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.
„Lekarz gier. Fanatyk zombie. Studio muzyczne. Kawiarni ninja. Miłośnik telewizji. Miły fanatyk alkoholik.
