Nós refinamos o planejador introduzindo uma nova forma para o núcleo da equação que permite facilmente lidar com terrenos não-homogêneos. Isto é obtido através de mudanças locais na concavidade/convexidade do potencial, criando regiões com altas ou baixas preferências de navegação. Nós integramos esta nova equação ao planejador hierárquico, surgindo uma ampla variedade de aplicações. Nossa proposta contribui para diversas áreas incluindo a navegação de agentes, pathfinding em jogos, simulação de multidões, e a navegação de robôs. Nossas publicações reforçam a relevância e robustez do método proposto. / In this work, we propose a new solution to agent navigation based upon boundary value problems (BVP), called Configurable Flows, to control steering behaviors of characters in dynamic environments. We use a potential field formalism that allows synthetic actors to move negotiating space, avoiding collisions, and attaining goals while producing very individual paths. The individuality of each character can be set by changing its inner field parameters leading to a broad range of possible behaviors without jeopardizing its performance. BVP Path Planners generate potential fields through a differential equation whose gradient descent represents navigation routes from any point of the environment to a goal position. Resulting paths are smooth and free from local minima. In spite of these advantages, these kind of planners consumes a lot of time to produce a solution. Our approach combines a BVP Path Planner with the Full Multigrid Method, which solves elliptic partial differential equations using a hierarchical strategy. The proposed planner enables real-time performance in large environments. Results show that our proposal spends less than 1% of the time needed to compute a solution using the original BVP planners in several environments. We refine our Path Planner by introducing a new form of the core equation that permits to easily cope with terrain inhomogeneities. This is accomplished by locally changing the concavity/ convexity of the potential, and then creating regions with higher or lower navigation preferences. As the potential field requires several steps to converge, this approach can be expensive computationally. To overcome this problem, we integrate this novel core equation to the hierarchical planner, emerging a wide variety of applications. We believe our proposal can contribute to several areas of research including agent navigation, pathfinding for games, crowd simulation and robotics. Our publications reinforce the relevance of the proposed method.

Métodos eficientes para planejamento de caminhos têm sido explorados ao longo dos anos para permitir movimento de robôs autônomos ou agentes virtuais. Basicamente, estes algoritmos buscam pelo ambiente por um caminho com pouca probabilidade de colisão com obstáculos, e que conduza o agente de uma posição inicial para uma posição objetivo. Apesar de os primeiros algoritmos para planejamento de caminhos para calcular rotas em grafos foram apresentados a mais de 50 anos atrás, ainda existe muito trabalho sendo realizado para melhorar as técnicas existentes hoje em dia. Os algoritmos de planejamento de caminhos atuais normalmente assumem que o ambiente pode ser facilmente projetado em um plano. Também existem diversos algoritmos que podem trabalhar facilmente com mais dimensões. Porém, uma classe de ambientes que não podem ser facilmente tratadas pelos algoritmos atuais é composta por superfícies arbitrárias. Estas superfícies, com buracos e torções, por exemplo, não podem ser facilmente projetadas em um plano. O fato de o caminho ser restrito à superfície faz com que, em um dado ponto o algoritmo precise calcular um caminho 2D em uma superfície 3D, o que não é trivial de mapear em um algoritmo de planejamento de caminhos para várias dimensões. Este trabalho apresenta uma nova técnica de planejamento de caminhos em superfícies 3D, chamada 3DS-BVP. Este novo planejador de caminhos é baseado em um algoritmo de planejamento de caminhos para ambientes 2D. O algoritmo anterior, chamado BVPPath- Planner, utiliza problemas de valor de contorno (Boundary Value Problems, BVP) e funções harmônicas para gerar campos potenciais. Ao seguir o gradiente descente destes campos potenciais, é possível produzir caminhos suaves livres de mínimos locais, partindo de qualquer posição do ambiente para um dado objetivo. Nosso algoritmo gera um campo potencial diretamente na superfície 3D utilizando um método numérico que foi inspirado por aquele utilizado no BVP-Path-Planner. O 3DS-BVP trabalha sobre superfícies complexas com buracos ou curvaturas, representadas por malhas de triângulos, sem a necessidade de parametrizar a superfície em uma representação 2D. Nossos resultados demonstram que a técnica pode gerar caminhos com qualidade similar àqueles gerados pelo BVP-Path-Planner em ambientes planos. O mesmo algoritmo é capaz de gerar caminhos em superfícies arbitrárias a taxas de atualização interativas. / Efficient path planning methods are being explored along the years to allow the movement of autonomous robots or virtual agents. Basically these algorithms search the environment for a path with low probability of collision with obstacles that conduces the agent from an initial to a goal position. Although the first path planning algorithms to compute routes in graphs were presented more than 50 years ago, there is still a lot of effort into improving the current approaches. The current path planning algorithms usually assume that the environment can be easily projected on a plane. There are also other algorithms that can easily deal with higher dimensional spaces. But a class of environments that cannot be easily treated by current algorithms is the one composed by arbitrary surfaces. These surfaces, with holes and bends for instance, cannot be directly projected on a plane. Because the path must be on the surface, it has only 2 degrees of freedom in any point of the surface, which is not trivial to map for a higher dimensional path planning algorithm. This work presents a new technique for path planning on 3D surfaces called 3DS-BVP. This new path planner is based on a previous path planning algorithm for 2D environments. The former algorithm, called BVP-Path-Planner, uses Boundary Value Problems (BVP) and harmonic functions to generate potential fields. By following the gradient descent of these potential fields, it is possible to produce smooth paths free from local minima from any point of the environment to a given goal position. Our algorithm generates a potential field directly on the 3D surface using a numerical method inspired on the one used by the BVP-Path-Planner. The 3DS-BVP works over complex surfaces of arbitrary genus or curvature, represented by a triangle mesh, without the need of 2D parametrizations. Our results demonstrate that our technique can generate paths with similar quality as those generated by the BVP-Path-Planner in planar environments. The same algorithm is also able to generate paths in arbitrary surfaces at interactive frame rates.

A geração de bons movimentos em tempo real para corpos com muitos graus de liberdade ainda é um desafio. Uma quantidade elevada de graus de liberdade aumenta de forma exponencial a quantidade de posições diferentes que um determinado corpo pode obter. Fazer uso dessa quantidade de possibilidades para gerar movimentos complexos pode ser extremamente útil para planejamento de movimentos de robôs ou personagens virtuais, porém incrivelmente caro em termos computacionais. Existem muitos algoritmos que se baseiam no uso de mapas de caminhos (chamados roadmaps) para trabalhar com corpos com muitos graus de liberdade. Um roadmap funciona como uma coletânea de poses de um corpo interligadas entre si, onde cada ligação representa uma possibilidade de transição livre de colisões. Geralmente as técnicas que utilizam roadmaps usam abordagens determinísticas ou aleatórias para atingir o objetivo. Através de métodos determinísticos é possível explorar de forma mais uniforme o espaço de configuração, garantindo uma melhor cobertura e qualidade do roadmap. Já as abordagens aleatórias, geralmente permitem um melhor desempenho e, principalmente, tornam viáveis a aplicação de uma solução para corpos com muitos graus de liberdade. Neste trabalho é proposto um método determinístico adaptável para a geração de roadmaps (ADRM) que provê uma cobertura adequada do espaço de configuração em um tempo perfeitamente aceitável em comparação a outros métodos. Para obter isso, é feita em primeiro lugar uma classificação de todos os DOFs do modelo e, então, essa classificação é usada como parâmetro para decidir quantas amostras serão geradas de cada DOF. A combinação entre as amostras de todos os DOFs gera a quantidade total de amostras. Para validação do novo método foram executados diversos testes em ambientes distintos. Os testes foram avaliados através da comparação com outras técnicas existentes, em quesitos como tempo de geração e cobertura do espaço de configuração. Os resultados demonstram que o método atinge uma cobertura do espaço de configuração muito boa, em um tempo aceitável. / The creation of good real time movements for bodies with many degrees of freedom (DOF) still remains a challenge. A great amount of DOFs increase, in an exponential way, the quantity of different positions that a body can assume. Making use of that amount of possibilities to generate complex movements can be useful for planning robots’ movements or even to animate virtual characters, however it is extremely expensive in computational terms. There are many algorithms that are based on the use of roadmaps to work with bodies with many degrees of freedom. A roadmap works as a collection of valid body’s positions interconnected, where each connection represents a possibility of a transaction free of collisions. Usually, the techniques which make use of roadmaps follow deterministic or probabilistic approaches to get to the objective. Trough deterministic methods it is possible to explore in a more uniform way the configuration’s space, assuring a better covering and quality of the roadmap. Therefore, probabilistic (or random) approaches allow a better performance and, mainly, make possibly the application of a solution for bodies with higher degrees of freedom. This work proposes a deterministic method applicable to roadmaps generation (ADRM) which provides an adequate covering of the configuration’s space in a completely acceptable time range comparing to other rates. To achieve this goal, first of all a classification of all of the DOFs of the model is made and, then, this classification is used as a parameter to decide how many samples will be generated of each DOF. The combining between the samples of all of the DOFs generates the total amount of samples. To validate the new method, several tests were executed at different environments. The tests were evaluated trough the comparison with other existents techniques, using criteria like the time spent in generating a roadmap and covering of the space of configuration. The results show us that the method achieves a satisfactory covering of the space configuration in an acceptable time range.

Nós refinamos o planejador introduzindo uma nova forma para o núcleo da equação que permite facilmente lidar com terrenos não-homogêneos. Isto é obtido através de mudanças locais na concavidade/convexidade do potencial, criando regiões com altas ou baixas preferências de navegação. Nós integramos esta nova equação ao planejador hierárquico, surgindo uma ampla variedade de aplicações. Nossa proposta contribui para diversas áreas incluindo a navegação de agentes, pathfinding em jogos, simulação de multidões, e a navegação de robôs. Nossas publicações reforçam a relevância e robustez do método proposto. / In this work, we propose a new solution to agent navigation based upon boundary value problems (BVP), called Configurable Flows, to control steering behaviors of characters in dynamic environments. We use a potential field formalism that allows synthetic actors to move negotiating space, avoiding collisions, and attaining goals while producing very individual paths. The individuality of each character can be set by changing its inner field parameters leading to a broad range of possible behaviors without jeopardizing its performance. BVP Path Planners generate potential fields through a differential equation whose gradient descent represents navigation routes from any point of the environment to a goal position. Resulting paths are smooth and free from local minima. In spite of these advantages, these kind of planners consumes a lot of time to produce a solution. Our approach combines a BVP Path Planner with the Full Multigrid Method, which solves elliptic partial differential equations using a hierarchical strategy. The proposed planner enables real-time performance in large environments. Results show that our proposal spends less than 1% of the time needed to compute a solution using the original BVP planners in several environments. We refine our Path Planner by introducing a new form of the core equation that permits to easily cope with terrain inhomogeneities. This is accomplished by locally changing the concavity/ convexity of the potential, and then creating regions with higher or lower navigation preferences. As the potential field requires several steps to converge, this approach can be expensive computationally. To overcome this problem, we integrate this novel core equation to the hierarchical planner, emerging a wide variety of applications. We believe our proposal can contribute to several areas of research including agent navigation, pathfinding for games, crowd simulation and robotics. Our publications reinforce the relevance of the proposed method.

Métodos eficientes para planejamento de caminhos têm sido explorados ao longo dos anos para permitir movimento de robôs autônomos ou agentes virtuais. Basicamente, estes algoritmos buscam pelo ambiente por um caminho com pouca probabilidade de colisão com obstáculos, e que conduza o agente de uma posição inicial para uma posição objetivo. Apesar de os primeiros algoritmos para planejamento de caminhos para calcular rotas em grafos foram apresentados a mais de 50 anos atrás, ainda existe muito trabalho sendo realizado para melhorar as técnicas existentes hoje em dia. Os algoritmos de planejamento de caminhos atuais normalmente assumem que o ambiente pode ser facilmente projetado em um plano. Também existem diversos algoritmos que podem trabalhar facilmente com mais dimensões. Porém, uma classe de ambientes que não podem ser facilmente tratadas pelos algoritmos atuais é composta por superfícies arbitrárias. Estas superfícies, com buracos e torções, por exemplo, não podem ser facilmente projetadas em um plano. O fato de o caminho ser restrito à superfície faz com que, em um dado ponto o algoritmo precise calcular um caminho 2D em uma superfície 3D, o que não é trivial de mapear em um algoritmo de planejamento de caminhos para várias dimensões. Este trabalho apresenta uma nova técnica de planejamento de caminhos em superfícies 3D, chamada 3DS-BVP. Este novo planejador de caminhos é baseado em um algoritmo de planejamento de caminhos para ambientes 2D. O algoritmo anterior, chamado BVPPath- Planner, utiliza problemas de valor de contorno (Boundary Value Problems, BVP) e funções harmônicas para gerar campos potenciais. Ao seguir o gradiente descente destes campos potenciais, é possível produzir caminhos suaves livres de mínimos locais, partindo de qualquer posição do ambiente para um dado objetivo. Nosso algoritmo gera um campo potencial diretamente na superfície 3D utilizando um método numérico que foi inspirado por aquele utilizado no BVP-Path-Planner. O 3DS-BVP trabalha sobre superfícies complexas com buracos ou curvaturas, representadas por malhas de triângulos, sem a necessidade de parametrizar a superfície em uma representação 2D. Nossos resultados demonstram que a técnica pode gerar caminhos com qualidade similar àqueles gerados pelo BVP-Path-Planner em ambientes planos. O mesmo algoritmo é capaz de gerar caminhos em superfícies arbitrárias a taxas de atualização interativas. / Efficient path planning methods are being explored along the years to allow the movement of autonomous robots or virtual agents. Basically these algorithms search the environment for a path with low probability of collision with obstacles that conduces the agent from an initial to a goal position. Although the first path planning algorithms to compute routes in graphs were presented more than 50 years ago, there is still a lot of effort into improving the current approaches. The current path planning algorithms usually assume that the environment can be easily projected on a plane. There are also other algorithms that can easily deal with higher dimensional spaces. But a class of environments that cannot be easily treated by current algorithms is the one composed by arbitrary surfaces. These surfaces, with holes and bends for instance, cannot be directly projected on a plane. Because the path must be on the surface, it has only 2 degrees of freedom in any point of the surface, which is not trivial to map for a higher dimensional path planning algorithm. This work presents a new technique for path planning on 3D surfaces called 3DS-BVP. This new path planner is based on a previous path planning algorithm for 2D environments. The former algorithm, called BVP-Path-Planner, uses Boundary Value Problems (BVP) and harmonic functions to generate potential fields. By following the gradient descent of these potential fields, it is possible to produce smooth paths free from local minima from any point of the environment to a given goal position. Our algorithm generates a potential field directly on the 3D surface using a numerical method inspired on the one used by the BVP-Path-Planner. The 3DS-BVP works over complex surfaces of arbitrary genus or curvature, represented by a triangle mesh, without the need of 2D parametrizations. Our results demonstrate that our technique can generate paths with similar quality as those generated by the BVP-Path-Planner in planar environments. The same algorithm is also able to generate paths in arbitrary surfaces at interactive frame rates.

O planejamento probabilístico de mapa de rotas tem se mostrado uma poderosa ferramenta para o planejamento de caminhos para robôs móveis, devido a sua eficiência computacional, simplicidade de implementação e escalabilidade em diferentes problemas. Este método de planejamento possui duas fases. Na fase de construção, um mapa de rotas é gerado de forma iterativa e incremental, e armazenado na forma de um grafo G, cujos vértices são configurações livres, amostradas no espaço de configurações do robô e cujas arestas correspondem a caminhos livres de colisão entre tais configurações. Na fase de questionamento, dadas quaisquer configurações de origem e destino, \'alfa\' e \'beta\' respectivamente, o planejador conecta \'alfa\' e \'beta\' à G inserindo arestas que correspondem a caminhos livres de colisão, para então procurar por um caminho entre \'alfa\' e \'beta\' em G. Neste trabalho o foco reside principalmente na fase de construção do mapa de rotas. O objetivo aqui consiste em efetuar uma análise comparativa de diversas combinações de diferentes técnicas de amostragem das configurações livres e de diferentes técnicas de seleção de vértices em G, todas implementadas em um único sistema e aplicadas aos mesmos cenários. Os resultados propiciam um valioso auxílio aos usuários do planejamento probabilístico de mapas de rotas na decisão da melhor combinação para suas aplicações. / The probabilistic roadmap planning has emerged as a powerful framework for path planning of mobile robots due to its computational efficiency, implementation simplicity, and scalability in different problems. This planning method proceeds in two phases. In the construction phase a roadmap is incrementally constructed and stored as a graph G whose nodes are free configurations sampled on the robot\'s configuration space and whose edges correspond to collision-free paths between these configurations. In the query phase, given any start and goal configurations, \'alfa\' and \'beta\' respectively, the planner first connects \'alfa\' and \'beta\' to G by adding edges that correspond to collision-free paths, and then searches for a path in G between \'alfa\' and \'beta\'. In this work, we address mainly the roadmap construction phase. The goal here is to provide a comparative analysis of a number of combinations of different techniques for sampling free configurations and different node adding techniques, all implemented in a single system and applied to the same test workspace. Results help probabilistic roadmap planning users to choose the best combination for their applications.

O trabalho apresentado destaca a importância do uso de práticas agrícolas que estimulem a manutenção da agricultura em níveis de alta produtividade, mas que, ao mesmo tempo, viabilizem uma minimização dos efeitos negativos da agricultura sobre o meio ambiente. O trabalho situa-se no contexto da aquisição de informação sobre a plantação considerando sua variabilidade para uso em Agricultura de Precisão. Foi proposto o desenvolvimento de um método inteligente de amostragem, que faz uso de sensores embarcados em veículos autônomos com capacidade de processamento em conjunto com técnicas geoestatísticas de amostragem. O processo de amostragem proposto leva em consideração a dependência espacial do campo, obtendo apenas a quantidade de informação necessária para reproduzir confiavelmente a variável em estudo para análises posteriores, amostrando mais densamente áreas de maior variabilidade e menos densamente áreas de menor variabilidade. O método desenvolvido estabelece a exploração em duas fases. Na fase de levantamento exploratório é utilizado um esquema de amostragem aninhado adaptado para as características do sistema de coleta de dados, nesta fase é realizada uma primeira avaliação sobre a escala espacial de variabilidade do campo. Na fase do levantamento principal são realizados ciclos de amostragens em grade, quantas vezes seja necessário até que critérios de decisão sejam atingidos. Nestes ciclos, ou etapas, são tomadas decisões com base na qualidade e na densidade de variabilidade das amostras. Tais decisões estabelecem se a área deve ser mais amostrada ou dividida em subáreas. A mínima precisão que se deseja alcançar é determinada pelo usuário e também limitada pelas capacidades estruturais da máquina que realizará aplicações a taxa variada. Em comparação com métodos tradicionais de obtenção de dados com sensores embarcados, as análises dos resultados mostram reduções que chegam a 98% na quantidade de pontos amostrados e redução de mais de 49% na distância final percorrida pelo veículo. Assim, a utilização do método proposto viabiliza a redução em custos computacionais de armazenagem e processamento, de gastos com combustíveis e de tempo de mão de obra. Os resultados evidenciam que é viável a amostragem baseada na densidade de variabilidade, racionalizando a quantidade, a qualidade e a disposição da informação obtida e armazenada. Em conclusão, o método de amostragem proposto apresenta potencial capacidade para sua utilização como uma ferramenta de apoio às novas práticas agrícolas, oferecendo uma alternativa mais eficiente e inteligente aos métodos tradicionais de coleta de dados. / The present work highlights the importance of using farming practices that encourage the maintenance of agriculture in high levels of productivity and, at the same time, enable reduction of the negative effects of agriculture on the environment. The work is in the context of acquisition of crop information considering its variability for use in Precision Agriculture. The development of a smart sampling method has been proposed, which uses of embedded sensors in autonomous vehicles with a processing capacity together with sampling geostatistics techniques. The sampling process takes into account the spatial dependence of the field, obtaining strictly the necessary amount of information to subsequent analyzes in a reliable way. It also aims to sample areas of higher variability more densily and areas of lower variability less densily. The developed method performs the exploration in two phases. In the exploratory phase, a nested sampling scheme adapted to the characteristics of the system is used. In this phase, the first assessment about the spatial scale of variability of the field is done. In the main survey phase, grid samplings are performed in stages, as many times as necessary until the decision criteria are reached. At the stages of the main survey, decisions are taken based on the quality and variability density of the samples, and this establishes whether the area should be better sampled or divided into subareas. The user determines the minimum precision to be reached. The structural capabilities of the machine, that will perform the variable rate applications, also restrict the system precision. The result analyses show that the number of samples reduced 98% and the final distance ran by the autonomous vehicle reduced 49%, compared to traditional methods that use embedded sensors to collect data. Thus, the use of the proposed method represents reduced computational costs of data storage and processing, fuel costs and manpower. The results show that the sampling based on variability density is feasible, rationalizing the quantity, quality and layout of the information obtained and stored. In summary, the proposed sampling method shows potential capacity to be used as a tool to support new agricultural practices, offering a more efficient and smart alternative to traditional methods of data collection.

The visibility-aware path planner addresses the problem of path planning for target visibility. It computes sequences of motions that afford a line of sight to a stationary visual target for sensors on a robotic platform. The visibility-aware planner uses a model of the visible region, namely, the region of the task space in which a line of sight exists to the target. The planner also takes the orientation of the sensor into account, utilizing a model of the field of view frustum. The planner applies a penalty to paths that cause the sensor to lose target visibility by exiting the visible region or rotating so the target is not in the field of view. The planner applies these penalties to the edges in a probabilistic roadmap, providing weights in the roadmap graph for graph-search based planning algorithms. This thesis presents two variants on the planner. The static multi-query planner precomputes penalties for all roadmap edges and performs a best-path search using Dijkstra's algorithm. The dynamic single-query planner uses an iterative test-and-reject search to find paths of acceptable penalty without the benefit of precomputation. Four experiments are presented which validate the planners and present examples of the path planning for visibility on 6-DOF robot manipulators. The algorithms are statistically tested with multiple queries. Results show that the planner finds paths with significantly lower losses of target visibility than existing shortest-path planners. / Science, Faculty of / Computer Science, Department of / Graduate

The interest in robots in the urban search and rescue (USAR) field has increased the last two decades. The idea is to let robots move into places where human rescue workers cannot or, due to high personal risks, should not enter.In this thesis project, an application is constructed with the purpose of teleoperating a simple robot. This application contains a user interface that utilizes both autonomous and semi-autonomous functions, such as search, explore and point-and-go behaviours. The purpose of the application is to work with USAR principles in a refined and simplified environment, and thereby increase the understanding for these principles and how they interact with each other. Furthermore, the thesis project reviews the recent and the current status of robots in USAR applications and use of teleoperation and semi-autonomous robots in general. Some conclusions that are drawn towards the end of the thesis are that the use of robots, especially in USAR situations, will continue to increase. As robots and support technology both become more advanced and cheaper by the day, teleoperation and semi-autonomous robots will also be seen in more and more places.

After a huge amount of success within the military, the benefits of the use of unmanned aerial systems over manned aircraft is obvious. They are becoming cheaper and their functions advancing to such a point that there is now a large drive for their use by civilian operators. However there are a number of significant challenges that are slowing their inevitable integration into the national airspace systems of countries. A large array of emergency situations will need to be dealt with autonomously by contingency management systems to prevent potentially deadly incidences. One such emergency situation that will need autonomous intervention, is the total loss of thrust from engine failure. The complex multi faceted task of landing the stricken aircraft at a potentially unprepared site is called a forced landing. This thesis presents methods to address a number of critical parts of a forced landing system for use by an unmanned aerial system. In order for an emergency landing site to be considered, it needs to be within glide range. In order to find a landing site s reachability from the point of engine failure the aircraft s glide performance and a glide path must be known. A method by which to calculate the glide performance, both from aircraft parameters or experiments is shown. These are based on a number of steady state assumptions to make them generic and quick to compute. Despite the assumptions, these are shown to have reasonable accuracy. A minimum height loss path to the landing site is defined, which takes account of a steady uniform wind. While this path is not the path to be flown it enables a measure of how reachable a landing site is, as any extra height the aircraft has once it gets to the site makes a site more reachable. It is shown that this method is fast enough to be run online and is generic enough for use on a range of aircraft. Based on identified factors that make a landing site more suitable, a multi criteria decision making Bayesian network is developed to decide upon which site a unmanned aircraft should land in. It can handle uncertainty and non-complete information while guaranteeing a fast reasonable decision, which is critical in this time sensitive situation. A high fidelity simulation environment and flight test platform are developed in order to test the performance of the developed algorithms. The test environments developed enable rapid prototyping of algorithms not just within the scope of this thesis, but on a range of vehicle types. In simulation the minimum height loss paths show good accuracy, for two completely different types of aircraft. The decision making algorithms show that they are capable of being ran online in a flight test. They make a reasonable decision and are capable of quickly reacting to changing conditions, enabling redirection to a more suitable landing site.