Halsey Andrews Zazwyczaj inne metody albo upraszczają dynamikę systemu w algorytmie planowania trajektorii, albo wykorzystują dwa różne modele, jeden dla trybu helikoptera, a drugi dla trybu samolotu. Żadne z podejść nie pozwala zaplanować i wdrożyć agresywnych ścieżek, takich jak te zademonstrowane przez zespół MIT.
„Naprawdę chcieliśmy wykorzystać całą moc systemu. Te samoloty, nawet jeśli są bardzo małe, są bardzo mocne i zdolne do wykonywania ekscytujących manewrów akrobatycznych. Dzięki naszemu podejściu, korzystając z jednego modelu, możemy pokryć cały lot koperta – wszystkie warunki, w jakich może latać pojazd” – mówi Ezra Tal, naukowiec w Laboratorium Systemów Informacyjnych i Decyzji (LIDS) i główny autor artykułu. Nowy artykuł opisujący pracę.
Tal i jego współpracownicy wykorzystali algorytmy generowania trajektorii i sterowania, aby pokazać zawodnikom wykonującym złożone manewry, takie jak pętle, obroty i zakręty wspinaczkowe, a także zademonstrowali wyścig dronów, podczas którego trzech zawodników przedarło się przez bramki powietrzne i wykonało kilka jednoczesnych manewrów akrobatycznych.
Za zgodą badaczy
Algorytmy te mogą umożliwić modułom śledzącym autonomiczne wykonywanie złożonych ruchów w dynamicznych środowiskach, takich jak wlot do zawalonego budynku i unikanie przeszkód podczas szybkiego poszukiwania ocalałych.
W artykule do Tal dołącza Gilhyun Ryo, absolwent Wydziału Elektrotechniki i Informatyki (EECS); oraz starszy autor Sirtak Karaman, profesor nadzwyczajny lotnictwa i astronautyki oraz dyrektor LIDS. szukaj Pojawia się w transakcjach IEEE dotyczących robotyki.
Obróbka śladów ogonowych
Nikołaj Tesla wynalazł projekt opiekunki do dzieci w 1928 roku, ale dopiero prawie 20 lat po złożeniu patentu ktokolwiek poważnie podjął się jej zbudowania. Nawet dzisiaj, ze względu na złożoność siedzenia na tylnym siedzeniu, zastosowania badawcze i komercyjne zwykle koncentrują się na samolotach, które są łatwiejsze w sterowaniu, takich jak drony typu quadcopter.
Istniejące już algorytmy generowania trajektorii i sterowania dla pasażerów z tyłu skupiają się głównie na płynnych trajektoriach i powolnych przejściach, a nie na szybkich, akrobatycznych manewrach, do których zdolne są te samoloty.
W tak trudnych warunkach lotu Tal i jego współpracownicy zdali sobie sprawę, że będą musieli dostosować algorytmy planowania i kontroli trajektorii specjalnie do zwrotnych trajektorii z szybko zmieniającymi się przyspieszeniami, aby umożliwić tym wyjątkowym samolotom osiągnięcie najwyższych osiągów.
W tym celu wykorzystali globalny model dynamiczny, czyli model mający zastosowanie do wszystkich warunków lotu, od startu pionowego do przodu, po lot boczny. Następnie skorzystali z technologii zwanej różnicową płaskością, aby zapewnić wydajne działanie tego modelu.
W procesie tworzenia trajektorii kluczowym krokiem jest upewnienie się, że samolot faktycznie może polecieć zaplanowaną trajektorią – być może ma minimalny promień skrętu, który uniemożliwia uzyskanie szczególnie ostrego kąta. Ponieważ urządzenia umieszczone na tylnym siedzeniu to złożone systemy, zawierające klapy i wirniki oraz charakteryzujące się tak złożonymi ruchami powietrza, często potrzeba wielu obliczeń, aby określić, czy trajektoria jest wykonalna, co utrudnia tradycyjne algorytmy planowania.
Stosując spłaszczanie różniczkowe, badacze z MIT mogą użyć funkcji matematycznej, aby szybko sprawdzić, czy ścieżka jest możliwa. Ich podejście pozwala uniknąć wielu złożonych dynamiki systemów i wykreśla ścieżkę wstecz jako matematyczną krzywą w przestrzeni. Następnie algorytm wykorzystuje spłaszczanie różnicowe, aby szybko zweryfikować wykonalność tej ścieżki.
„To skanowanie jest bardzo tanie obliczeniowo i dlatego dzięki naszemu algorytmowi możesz planować trasy w czasie rzeczywistym” – wyjaśnia Tal.
Trajektorie te mogą być bardzo złożone i obejmować szybkie przełączanie między lotem pionowym i poziomym, przy jednoczesnym uwzględnieniu manewrów bocznych i odwróconych, ponieważ badacze zaprojektowali swój algorytm w sposób, który równomiernie uwzględnia wszystkie te różnorodne warunki lotu.
„Wiele zespołów badawczych skupiło się na quadkopterach, które są bardzo powszechną konfiguracją w prawie wszystkich dronach konsumenckich. Z drugiej strony drony umieszczone z tyłu są bardziej wydajne podczas latania do przodu. Myślę, że nie były one tak często używane, ponieważ bardzo trudno nimi latać” – mówi Karaman. „Ale opracowany przez nas rodzaj autonomicznej technologii nagle udostępnił ją do wielu zastosowań, od technologii konsumenckiej po inspekcje przemysłowe na dużą skalę”.
Widok z tyłu z lotu ptaka
Poddali swoją metodę próbie, planując i realizując szereg trudnych tras dla pasażerów w wewnętrznej przestrzeni lotniczej MIT. W jednym z testów pokazali, jak opiekun ogona wykonuje zakręt wznoszący, podczas którego samolot skręca w lewo, następnie gwałtownie przyspiesza i wraca w prawo.
Zorganizowali także „pokaz lotniczy” dla pasażerów z tyłu, podczas którego trzech zsynchronizowanych pasażerów wykonywało pętle i ostre zakręty, a następnie płynnie przelatywało przez powietrzne bramki. Tal twierdzi, że nie byłoby możliwe planowanie tych manewrów w czasie rzeczywistym bez wykorzystania jej modelu rozliczeń różnicowych.
„Opracowano i zastosowano spłaszczanie różnicowe w celu wygenerowania gładkich trajektorii podstawowych układów mechanicznych, takich jak wahadło mechaniczne. Teraz, ponad 30 lat później, zastosowaliśmy je w stałopłatach. Może istnieć wiele innych zastosowań, które moglibyśmy mieć to” – dodaje Ryo. W przyszłości”.
Kolejnym krokiem badaczy z MIT jest rozszerzenie algorytmu tak, aby można go było efektywnie wykorzystać do w pełni autonomicznych lotów na świeżym powietrzu, gdzie wiatr i inne warunki środowiskowe mogą znacząco wpływać na dynamikę stałopłata.
Prace te były częściowo wspierane przez Biuro Badań Armii Stanów Zjednoczonych.
