Sandia National Laboratories ontwikkelt autonomie en kunstmatige intelligentie voor vluchtsystemen die stijgen tot meer dan 3, 800 km/u. De technologieën om daar te komen zullen in eerste instantie worden getest op drones die met ongeveer 5 mph rondschuiven.

"We willen succes garanderen voordat we technologieën testen op hypersonische vluchten, ", zei Sandia-manager Jay Brown.

Een team van stagiaires bij Sandia National Laboratories heeft deze zomer bijgedragen aan het hypersonische doel door de eerste twee drones te voltooien die de laboratoria zullen gebruiken om nieuwe algoritmen voor autonome navigatie uit te proberen. begeleiding en controle, en doelherkenning.

De stages werden verzorgd door Autonomy New Mexico, een door Sandia geleide academische coalitie om autonome hypersonische vlucht te bereiken.

"De AutonomyNM-drones bieden Sandia een wendbaar platform om snel onze capaciteiten te evalueren, ' zei Bruin.

Elke drone - een quadcopter en een hexacopter - slaagde voor een laatste vliegtest voordat de studenten voor het herfstsemester naar school terugkeerden. De voertuigen toonden een vermogen om zichzelf te positioneren, hun positiecoördinaten bijwerken en een doelwit herkennen en erop landen.

Voertuigen ontworpen voor verschillende experimenten

Deze drones zijn gebouwd voor flexibiliteit. Gebruikers uploaden en updaten algoritmen op afstand, in verschillende programmeertalen, via een Wi-Fi-verbinding. Een USB-camera kan worden verwijderd en vervangen om met verschillende sensoren te experimenteren.

Elk voertuig is uitgerust met twee boordcomputers:een kleinere die de rotors aanstuurt en een krachtigere die visuele informatie van de camera verwerkt. Beide computers, echter, had strikte beperkingen qua grootte en gewicht om de drones licht genoeg te houden om te vliegen. Deze beperking daagde het team uit om efficiënte programmeerstrategieën te bedenken.

"Het algoritme moet snel genoeg kunnen werken om bruikbare resultaten te geven, " zei Sandia-wetenschapper Logan Wright, die als adviseur van het team fungeerde. "Een obstakeldetectie-algoritme is niet erg handig als het een obstakel detecteert nadat je er al tegenaan bent gelopen."

De groep testte hun zichtalgoritmen door met een camera door een testruimte te lopen, nemen van foto's. Ze uploadden de foto's naar de drones samen met een algoritme om de afbeeldingen samen te voegen tot een 3D-kaart. Vervolgens, het team stuurde instructies naar de drones om naar specifieke coördinaten te gaan. De drones oriënteerden zich door wat ze door hun camera's zagen te vergelijken met hun interne kaarten en vlogen vervolgens naar de juiste plekken.

Zelfstandig vliegen een multidisciplinaire uitdaging

Hypersonische voertuigen vliegen mijlen boven de grond, dus ingenieurs hebben een enorme creatieve speelruimte bij het ontwikkelen en programmeren van voertuigen voor open luchten. Maar deze vrijheid kan ook een uitdaging zijn.

"Als je te maken hebt met zelfrijdende auto's, je hebt te maken met een zeer beperkte set regels omdat er verkeersregels zijn, " zei AutonomyNM-stagiair Lauren Risany, een tweedejaarsstudent in Lafayette, De in Indiana gevestigde Purdue University. "Je stopt bij een stopbord. Je gaat als het licht op groen springt. Maar als je te maken hebt met een quadcopter, die regels heb je niet per se."

Om de drones te bouwen en de algoritmen te maken, studenten bundelden verschillende ervaringsniveaus en achtergronden, variërend van lucht- en ruimtevaarttechniek tot computertechniek en machine learning.

"Mijn hoofdstuurhuis is waarschijnlijk mechanisch ontworpen, " zei Jared Li, een lid van het team en een afgestudeerde student aan het Georgia Institute of Technology in Atlanta, Georgië. "Daar heb ik in het verleden in meerdere banen aan gewerkt, maar het heeft me nooit echt mijn vaardigheden laten uitbreiden of iets nieuws leren of zelfs maar enthousiast zijn over wat ik aan het doen ben. Maar hier, het is anders. En dat vind ik heel leuk."