altra applicazione di rilievo dei droni di salvataggio è quella che li vede al lavoro in caso di incidenti in zone montuose poco accessibili, fornendo soccorso medico tempestivo per interventi sulle lesioni traumatiche, spesso ritardati a causa dei siti difficili da raggiungere [fonte: “Drones reduce the treatment-free interval in search and rescue operations with telemedical support – A randomized controlled trial” – The American Journal of Emergency Medicine, aprile 2023].
A proposito di trasporto rapido di attrezzature mediche mediante Aeromobili a Pilotaggio Remoto, in Europa, il Belgio vanta, a luglio del 2023, il primo test di consegna per mezzo di un drone a due posti – dall’aeroporto di Limbourg, su una distanza di un chilometro lungo una pista dedicata – di sacche di sangue per trasfusioni, aprendo così la strada, nell’UE, a una possibile futura tipologia di elisoccorso più rapida, economica e dal minimo impatto ambientale.
Takeaway
Uno sguardo alle normative sull’utilizzo dei droni professionali
Un gruppo di scienziati dell’Aerospace Sciences Research Division della School of Engineering presso l’Università di Glasgow, autori del lavoro descritto in “Deep Reinforcement Learning for Time-Critical Wilderness Search And Rescue Using Drones” (arXiv, 22 maggio), pur riconoscendo ai droni una funzione propria nel campo della ricerca e del salvataggio di persone disperse, sostengono si tratti ancora di un’applicazione relativamente nuova, lontana dall’essere matura, tenuto anche conto delle normative di riferimento alle quali è d’obbligo attenersi per il corretto impiego degli APR. A livello globale, studi, test ed esperimenti sul tema sono numerosi, ma gli usi concreti non lo sono altrettanto.
Riguardo alle regolamentazioni, a puro titolo di esempio, il team menziona gli Stati Uniti, dove la normativa sui droni ad uso professionale prevede che i piloti a terra abbiano sempre «una linea visiva costante tra loro stessi e l’aeromobile». Se pensiamo alle catene montuose, cogliamo immediatamente le difficoltà di un intervento con mezzi aerei pilotati da terra.
Regolamenti di questo tipo sono dettati esclusivamente da questioni di sicurezza, con l’obiettivo di preveniretutti quei rischi potenzialmente in grado di mettere in pericolo coloro che, a terra, si trovano nell’area sorvolata dal velivolo senza pilota a bordo. In un contesto di soccorso su terreni estesi e accidentati, però, costituiscono un limite all’azione di ricerca e salvataggio del drone.
Per quanto riguarda, nello specifico, l’Unione Europea, ricordiamo che il Regolamento (UE) 2019/947 in tema di norme e procedure per l’esercizio di aeromobili senza equipaggio contempla tre categorie di applicazione dei droni professionali, da quella “open” – comprendente Unmanned Aerial Systems dal peso massimo di 25 kg, fatti volare a vista al di sotto dei 120 metri di altezza – alla categoria “specifica” – all’interno della quale operano droni il cui peso è superiore a 25 kg, fatti volare fuori dalla linea di vista del pilota a un’altezza che supera i 120 metri, per i quali è però d’obbligo un permesso dell’Autorità aeronautica – e a quella “certificata”, per voli di APR che richiedono standard di sicurezza elevati perché, ad esempio, sono predisposti al trasporto di passeggeri.
L’impiego dei droni di salvataggio nella natura selvaggia: vantaggi e criticità
I ricercatori dell’Ateneo scozzese, dei droni sottolineano la maggiore leggerezza, rapidità e flessibilità nelle operazioni di ricerca e salvataggio nella “natura selvaggia” (dall’inglese “Wilderness Search and Rescue” – WiSAR), rispetto ai mezzi di trasporto tradizionali come gli elicotteri.
«Lo spiegamento di elicotteri, in molti casi, risulta lento, specie nelle isole, dove può impiegare diverse ore prima di arrivare. Inoltre, il funzionamento degli elicotteri è estremamente costoso. I droni, invece, offrono una soluzione agile ed economicamente vantaggiosa per la ricerca aerea, anche se – precisano – attualmente non sono in grado di sostituire gli elicotteri, in quanto, in fatto di capacità di sollevamento, esiste ancora un’innegabile disparità tra le due piattaforme. Ma garantiscono che la ricerca prenda il via il prima possibile e, con gli elicotteri, possono lavorare in sinergia».
Dunque, in uno scenario futuro, flotte di APR potrebbero integrare le flotte di elicotteri nella ricerca e nel salvataggio di persone disperse in aree remote e impervie. Esplicativo, in questo senso, è il caso della Scozia -luogo dalle terre spesso inaccessibili, in cui è stato condotto lo studio citato – dove la Police Scotland Air Support Unit (PSASU) e lo Scottish Mountain Rescue (SMR) stanno lavorando al posizionamento di piccole flotte di droni in tutto il Paese «per un rapido dispiegamento in possibili scenari WiSAR».
Il punto debole degli APR in situazioni di Wilderness Search and Rescue – fanno notare gli autori – riguarda la pianificazione dei percorsi che guidano la loro ricerca aerea, proprio per la questione inerente al pilotaggio da remoto. Questo è il nodo, per il quale si rende necessaria la messa a punto di metodi e di tecnologie ad hoc.
L’attuale approccio adottato dalla Police Scotland Air Support Unit al volo dei droni di salvataggio nella natura selvaggia – si legge nel lavoro di ricerca a cura dell’Università di Glasgow – è quello del «modello pilota-osservatore, in cui sono coinvolti due operatori per drone: l’osservatore ha il compito di mantenere la costante linea visiva col velivolo, mentre il pilota lo fa volare, con l’occhio sempre fisso al monitor sul quale scorrono le immagini trasmesse in tempo reale dalla telecamera montata sull’aeromobile». Entrambi, dunque, sono in continuo movimento.
Di tale configurazione, preme rimarcare – come evidenziato in “Sweep Width Estimation for Ground Search and Rescue” – che «un operatore a piedi presenta capacità di rilevamento più elevate quando sta fermo rispetto a quando è in movimento, come accade ai piloti di elicotteri in volo, i quali, avvistato un preciso particolare, si arrestano e fanno una panoramica con la telecamera».
È la differenza tra il processo cognitivo alla base di rilevazioni fatte in movimento e quello alla base di rilevazioni fatte stando fermi, a dare la dimensione del limite del modello pilota-osservatore per i droni in scenari WiSAR. Quali soluzioni adottare, quindi?
Percorsi di ricerca aerea guidati dal deep reinforcement learning
La pianificazione delle missioni di ricerca e salvataggio con droni in zone complesse e dalla natura aspra prevede una raccolta di dati, relativi, in primis, al luogo da esplorare e poi all’età, alla forma fisica della persona scomparsa e alle sue eventuali patologie. Tutte informazioni – ricorda il team di studio – che concorrono a generare una “mappa di distribuzione delle probabilità” (dall’inglese “Probability Distribution Map” – PDM) di ritrovare il disperso in un determinato luogo. Mappa che funge da bussola nelle diverse fasi delle operazioni.
Secondo gli autori, coniugando questa mappa con una tecnica di machine learning denominata “deep reinforcement learning”, è possibile definire percorsi di volo autonomi e precisi mediante un processo computazionale, a supporto degli operatori a terra e volti ad aumentare le probabilità che un drone ritrovi ancora più rapidamente i dispersi in territori impraticabili.
La scelta dell’apprendimento per rinforzo profondo è stata dettata dall’esigenza di una tecnica di intelligenza artificiale che fosse in grado di «imparare a prendere una serie di decisioni efficaci, in linea con l’obiettivo dato e in un arco di tempo assai breve».
In un confronto con altre tecniche AI – spiegano – «si è scoperto che il deep reinforcement learning supera, per precisione e rapidità di decisone, altri algoritmi di oltre il 160%. Differenza – questa – che può significare la vita o la morte nelle operazioni di ricerca e salvataggio nel mondo reale».
Droni di salvataggio: dalla mappa delle probabilità ottimizzata dall’AI, l’indicazione dei percorsi prioritari
Il modello di deep reinforcement learning sviluppato dal gruppo di scienziati è stato addestrato per mezzo di una grossa mole di dati inerenti a missioni di ricerca e salvataggio compiute negli ultimi anni nei luoghi selvaggi di tutto il mondo. Dati riferiti all’età dei dispersi, alle azioni che stavano compiendo quando hanno perso le coordinate (battuta di caccia, attività sportiva, cavallo, escursione) e al loro stato di salute. Nel dataset di addestramento, anche i dati video geografici della Scozia, attinenti, in particolare, alle foreste, alle montagne ripide, ai pendii e alle pareti rocciose presenti sul suo territorio e ritenuti luoghi non facili – e in molti casi pericolosi – in cui avventurarsi, specie in solitaria.
Una volta allenato, l’obiettivo del modello AI è eseguire milioni di simulazioni, tese a mostrare i percorsi che un disperso in una specifica area remota potrebbe, con più probabilità, seguire in talune circostanze.
«Il risultato è una mappa di distribuzione di probabilità che indica ai droni le aree di ricerca prioritarie da seguire» rimarca il team, il quale ha messo alla prova il proprio algoritmo di DRL comparandolo con due modelli di ricerca comunemente applicati alla pianificazione dei percorsi aerei dei droni di salvataggio in siti difficili, ossia quello in base al quale l’APR sorvola un’area target disegnando, in volo, una serie di “strisce di perlustrazione”, e un algoritmo di intelligenza artificiale non predisposto a interagire con le mappe di distribuzione delle probabilità.
Nei test virtuali, il modello di apprendimento per rinforzo profondo ha superato i due approcci tradizionali, principalmente su due aspetti, ovvero «la distanza che un drone dovrebbe percorrere per localizzare la persona dispersa e la probabilità che essa venga ritrovata dall’aeromobile».
Più nel dettaglio, il primo modello di comparazione citato è stato in grado di ritrovare un disperso nell’8% dei casi, il secondo nel 12%, contro il 19% dell’approccio basato sul deep reinforcement learning.
Glimpses of Futures
Se la metodologia definita dai ricercatori scozzesi, in futuro, venisse convalidata da esperimenti sul campo e si rivelasse efficace anche nei test di affiancamento a flotte di elicotteri in situazioni di soccorso reali, essa potrebbe, un giorno, accelerare le procedure di ricerca e salvataggio di persone disperse in aree critiche, contribuendo a salvare più vite umane «in scenari in cui ogni minuto conta».
Con l’obiettivo di anticipare possibili scenari futuri, cerchiamo – attraverso la matrice STEPS – di dare una visione circa gli impatti che questo tipo di metodologia potrebbe avere sotto il profilo sociale, tecnologico, economico, politico e della sostenibilità.
S – SOCIAL: gli scienziati dell’Aerospace Sciences Research Division dell’Università di Glasgow ribadiscono che – nel medio termine – gli Aeromobili a Pilotaggio Remoto, pur potenziati da evolute tecniche di intelligenza artificiale, non andranno a rimpiazzare gli elicotteri nella ricerca di persone scomparse in località complesse da raggiungere. Non ne possiedono (ancora) la capacità di sollevamento e, inoltre, in quanto gestiti da terra, devono sottostare a categoriche norme di sicurezza. In uno scenario futuro, grazie ai progressi del metodo messo a punto, che integra mappe di distribuzione della probabilità e tecniche di deep reinforcement learning, per una pianificazione autonoma, puntuale e precisa dei percorsi aerei da compiere, la loro funzione potrebbe essere quella di giungere sul luogo prima di altri mezzi, garantendo, così, che la ricerca prenda il via il prima possibile, senza sprechi di tempo. E, una volta arrivati gli elicotteri, i droni di salvataggio li affiancherebbero, velocizzando la localizzazione dei dispersi.
T – TECHNOLOGICAL: il livello prestazionale del modello di pianificazione dei percorsi aerei descritto è proporzionale all’accuratezza delle mappe di probabilità. Il che significa che queste ultime dovranno sempre poggiare su dati di qualità, organizzati, affidabili e, soprattutto, aggiornati. In futuro, quindi, l’evoluzione del modello di intelligenza artificiale sviluppato dagli autori dello studio dovrà poter contare su sempre nuovi dati di addestramento, ricorrendo – ad esempio – ai dati GPS inerenti a operazioni di salvataggio recenti. L’aspetto su quale si dovrà maggiormente lavorare per consentire il perfezionamento del nuovo sistema di pianificazione, sarà la messa a fuoco – all’interno dei dati di allenamento – delle correlazioni tra il luogo in cui le persone disperse sono state avvistate l’ultima volta e il punto esatto in cui sono state ritrovate. Se il sistema AI verrà messo in grado di unire questi due puntini, potrebbe, negli anni a venire, abilitare i droni di salvataggio a un grado di autonomia sempre più elevato.
E – ECONOMIC: dal punto di vista economico, il paragone, nell’ambito delle operazioni di ricerca e salvataggio, è tra il costo dell’impiego dei droni (che montano motori elettrici) e il costo degli elicotteri, comprensivo – quest’ultimo – di carburante, attrezzature e operatori a bordo. Solo per avere un’idea dei numeri, in Italia, il costo per interventi di soccorso con elicottero, pur variando da regione a regione, si aggira attorno a una media di 100-120 euro al minuto, totalmente a carico del Servizio Sanitario Nazionale, come da Decreto del 27 marzo 1992. E se consideriamo che, solo nel 2023, il Corpo Nazionale Soccorso Alpino e Speleologico italiano ha registrato 12.349 attività, di cui 5.845 a bordo di elicotteri, ci rendiamo conto della spesa complessiva che pesa sul Sistema. Nell’ipotesi di uno scenario futuro, da qui a trent’anni, in cui saranno i droni – da soli – a segnare la nuova strategia di salvataggio aereo, il fattore risparmio sarà rilevante e dalle percentuali significative.
P – POLITICAL: quando si parla di droni che perlustrano vasti territori alla ricerca di dispersi, il pensiero va immediatamente al trattamento della mole di dati video che rimandano a immagini di soggetti terzi in luoghi pubblici – raccolti in volo dalle telecamere montate a bordo degli aeromobili – e alla tutela della privacy di coloro ai quali esse appartengono. Immaginando – nel lungo periodo – uno scenario futuro in cui gli APR potrebbero prendere il posto degli elicotteri nelle operazioni di ricerca e salvataggio, è d’obbligo – all’interno dell’Unione Europea – il riferimento al GDPR, il quale vieta la ripresa di immagini riguardanti spazi privati di persone non coinvolte nella ricerca da parte del drone, contenenti, in molti casi, dati sensibili quali indirizzi di abitazioni, targhe di veicoli e dettagli che hanno a che vedere con la fisionomia dei volti.
S – SUSTAINABILITY: la futura possibilità, in un arco di tempo ampio, di droni a motore elettrico al posto degli elicotteri negli interventi di soccorso in zone impervie avrebbe un impatto positivo sulla sostenibilità ambientale. Basti qualche dato numerico: «… il drone a quattro eliche attualmente utilizzato dai servizi di soccorso alpino, con un carico utile di 0,5 kg, ha un consumo energetico di circa 0,08 MJ/km, che corrisponde a un’impronta di carbonio di 12,1-23,5 g di CO2/km, a seconda della modalità di produzione dell’energia elettrica impiegata dal motore. Il che si traduce in un’impronta di carbonio di 250–500 g di CO2 per un volo di 40 minuti rispetto ai 720 kg di CO2 per un tipico volo di elicottero di 50 minuti. Se i droni sostituissero completamente gli elicotteri, questo potrebbe portare a una potenziale riduzione dell’impronta di carbonio da 1.500 a 3.000 volte» [fonte: “Green HEMS in mountain and remote areas: reduction of carbon footprint through drones?” – Scandinavian Journal of Trauma, Resuscitation and Emergency Medicine, luglio 2023].
