{rfName}
Ac

Indexat a

Llicència i ús

Icono OpenAccess

Citacions

3

Altmetrics

Grant support

No Statement Available

Anàlisi d'autories institucional

Garcia Samartin, Jorge FranciscoAutor o coautorCruz Ulloa, ChristyanAutor o coautorDel Cerro, JaimeAutor o coautorBarrientos, AntonioAutor o coautor

Compartir

15 d’abril de 2024
Publicacions
>
Article
Sí

Active robotic search for victims using ensemble deep learning techniques

Publicat a:Machine Learning: Science And Technology. 5 (2): 025004- - 2024-06-01 5(2), DOI: 10.1088/2632-2153/ad33df

Autors: Garcia-Samartin, Jorge F; Cruz Ulloa, Christyan; del Cerro, Jaime; Barrientos, Antonio

Afiliacions

Univ Politecn Madrid, Ctr Automat & Robot, Consejo Super Invest Cient, Madrid 28006, Spain - Autor o coautor

Resum

In recent years, legged quadruped robots have proved to be a valuable support to humans in dealing with search and rescue operations. These robots can move with great ability in complex terrains, unstructured environments or regions with many obstacles. This work employs the quadruped robot A1 Rescue Tasks UPM Robot (ARTU-R) by Unitree, equipped with an RGB-D camera and a lidar, to perform victim searches in post-disaster scenarios. Exploration is done not by following a pre-planned path (as common methods) but by prioritising the areas most likely to harbour victims. To accomplish that task, both indirect search and next best view techniques have been used. When ARTU-R gets inside an unstructured and unknown environment, it selects the next exploration point from a series of candidates. This operation is performed by comparing, for each candidate, the distance to reach it, the unexplored space around it and the probability of a victim being in its vicinity. This probability value is obtained using a Random Forest, which processes the information provided by a convolutional neural network. Unlike other AI techniques, random forests are not black box models; humans can understand their decision-making processes. The system, once integrated, achieves speeds comparable to other state-of-the-art algorithms in terms of exploration, but concerning victim detection, the tests show that the resulting smart exploration generates logical paths-from a human point of view-and that ARTU-R tends to move first to the regions where victims are present.

Paraules clau

Computer visionEnsamble deep learningLegged robotsRandom forestRandom forestsSearch and rescue robotsSensing and perception

Indicis de qualitat

Impacte bibliomètric. Anàlisi de la contribució i canal de difusió

El treball ha estat publicat a la revista Machine Learning: Science And Technology a causa de la seva progressió i el bon impacte que ha aconseguit en els últims anys, segons l'agència WoS (JCR), s'ha convertit en una referència en el seu camp. A l'any de publicació del treball, 2024 encara no hi ha indicis calculats, però el 2023, es trobava a la posició 36/197, aconseguint així situar-se com a revista Q1 (Primer Cuartil), en la categoria Computer Science, Artificial Intelligence.

Independentment de l'impacte esperat determinat pel canal de difusió, és important destacar l'impacte real observat de la pròpia aportació.

Segons les diferents agències d'indexació, el nombre de citacions acumulades per aquesta publicació fins a la data 2025-07-16:

  • WoS: 1
  • Scopus: 2

Impacte i visibilitat social

Des de la dimensió d'influència o adopció social, i prenent com a base les mètriques associades a les mencions i interaccions proporcionades per agències especialitzades en el càlcul de les denominades "Mètriques Alternatives o Socials", podem destacar a data 2025-07-16:

  • L'ús, des de l'àmbit acadèmic evidenciat per l'indicador de l'agència Altmetric referit com a agregacions realitzades pel gestor bibliogràfic personal Mendeley, ens dona un total de: 16.
  • L'ús d'aquesta aportació en marcadors, bifurcacions de codi, afegits a llistes de favorits per a una lectura recurrent, així com visualitzacions generals, indica que algú està fent servir la publicació com a base del seu treball actual. Això pot ser un indicador destacat de futures cites més formals i acadèmiques. Aquesta afirmació està avalada pel resultat de l'indicador "Capture", que aporta un total de: 30 (PlumX).

Amb una intenció més de divulgació i orientada a audiències més generals, podem observar altres puntuacions més globals com:

  • El Puntuació total de Altmetric: 0.5.
  • El nombre de mencions a la xarxa social X (abans Twitter): 1 (Altmetric).

És fonamental presentar evidències que recolzin l'alineació plena amb els principis i directrius institucionals sobre Ciència Oberta i la Conservació i Difusió del Patrimoni Intel·lectual. Un clar exemple d'això és:

  • El treball s'ha enviat a una revista la política editorial de la qual permet la publicació en obert Open Access.
  • Assignació d'un Handle/URN com a identificador dins del Dipòsit en el Repositori Institucional: https://oa.upm.es/85967/

Com a resultat de la publicació del treball en el repositori institucional, s'han obtingut dades estadístiques d'ús que reflecteixen el seu impacte. En termes de difusió, podem afirmar que, fins a la data

  • Visualitzacions: 32
  • Descàrregues: 8

Anàlisi del lideratge dels autors institucionals

Hi ha un lideratge significatiu, ja que alguns dels autors pertanyents a la institució apareixen com a primer o últim signant, es pot apreciar en el detall: Primer Autor (GARCIA SAMARTIN, JORGE FRANCISCO) i Últim Autor (BARRIENTOS CRUZ, ANTONIO).

l'autor responsable d'establir les tasques de correspondència ha estat Garcia-Samartin, Jorge F.