Simple Science

最先端の科学をわかりやすく解説

# コンピューターサイエンス# ロボット工学

マルチドローンレース技術の進歩

新しい方法がレーシングドローンのスピードと安全性を向上させる。

― 1 分で読む


レーシングドローンのためのレーシングドローンのための速い道とコーディネーションを強化!新しいメソッドがドローンレースのスピード
目次

自律型ドローンレースが人気のアクティビティになってきて、ドローンの高い能力をアピールしてるよ。このスポーツは、ドローンが自分でどれだけうまく飛べるかを試すもので、行き先の計画、位置の把握、動きの制御といったテクニックを使うんだ。今までは主に単体のドローンに関する研究が多かったけど、最近では複数のドローンが同時にレースすることへの関心が高まってきてる。

複数ドローンレースの課題

自律型ドローンレースの主な目標はシンプルで、ドローンが特定の順番でゲートを通過することなんだ。そして、一番早くコースをクリアしたドローンが勝ち。レース用ドローンの速度は時間とともに向上してきたけど、プロのパイロットにはまだ及ばないのが現状。ドローンレースの大きな課題は、単独またはグループのドローンが複雑なトラックをどうやって最適な経路で進むかを見つけることだよ。

2016年以前はドローンレースに関する研究はあまり行われていなかったけど、ドローンがもっと機敏に飛べるようにする様々な方法は既に確立されていたんだ。例えば、微分平坦理論に基づく技術は、定められた経路をドローンが進むのに効果的だった。でも、これらの方法では、最速の経路には至らないことが多くて、ドローンが最大限の性能を発揮できないこともあった。

ドローンレースにとって重要な瞬間が2016年に訪れた。このイベントは、チームが新しいテクニックを披露したり、人間のパイロットと競ったりするために設計されたんだ。このイベントは2019年まで続いたけど、その間にドローンの速度は徐々に上がってきたものの、やっぱり人間のパイロットには遠く及ばなかった。

ドローンレース技術の進化

技術が進化する中、いくつかの注目すべき成果があったんだ:

  • 2018年、あるチームが複雑な建物の中で5つのゲートを通過するクワッドローターをガイドし、印象的な速度に達した。
  • 2019年には、別のチームがさらに軽いドローンを開発し、シンプルなトラックを素早くナビゲートできるようにした。
  • 2019年のAlphaPilot Challengeでは、あるチームが人間のパイロットに非常に近いスピードを記録したけど、まだ追い越すことはできなかった。

2021年には、あるチームがドローンがレースイベントで専門の人間パイロットよりも速く飛べる新しい経路を作る方法を開発した。

多くの競技は一つのドローンのレースだけだったけど、FPVドローンレースのような実際のイベントでは人間のパイロットが複数の相手と同時にレースすることができるんだ。これが面白い問題を提起する:複数のドローンが同時にレースするにはどうすればいいの?現在、ほとんどの研究はドローンが一緒に飛ぶことに焦点を当てていて、衝突を避けるための戦略が多いんだ。でも、これらの戦略の多くは最適なレース速度にはつながらない。

ドローンレースへの新しいアプローチ

この研究では、複数のレース用ドローンのためにより速い経路を作る新しい方法が開発されたんだ。これには、ドローンが必要なウェイポイントを通過しながらお互いを避けつつ、できるだけ短時間で目的地に到達することが含まれている。

このアプローチは既存の技術を基にしているけど、安全性と速度を一緒に考えるように問題を再定義している。研究者たちはこの新しい方法をコンピュータシミュレーションでテストし、複数のドローンが予め定義されたトラックをレースしたんだ。さらに、実際のフライトテストも行って、実践においてそのアイデアがうまくいくかを確認した。

ドローンモデル

テストで使われたドローンは、基本的なダイナミクスを持つ既存のモデルを基にしていて、どのように飛ぶかを説明するものだった。これらのドローンの重要な要素には、推力とトルクが含まれていて、それによって必要に応じて移動や方向転換ができるようになってる。研究者たちは、ドローンがコースでうまく動作できるようにすべての必要な要素を考慮したんだ。

問題定義

この研究の目標は、レース用ドローンができるだけ早くコースをクリアしながら衝突を避けるための経路を作ることだった。これを達成するために、特定の順序でドローンを特定のウェイポイントに導くためのパラメータを追加し、飛行中にそのポイントにできるだけ近づくようにしたんだ。

前の方法では、ドローンがナビゲートするために一定数のポイントを設定していたけど、これだと異なるドローンが異なる時間に異なるチェックポイントに到達する可能性があって、衝突の可能性を考慮するのが難しかった。そこで、ポイント間の時間間隔を固定することで、ドローン同士のより良い調整を可能にしつつ、安全性を優先することにした。

シミュレーション結果

研究者たちは新しい方法を使って、指定されたトラック上で複数のドローンをレースさせるシミュレーションを行った。その結果、ドローンが衝突せずにより速く飛ぶことができることが確認されたんだ。

シミュレーションでは、ドローンが一連のウェイポイントを通過しながらお互いを避けることができた。この結果は、彼らの新しいアプローチが調整をより効率的にし、全体的なレース時間を向上させることを示した。

実世界テスト

方法をさらに検証するために、研究者たちは実世界でテストを行った。使用したドローンは軽量で、動きを制御するためのオンボードコンピュータを搭載し、正確に位置を追跡するための先進的なシステムを備えていた。テストエリアに制約があったため、ウェイポイントの数は制限されていたけど、依然としてドローンをコースにうまく導くことができたんだ。

この実世界のシナリオでは、ドローンが衝突せずにウェイポイントを通過し、印象的な速度を達成した。このことは、困難な条件下でも彼らの方法が実用的で効果的であることを示した。

結論

要するに、この研究は複数の自律型ドローンのためのレースパスを作成する新しい方法を示し、速度の向上と飛行中の安全性を確保したんだ。この方法はシミュレーションと実際の条件でうまく機能することが示されて、今後のドローンレースの発展に向けて道が開かれた。

今後、研究者たちはさらなる最適化を目指していて、ドローンが onboard で計算を行えるようにしたり、コードの効率を改善したりすることを考えてる。また、特に aggressive maneuvers の際にドローンの経路追跡を向上させる解決策を模索しているんだ。加えて、高速で屋外を飛ぶ小型ドローンにとっては位置追跡の課題も残っている。

全体的に、自律型ドローンレースの未来は明るくて、このエキサイティングな分野での研究と革新の機会がたくさんあるよ。

オリジナルソース

タイトル: Aggressive Trajectory Generation for A Swarm of Autonomous Racing Drones

概要: Autonomous drone racing is becoming an excellent platform to challenge quadrotors' autonomy techniques including planning, navigation and control technologies. However, most research on this topic mainly focuses on single drone scenarios. In this paper, we describe a novel time-optimal trajectory generation method for generating time-optimal trajectories for a swarm of quadrotors to fly through pre-defined waypoints with their maximum maneuverability without collision. We verify the method in the Gazebo simulations where a swarm of 5 quadrotors can fly through a complex 6-waypoint racing track in a 35m * 35m space with a top speed of 14m/s. Flight tests are performed on two quadrotors passing through 3 waypoints in a 4m * 2m flight arena to demonstrate the feasibility of the proposed method in the real world. Both simulations and real-world flight tests show that the proposed method can generate the optimal aggressive trajectories for a swarm of autonomous racing drones. The method can also be easily transferred to other types of robot swarms.

著者: Yuyang Shen, Jinming Xu, Jin Zhou, Danzhe Xu, Fangguo Zhao, Jiming Chen, Shuo Li

最終更新: 2023-03-01 00:00:00

言語: English

ソースURL: https://arxiv.org/abs/2303.00851

ソースPDF: https://arxiv.org/pdf/2303.00851

ライセンス: https://creativecommons.org/licenses/by/4.0/

変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。

オープンアクセスの相互運用性を利用させていただいた arxiv に感謝します。

著者たちからもっと読む

類似の記事