Autonome drones zijn voorzichtig bij het navigeren door het onbekende. Ze kruipen naar voren, vaak onbekende gebieden in kaart brengen voordat ze verder gaan, anders botsen ze tegen niet-gedetecteerde objecten. Maar deze vertraging is niet ideaal voor drones die tijdgevoelige taken uitvoeren, zoals het vliegen van zoek- en reddingsmissies door dichte bossen.

Nu hebben MIT-onderzoekers een trajectplanningsmodel ontwikkeld waarmee drones met hoge snelheden door voorheen onontgonnen gebieden kunnen vliegen. terwijl je veilig blijft.

Het model - met de toepasselijke naam "FASTER" - schat het snelst mogelijke pad van een startpunt naar een bestemmingspunt over alle gebieden die de drone wel en niet kan zien, zonder oog voor veiligheid. Maar, terwijl de drone vliegt, het model registreert continu botsingsvrije "back-up"-paden die enigszins afwijken van die snelle vliegroute. Wanneer de drone niet zeker is van een bepaald gebied, het maakt een omleiding langs het back-uppad en herrouteert zijn pad. De drone kan dus met hoge snelheden langs het snelste traject cruisen en af ​​en toe iets vertragen om de veiligheid te garanderen.

"We willen altijd de snelste weg volgen, maar we weten niet altijd dat het veilig is. Indien, terwijl we dit snelste pad volgen, we ontdekken dat er een probleem is, we moeten een back-up plan hebben, " zegt Jezus Tordesillas, een afgestudeerde student aan de afdeling Lucht- en Ruimtevaart (AeroAstro) en eerste auteur van een paper waarin het model wordt beschreven dat volgende maand wordt gepresenteerd op de Internationale Conferentie over Intelligente Robots en Systemen van volgende maand. "We verkrijgen een traject met hogere snelheid dat misschien niet veilig is en een traject met lage snelheid dat volkomen veilig is. De twee paden worden eerst aan elkaar genaaid, maar dan wijkt de een af ​​voor prestaties en de ander voor veiligheid."

In bossimulaties, waar een virtuele drone rond cilinders navigeert die bomen voorstellen, SNELLER aangedreven drones voltooiden veilig vliegroutes ongeveer twee keer sneller dan traditionele modellen. In praktijktesten SNELLER aangedreven drones die rond kartonnen dozen in een grote ruimte manoeuvreerden, bereikten snelheden van 7,8 meter per seconde. Dat is grenzen verleggen voor hoe snel de drones kunnen vliegen, op basis van gewicht en reactietijden, zeggen de onderzoekers.

"Dat is ongeveer zo snel als je kunt gaan, " zegt co-auteur Jonathan How, de Richard Cockburn Maclaurin hoogleraar luchtvaart en ruimtevaart. "Als je in een kamer zou staan ​​met een drone die zeven tot acht meter per seconde vliegt, je zou waarschijnlijk een stap terug doen."

De andere co-auteur van het artikel is Brett T. Lopez, een voormalig Ph.D. student in AeroAstro en nu een postdoc bij NASA's Jet Propulsion Laboratory.

Paden splitsen

Drones gebruiken camera's om de omgeving vast te leggen als voxels, 3D-kubussen gegenereerd op basis van diepte-informatie. Terwijl de drone vliegt, elke gedetecteerde voxel wordt gelabeld als "vrije bekende ruimte, "niet bezet door objecten, en "bezette bekende ruimte, " die objecten bevat. De rest van de omgeving is "onbekende ruimte".

FASTER gebruikt al deze gebieden om drie soorten trajecten te plannen:"geheel, " "veilig, " en "toegewijd." Het hele traject is het hele pad van startpunt A naar doellocatie B, door bekende en onbekende gebieden. Om dit te doen, "convexe ontbinding, " een techniek die complexe modellen opsplitst in discrete componenten, genereert overlappende veelvlakken die deze drie gebieden in een omgeving modelleren. Met behulp van enkele geometrische technieken en wiskundige beperkingen, het model gebruikt deze veelvlakken om een ​​optimaal geheel traject te berekenen.

Tegelijkertijd, het model plant een veilig traject. Ergens langs het hele traject, het plot een "reddingspunt" dat het laatste moment aangeeft dat een drone kan omrijden naar een onbelemmerde vrije bekende ruimte, op basis van de snelheid en andere factoren. Om een ​​veilige bestemming te vinden, het berekent nieuwe veelvlakken die de vrij bekende ruimte beslaan. Vervolgens, het lokaliseert een plek binnen deze nieuwe veelvlakken. In principe, de drone stopt op een veilige plek maar zo dicht mogelijk bij onbekende ruimte, waardoor een zeer snelle en efficiënte omweg mogelijk is.

Toegewijd traject

Het vastgelegde traject bestaat uit het eerste interval van het hele traject, evenals het hele veilige traject. Maar dit eerste interval is onafhankelijk van het veilige traject, en daarom wordt het niet beïnvloed door het remmen dat nodig is voor het veilige traject.

De drone berekent één hele baan tegelijk, terwijl u altijd het veilige traject in de gaten houdt. Maar het heeft een tijdslimiet:wanneer het het reddingspunt bereikt, het moet met succes het volgende hele traject door bekende of onbekende ruimte hebben berekend. Zo ja, het zal het hele traject blijven volgen. Anders, het wijkt af naar het veilige traject. Deze aanpak stelt de drone in staat om hoge snelheden te handhaven langs de vastgelegde trajecten, wat de sleutel is tot het bereiken van hoge algemene snelheden.

Voor dit aan al het werk, de onderzoekers ontwierpen manieren waarop de drones alle planningsgegevens zeer snel konden verwerken, wat uitdagend was. Omdat de kaarten zo gevarieerd zijn, bijvoorbeeld, de tijdslimiet die aan elk toegewijd traject werd gegeven varieerde aanvankelijk sterk. Dat was rekenkundig duur en vertraagde de planning van de drone, dus ontwikkelden de onderzoekers een methode om snel vaste tijden te berekenen voor alle intervallen langs de trajecten, wat de berekeningen vereenvoudigde. De onderzoekers ontwierpen ook methoden om te verminderen hoeveel veelvlakken de drone moet verwerken om zijn omgeving in kaart te brengen. Beide methoden hebben de planningstijden drastisch verlengd.

"Hoe de vliegsnelheid te verhogen en de veiligheid te behouden, is een van de moeilijkste problemen voor de bewegingsplanning van drones, " zegt Sikang Liu, een software-engineer bij Waymo, voorheen het zelfrijdende auto-project van Google, en een expert in algoritmen voor trajectplanning. "Dit werk toonde een geweldige oplossing voor dit probleem door het bestaande raamwerk voor het genereren van trajecten te verbeteren. In de pijplijn voor trajectoptimalisatie, de tijdsbesteding is altijd een lastig probleem dat kan leiden tot convergentieproblemen en ongewenst gedrag. In dit artikel werd dit probleem aangepakt door middel van een nieuwe benadering... die een verhelderende bijdrage aan dit veld zou kunnen leveren."

De onderzoekers bouwen momenteel grotere, SNELLER aangedreven drones met propellers die zijn ontworpen om een ​​stabiele horizontale vlucht mogelijk te maken. traditioneel, drones zullen moeten rollen en stampen terwijl ze vliegen. Maar deze custom drone zou voor verschillende toepassingen volledig plat blijven.

Een mogelijke toepassing voor SNELLER, die is ontwikkeld met steun van het Amerikaanse ministerie van Defensie, zou het verbeteren van zoek- en reddingsmissies in bosomgevingen, die veel plannings- en navigatie-uitdagingen voor autonome drones met zich meebrengen. "Maar het onbekende gebied hoeft geen bos te zijn, " Hoe zegt het. "Het kan elk gebied zijn waar je niet weet wat er gaat komen, en het maakt uit hoe snel je die kennis opdoet. De belangrijkste motivatie is het bouwen van meer wendbare drones."

Dit verhaal is opnieuw gepubliceerd met dank aan MIT News (web.mit.edu/newsoffice/), een populaire site met nieuws over MIT-onderzoek, innovatie en onderwijs.