Aterrizar drones multirrotor suavemente es difícil. La turbulencia compleja se crea por el flujo de aire de cada rotor que rebota del suelo a medida que el suelo se acerca cada vez más durante un descenso. Esta turbulencia no se entiende bien ni es fácil de compensar, particularmentepara drones autónomos. Es por eso que el despegue y el aterrizaje son a menudo las dos partes más complicadas de un vuelo de drones. Los drones generalmente se tambalean y avanzan lentamente hacia un aterrizaje hasta que finalmente se corta el poder, y caen la distancia restante al suelo.
En el Centro de Sistemas y Tecnologías Autónomas de Caltech CAST, los expertos en inteligencia artificial se han asociado con expertos en control para desarrollar un sistema que utilice una red neuronal profunda para ayudar a los drones autónomos a "aprender" a aterrizar de manera más segura y rápida, mientras engullenmenos energía. El sistema que han creado, denominado "Neural Lander", es un controlador basado en el aprendizaje que rastrea la posición y la velocidad del dron, y modifica su trayectoria de aterrizaje y la velocidad del rotor en consecuencia para lograr el aterrizaje más suave posible.
"Este proyecto tiene el potencial de ayudar a los drones a volar de manera más suave y segura, especialmente en presencia de ráfagas de viento impredecibles, y consumir menos energía de la batería ya que los drones pueden aterrizar más rápidamente", dice Soon-Jo Chung, profesor Bren de Aerospaceen la División de Ingeniería y Ciencias Aplicadas EAS y científico investigador en JPL, que Caltech administra para la NASA. El proyecto es una colaboración entre Chung y los expertos en inteligencia artificial AI de Caltech, Anima Anandkumar, Bren Profesor de Informática y Ciencias Matemáticas, yYisong Yue, profesor asistente de informática y ciencias matemáticas.
El 22 de mayo se presentará un documento que describe el Neural Lander en la Conferencia Internacional sobre Robótica y Automatización del Instituto de Ingenieros Eléctricos y Electrónicos IEEE del 22 de mayo. Los coautores principales del artículo son los estudiantes graduados de Caltech Guanya Shi, cuya investigación de doctorado essupervisados conjuntamente por Chung y Yue, así como por Xichen Shi y Michael O'Connell, que son estudiantes de doctorado en el Grupo de control y robótica aeroespacial de Chung.
Las redes neuronales profundas DNN son sistemas de IA que están inspirados en sistemas biológicos como el cerebro. La parte "profunda" del nombre se refiere al hecho de que las entradas de datos se agitan a través de múltiples capas, cada una de las cuales procesa la información entrante en unUna forma diferente de descifrar detalles cada vez más complejos: los DNN son capaces de aprender automáticamente, lo que los hace ideales para tareas repetitivas.
Para asegurarse de que el dron vuela sin problemas bajo la guía del DNN, el equipo empleó una técnica conocida como normalización espectral, que suaviza las salidas de la red neuronal para que no haga predicciones muy variables a medida que cambian las entradas / condiciones.Las mejoras en el aterrizaje se midieron al examinar la desviación de una trayectoria idealizada en el espacio 3D. Se realizaron tres tipos de pruebas: un aterrizaje vertical recto, un aterrizaje de arco descendente y un vuelo en el que el dron roza una superficie rota, como por ejemploborde de una mesa, donde el efecto de la turbulencia del suelo variaría bruscamente.
El nuevo sistema disminuye el error vertical en un 100 por ciento, lo que permite aterrizajes controlados y reduce la deriva lateral hasta en un 90 por ciento. En sus experimentos, el nuevo sistema logra un aterrizaje real en lugar de quedarse atascado a unos 10 o 15 centímetros del suelo,como lo hacen a menudo los controladores de vuelo convencionales no modificados. Además, durante la prueba de desnatado, el Neural Lander produjo una transición mucho más suave a medida que el dron pasó de rozar la mesa a volar en el espacio libre más allá del borde.
"Con menos errores, el Neural Lander es capaz de un aterrizaje más rápido y suave y de deslizarse suavemente sobre la superficie del suelo", dice Yue. El nuevo sistema se probó en el aeródromo de tres pisos de altura de CAST, que puede simular un casivariedad ilimitada de condiciones de viento al aire libre. Inaugurado en 2018, CAST es una instalación de 10,000 pies cuadrados donde investigadores de EAS, JPL y la División de Ciencias Geológicas y Planetarias de Caltech se unen para crear la próxima generación de sistemas autónomos, mientras avanzan los campos.de investigación de drones, exploración autónoma y sistemas bioinspirados.
"Este esfuerzo interdisciplinario reúne a expertos del aprendizaje automático y los sistemas de control. Apenas hemos comenzado a explorar las ricas conexiones entre las dos áreas", dice Anandkumar.
Además de sus obvias aplicaciones comerciales, Chung y sus colegas han presentado una patente sobre el nuevo sistema, el nuevo sistema podría resultar crucial para los proyectos que se están desarrollando actualmente en CAST, incluido un transporte médico autónomo que podría aterrizar en lugares difíciles dellegar a lugares como un tráfico bloqueado. "No se puede exagerar la importancia de poder aterrizar rápida y suavemente cuando se transporta a una persona lesionada", dice Morteza Gharib, profesor de Ingeniería Aeronáutica e Bioinspirada Hans W. Liepmann, director de CAST;y uno de los investigadores principales del proyecto de ambulancia aérea.
Fuente de la historia :
Materiales proporcionado por Instituto de Tecnología de California . Original escrito por Robert Perkins. Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :