abhirampeesapp/AI-Incident-Commander

# AI-Incident-Commander 📌 概述 AI Incident Commander 是一个专为实时灾难响应设计的多智能体自主系统。在城市灾难 —— 洪水、地震、建筑物倒塌 —— 发生时，协调工作的延误会付出生命的代价。该系统部署 AI 驱动的无人机群，自主扫描灾区，利用计算机视觉检测幸存者，并在无需人工干预的情况下优先安排救援行动。 为 Resonate 2.0 黑客马拉松而构建 | Microsoft Student Ambassadors, SRM | 2026年4月3日–4日 🧠 问题陈述 在城市灾难期间： 应急响应团队缺乏实时态势感知 手动无人机控制速度慢且资源消耗大 废墟中的幸存者检测容易出错且存在延迟 救援优先级的确定是被动的，而非主动的 结果：由于响应延误和协调不力，导致伤亡增加。 💡 解决方案 一个 AI 驱动的 Incident Commander —— 一个分层级的多智能体系统，其功能包括： 自主划分并将灾区分配给无人机智能体 在实时无人机视频流上使用基于 YOLO 的实时人体检测 根据幸存者数量和区域危急程度动态确定救援优先级 向地面响应团队传达可执行的更新信息 🏗️ 系统架构 ┌─────────────────────────────────────────────────────┐ │ USER INPUT │ │ (Disaster Zone Coordinates) │ └─────────────────────────────┬───────────────────────┘ │ ▼ ┌─────────────────────────────────────────────────────┐ │ COMMAND AGENT │ │ Zone Division & Task Assignment │ └──────┬────────────────────────────────┬─────────────┘ │ │ ▼ ▼ ┌─────────────┐ ┌─────────────┐ │ DRONE │ │ DRONE │ │ AGENT 1 │ . . . │ AGENT N │ │ (Zone A) │ │ (Zone N) │ └──────┬──────┘ └──────┬──────┘ │ │ └───────────────┬────────────────┘ ▼ ┌────────────────────────┐ │ VISION AGENT │ │ YOLO Human Detection │ │ + Thermal Analysis │ └────────────┬───────────┘ │ ▼ ┌────────────────────────┐ │ DECISION AGENT │ │ Rescue Prioritization │ │ + Resource Allocation │ └────────────┬───────────┘ │ ▼ ┌────────────────────────┐ │ COMMUNICATION OUTPUT │ │ Ground Team Updates │ │ + Real-time Dashboard │ └────────────────────────┘ 🤖 智能体 AgentRoleKey ResponsibilityCommand AgentOrchestratorZone mapping, drone assignment, mission planningDrone Agent(s)ExecutorAutonomous flight, live video streaming, navigationVision AgentAnalystYOLO-based human detection, thermal overlayDecision AgentPrioritizerTriage scoring, rescue ordering, resource allocationCommunication AgentBroadcasterReal-time updates to ground teams and dashboard ⚙️ 技术栈 ComponentTechnologyAgent FrameworkPython (custom multi-agent orchestration)Drone MiddlewareROS2 (Robot Operating System 2)Human DetectionYOLOv8 — UltralyticsComputer VisionOpenCV 4.xSimulationGazebo / RVizCommunicationROS2 Topics / WebSocket 🔄 工作流程 1. 用户输入灾区（GPS 坐标 / 地图区域） ↓ 2. Command Agent 将区域分割为 N 个子区域 ↓ 3. Drone Agents 自主部署到分配的区域 ↓ 4. 实时视频流回传至 Vision Agent ↓ 5. YOLO 检测人体；位置标记 GPS ↓ 6. Decision Agent 根据幸存者密度 + 严重程度对区域进行评分 ↓ 7. 救援团队收到按优先级排序的实时任务简报 ↓ 8. 系统随着新检测到的结果持续更新 🗂️ 项目结构 ai-incident-commander/ │ ├── agents/ │ ├── command_agent.py # Zone division & task orchestration │ ├── drone_agent.py # Autonomous flight & streaming │ ├── vision_agent.py # YOLO human detection │ ├── decision_agent.py # Rescue prioritization logic │ └── communication_agent.py # Real-time output & alerts │ ├── models/ │ └── yolov8n.pt # Pre-trained YOLO weights │ ├── simulation/ │ ├── gazebo_world/ # Disaster zone simulation worlds │ └── rviz_config/ # RViz visualization configs │ ├── utils/ │ ├── zone_mapper.py # GPS zone segmentation │ ├── triage_scorer.py # Survivor priority scoring │ └── comms.py # WebSocket / ROS2 bridge │ ├── dashboard/ │ └── live_map.py # Real-time rescue map UI │ ├── tests/ │ └── test_agents.py │ ├── requirements.txt ├── launch.py # System entry point └── README.md 🚀 快速开始 前置条件 bash# Python 3.10+ python --version # ROS2 Humble (推荐 Ubuntu 22.04) sudo apt install ros-humble-desktop # Gazebo 模拟器 sudo apt install ros-humble-gazebo-ros-pkgs 安装 bash# Clone the repository git clone https://github.com/your-team/ai-incident-commander.git cd ai-incident-commander # 安装 Python 依赖 pip install -r requirements.txt # Source ROS2 source /opt/ros/humble/setup.bash 运行系统 bash# Launch simulation environment ros2 launch simulation disaster_world.launch.py # 启动 AI Incident Commander python launch.py --zone "coordinates.json" --drones 4 示例输出 [COMMAND AGENT] Zone divided into 4 sectors. Assigning drones... [DRONE AGENT 1] Deployed to Sector A. Scanning... [DRONE AGENT 2] Deployed to Sector B. Scanning... [VISION AGENT] ⚠ Sector A: 3 survivors detected at [12.9716, 80.2310] [VISION AGENT] ⚠ Sector C: 1 survivor detected at [12.9731, 80.2295] [DECISION AGENT] 🚨 Priority 1: Sector A (3 survivors, debris level HIGH) [DECISION AGENT] 🔶 Priority 2: Sector C (1 survivor, debris level MEDIUM) [COMMS AGENT] 📡 Rescue teams notified. ETA: 4 min to Sector A. 🎯 创新点 与依赖手动无人机控制或静态传感器网络的传统系统不同，AI Incident Commander 使用 Agentic AI —— 能够： 利用区域分析进行自主规划 通过计算机视觉进行实时感知 利用动态检伤分类评分进行决策 通过指挥无人机群和向地面团队发出警报来采取行动 这创造了一个能够随灾难规模扩展的自我协调的数字化灾难救援力量。 📊 预期成果 - 使用 YOLOv8 进行实时人体检测 - 基于幸存者密度的区域优先级划分 - 相比手动无人机控制，响应时间更快 👥 团队: Binary Bombers 📄 许可证 MIT License — 详见 LICENSE。

标签：PyRIT, YOLO, 人工智能, 公共服务, 城市搜救, 多智能体系统, 安全应急, 幸存者检测, 应急救援, 无人机集群, 智能指挥, 深度学习, 灾害响应, 用户模式Hook绕过, 目标检测, 自主系统, 计算机视觉, 路径规划, 边缘计算, 逆向工具, 集群控制, 黑客马拉松项目