Este documento considera el problema de la operación de búsqueda y rescate de personas después de desastres naturales o provocados por el hombre. Este problema surge tras varias calamidades, como terremotos, huracanes y explosiones. Por lo general, se tarda horas en localizar a los sobrevivientes entre los escombros. En la mayoría de los casos, es peligroso para los rescatistas visitar y explorar toda el área por sí mismos. Por lo tanto, hay una necesidad de acelerar todo el proceso de localización de sobrevivientes de manera precisa y con menos daño a la vida humana. Para abordar este desafío, presentamos una solución escalable. Planeamos introducir el uso de robots para la exploración inicial del sitio de la calamidad. Los robots explorarán el sitio e identificarán la ubicación de los sobrevivientes humanos examinando la transmisión de video (con audio) capturada por ellos. Luego transmitirán la ubicación detectada del sobreviviente a un servidor en la nube centralizado. También monitoreará la calidad del aire asociada con el área seleccionada para determinar si es seguro para los rescatistas ingresar a la región o no. El modelo de detección humana para imágenes que hemos utilizado tiene un mAP (precisión media promedio) del 70.2%. El enfoque propuesto utiliza una técnica de detección de voz que tiene un puntaje F1 de 0.9186 y la precisión general de la arquitectura es del 95.83%. Para mejorar la precisión de detección, hemos combinado técnicas de detección de audio y de imagen.