Sci Simple

New Science Research Articles Everyday

# Ingeniería Eléctrica y Ciencia de Sistemas # Robótica # Sistemas y Control # Sistemas y Control

Los robots voladores mejoran la navegación en espacios reducidos

Los UAVs usan reglas inteligentes para moverse de manera segura y eficiente a través de obstáculos sin hablar.

Thiviyathinesvaran Palani, Hiroaki Fukushima, Shunsuke Izuhara

― 6 minilectura


Drones inteligentes Drones inteligentes navegan por espacios reducidos. equipo. movimiento de drones y el trabajo en Reglas innovadoras mejoran el
Tabla de contenidos

Los robots están cada vez más inteligentes y populares, y pueden trabajar juntos para hacer todo tipo de cosas. Este artículo habla de cómo un grupo de robots voladores, llamados UAVs, puede moverse de forma segura por lugares complicados llenos de Obstáculos, como pasillos estrechos o espacios reducidos, todo mientras se mantienen en contacto entre ellos sin hablar.

Imagina un montón de Drones amigables tratando de atravesar una fiesta llena de gente sin chocar entre ellos o dejar a nadie atrás. Eso es lo que estos UAVs están intentando hacer. Uno de ellos es el líder, y solo él sabe el camino hacia la mesa de aperitivos. Los demás tienen que seguir, pero no pueden perder la conexión entre ellos. ¡Si lo hacen, alguien podría quedarse sin los deliciosos bocadillos!

El Problema

Al volar por espacios estrechos, los robots tienen que evitar chocar con cosas, como paredes u otros robots. Es un poco como jugar al dodgeball con una venda en los ojos. Cada robot tiene que averiguar a dónde ir sin chocar. Tienen que mantener al grupo unido sin perder a ningún miembro, especialmente porque no siempre pueden comunicarse entre ellos.

Algunos investigadores encontraron una forma para que los UAVs trabajen juntos sin chatear, lo cual es genial cuando no hay Wi-Fi. Tuvieron un plan para cambiar cómo los robots se conectan entre sí y ajustar su formación para moverse suavemente por espacios reducidos.

Pero este plan no era perfecto. A veces, los robots terminaban zigzagueando en lugar de volar en línea recta, con algunos quedándose atascados o perdiendo la conexión. ¡Imagina un grupo de amigos tratando de caminar en línea recta y enredándose en su lugar!

Mejores Soluciones

Para solucionar los problemas de los métodos anteriores, algunos genios sugirieron una nueva manera de controlar los drones usando algo llamado Funciones de barrera de control (CBFs). Piensa en las CBFs como pequeñas reglas que mantienen a los drones seguros mientras vuelan. Les ayudan a recordar que no deben chocar con paredes o entre ellos.

Estas nuevas reglas son diferentes de los métodos más antiguos, que a menudo simplemente empujaban a los drones lejos de los obstáculos como un portero en un club nocturno. Con las CBFs, los robots voladores tienen una mejor manera de evitar chocar porque realmente prestan atención a qué tan rápido van y dónde están en relación entre sí.

Cómo Funciona

Entonces, ¿cómo se comunican estos UAVs sin hablar? Usan sus sensores para mantener un ojo entre ellos. Piénsalo como un juego de sigue al líder, pero todos los jugadores son muy conscientes de su entorno y de los demás. Si un drone se acerca demasiado a otro o a una pared, ajusta su camino de acuerdo a sus reglas establecidas.

El primer paso implica decidir qué Conexiones entre los UAVs deben mantenerse activas. Es como decidir qué amigos pueden tomarse de la mano mientras caminan a través de una multitud. Los drones tienen que averiguar con quién mantenerse cerca y con quién pueden darse el lujo de soltar cuando sea necesario.

A continuación, cada drone determina a dónde debería ir basándose en su entorno. El líder tiene un camino objetivo, mientras que los seguidores tienen que ajustar su posición para permanecer con el grupo. Es como una cadena de perlas donde la primera perla conoce el camino, y las otras perlas siguen de cerca sin enredarse.

Además de seguirse entre ellos, estos robots inteligentes también pueden evitar obstáculos al cambiar sus velocidades y direcciones. Esto se hace sin depender de cálculos de computadora complicados en cada momento, lo que facilita que drones con cerebros menos potentes sigan volando suavemente.

Pruebas de los Métodos

Para ver qué tan bien funcionaban los nuevos métodos, los investigadores realizaron simulaciones y experimentos usando robots voladores reales. En estas pruebas, pusieron a los UAVs a través de una serie de entornos llenos de obstáculos, incluyendo algunos que parecían túneles estrechos.

Los drones navegaron a través de estos túneles, evitando colisiones con paredes y entre ellos. Tenían que asegurarse de seguir moviéndose juntos mientras se mantenían conectados. Piensa en ello como un baile coreografiado, donde los bailarines tienen que mantener sus formaciones mientras evitan pisarse los pies.

¡Los resultados fueron prometedores! Los nuevos métodos basados en CBF mostraron menos problemas y menos movimientos inestables que los anteriores. Los drones volaron de una manera más suave y controlada, demostrando que seguir buenas reglas realmente vale la pena.

Los Experimentos

Los investigadores no se detuvieron en las simulaciones. Llevaron su trabajo al mundo real, volando una pequeña flota de cuadricópteros a través de un circuito de obstáculos. Montaron una pared con un pequeño agujero para que los drones pudieran pasar, como un desafío divertido en un carnaval.

Usando sensores, los cuadricópteros pudieron navegar a través de este agujero mientras gestionaban su movimiento para mantenerse dentro de límites seguros. Se veía impresionante: robots voladores pasando a través de obstáculos y siguiéndose entre sí, como una banda de marcha bien entrenada.

Si bien hubo algunos contratiempos en las pruebas reales, los drones en su mayoría lograron evitar chocar y mantuvieron sus conexiones intactas. Como un juego de sillas musicales, los drones tenían que asegurarse de no perder conexión mientras navegaban por espacios estrechos.

Conclusión

En resumen, los nuevos métodos de control para UAVs representan una mejora significativa en cómo estos drones pueden navegar por entornos complejos. Al usar CBFs y una gestión inteligente de conexiones, estas máquinas voladoras son mejores para evitar obstáculos y mantener su cohesión grupal, todo sin necesidad de hablar como un grupo de ardillas emocionadas.

El trabajo futuro seguirá construyendo sobre estas ideas, con el objetivo de permitir que grupos aún más grandes de drones trabajen juntos en entornos más desafiantes. ¡Después de todo, si unos pocos drones pueden hacer una fiesta voladora, solo imagina lo que podría hacer un enjambre entero!

Fuente original

Título: Connectivity Preserving Decentralized UAV Swarm Navigation in Obstacle-laden Environments without Explicit Communication

Resumen: This paper presents a novel control method for a group of UAVs in obstacle-laden environments while preserving sensing network connectivity without data transmission between the UAVs. By leveraging constraints rooted in control barrier functions (CBFs), the proposed method aims to overcome the limitations, such as oscillatory behaviors and frequent constraint violations, of the existing method based on artificial potential fields (APFs). More specifically, the proposed method first determines desired control inputs by considering CBF-based constraints rather than repulsive APFs. The desired inputs are then minimally modified by solving a numerical optimization problem with soft constraints. In addition to the optimization-based method, we present an approximate method without numerical optimization. The effectiveness of the proposed methods is evaluated by extensive simulations to compare the performance of the CBF-based methods with an APF-based approach. Experimental results using real quadrotors are also presented.

Autores: Thiviyathinesvaran Palani, Hiroaki Fukushima, Shunsuke Izuhara

Última actualización: 2024-11-28 00:00:00

Idioma: English

Fuente URL: https://arxiv.org/abs/2411.19019

Fuente PDF: https://arxiv.org/pdf/2411.19019

Licencia: https://creativecommons.org/licenses/by-nc-sa/4.0/

Cambios: Este resumen se ha elaborado con la ayuda de AI y puede contener imprecisiones. Para obtener información precisa, consulte los documentos originales enlazados aquí.

Gracias a arxiv por el uso de su interoperabilidad de acceso abierto.

Artículos similares