Esta investigación es de Guanrui Li, Alex Tunchez y Giuseppe Loianno en el Laboratorio de Percepción y Robótica Ágil (ARPL) en NYU. Como puede ver en el video, el dron hace que mantener un control sólido como una roca sobre esa carga útil suspendida parezca fácil, pero no lo es mucho, especialmente considerando que todo lo que ve se ejecuta a bordo del dron a 500Hz; todo lo que se necesita es una IMU. y una cámara monocular orientada hacia abajo, junto con el procesador Snapdragon del dron.
Para que esto funcione, el dron debe estar pensando en dos cosas. Primero, está la estimación del estado, que es el comportamiento del dron en sí junto con su carga útil al final de la correa. El dron se da cuenta de esto observando cómo se mueve la carga útil usando su cámara y rastreando su propio movimiento con su IMU. En segundo lugar, está predecir qué hará la carga útil a continuación, y cómo eso concuerda (o no) con lo que el dron quiere hacer a continuación. Los investigadores desarrollaron un sistema de control predictivo modelo (MPC) para esto, con algunas restricciones de percepción adicionales para asegurarse de que el comportamiento del dron mantenga la carga útil a la vista de la cámara.
Por el momento, la velocidad máxima del sistema es de 4 m / s, pero parece que, en lugar de aumentar la velocidad de un solo dron que balancea la carga útil, los siguientes pasos serán hacer que el sistema general sea más complicado mediante el uso de varios drones. para gestionar de forma cooperativa cargas útiles atadas que son demasiado grandes o pesadas para que un dron las maneje solo.
Para obtener más información sobre esto, hablamos con Giuseppe Loianno, director de ARPL.
IEEE Spectrum: hemos visto algunos ejemplos de drones de reparto que entregan cargas suspendidas. ¿Cómo mejorará este trabajo sus capacidades?
Giuseppe Loianno: Por primera vez, diseñamos conjuntamente un modelo de percepción restringida de control predictivo y enfoques de estimación de estado para permitir la autonomía de un quadrotor con una carga útil suspendida por cable utilizando detección y computación a bordo. El método de control propuesto garantiza la visibilidad de la carga útil en la cámara del robot, así como el respeto de la dinámica del sistema y las limitaciones del actuador. Estos son aspectos de diseño críticos para garantizar la seguridad y la resiliencia en una tarea tan compleja y delicada que involucra el transporte de objetos.
El desafío adicional implica el hecho de que nuestro objetivo es resolver el problema mencionado anteriormente utilizando un conjunto mínimo de sensores para la navegación autónoma hecha por una sola cámara e IMU. Este es un objetivo ambicioso ya que al mismo tiempo implica estimar la carga y los estados del vehículo. Los enfoques anteriores aprovechan los sistemas de captura de movimiento o GPS para la estimación del estado y no consideran la percepción y las limitaciones físicas al resolver el problema. Confiamos en que nuestra solución contribuirá a hacer realidad el proceso de entrega autónoma en almacenes o en zonas urbanas densas donde la señal GPS se encuentra actualmente ausente o en sombra.
¿Marcará alguna diferencia en los sistemas de entrega que utilizan un cable accionado y solo dejan la carga suspendida para la entrega en sí?
Ciertamente, esta es una pregunta interesante. Creemos que agregar un cable accionado introducirá más desventajas que beneficios. Ciertamente, un cable accionado se puede aprovechar para compensar los movimientos de balanceo del cable en condiciones de viento y / o aumentar la precisión de la entrega. Sin embargo, la introducción de mecanismos y componentes accionados adicionales tiene el precio de una mayor masa e inercia del sistema. Esto reducirá el tiempo total de vuelo y la agilidad del vehículo, así como la resistencia del sistema con respecto a la tarea de transporte. Finalmente, los mecanismos activos también son más difíciles de diseñar en comparación con los pasivos.
¿Qué tiene de desafiante hacer todo esto en el vehículo?
Hay varios desafíos para resolver a bordo de este problema. Primero, es muy difícil ejecutar simultáneamente la percepción y la acción en tales plataformas con limitaciones computacionales en tiempo real. En segundo lugar, el primer aspecto se vuelve aún más desafiante si consideramos, como en nuestro caso, un problema de control del horizonte de retroceso restringido basado en la percepción que tiene como objetivo garantizar la visibilidad de la carga útil durante el movimiento, respetando simultáneamente todas las limitaciones físicas y de detección del sistema. Finalmente, ha sido un desafío ejecutar todo el sistema a un ritmo alto para liberar completamente la agilidad del sistema. Actualmente podemos alcanzar frecuencias de 500 Hz.
¿Puede su método adaptarse a cargas de diferentes formas, tamaños y masas? ¿Qué pasa con la aerodinámica o volar con el viento?
Técnicamente, nuestro enfoque se puede adaptar fácilmente a diferentes tamaños y masas de objetos. Nuestras contribuciones anteriores ya han demostrado la capacidad de estimar cambios en línea en la configuración del vehículo / carga y potencialmente pueden usarse para operar el sistema propuesto en condiciones dinámicas, donde las características de la carga son desconocidas y / o pueden variar en vuelos consecutivos. Esto puede resultar útil tanto para la entrega de paquetes como para las operaciones de almacén, donde es necesario transportar o manipular diferentes tipos de objetos.
El problema de la aerodinámica es un gran punto. En general, nuestro trabajo anterior ha investigado la aerodinámica de las perturbaciones del viento para un solo robot sin carga. Formular estos problemas para el sistema propuesto es un desafío y sigue siendo una cuestión de investigación abierta. Tenemos algunas ideas para abordar este problema combinando técnicas de estimación bayesiana con enfoques de aprendizaje automático más recientes y lo abordaremos en un futuro próximo.
¿Cuáles son las limitaciones en el rendimiento del sistema? ¿Qué tan rápido y ágil puede ser con una carga útil suspendida?
Los límites de las prestaciones se establecen mediante el sistema de actuación y detección. Nuestro enfoque considera intrínsecamente las limitaciones físicas y sensoriales de nuestro sistema. Desde una perspectiva de detección y cálculo, creemos estar cerca de los límites con velocidades de hasta 4 m / s. Las velocidades más rápidas pueden introducir borrosidad por movimiento y reducir la precisión del seguimiento de la carga. Además, los movimientos más rápidos aumentarán así como las perturbaciones aerodinámicas que acabamos de mencionar. En el futuro, modelar estos fenómenos y su incorporación en la solución propuesta puede impulsar aún más la agilidad.
Su documento habla sobre la extensión de este enfoque a varios vehículos que transportan de manera cooperativa una carga útil, ¿puede contarnos más sobre eso?
Actualmente estamos trabajando en un enfoque distribuido de percepción y control para el transporte cooperativo. ¡Ya tenemos algunos resultados muy emocionantes que compartiremos con ustedes muy pronto! En general, podemos emplear un equipo de robots aéreos para transportar de manera cooperativa una carga útil para aumentar la capacidad de carga útil y dotar al sistema de resistencia adicional en caso de fallas de los vehículos. Un sistema cooperativo de transporte cooperativo de carga útil suspendida por cable también permite controlar de forma simultánea e independiente la posición y orientación de la carga. Esto no es posible simplemente usando conexiones rígidas. Creemos que nuestro enfoque tendrá un fuerte impacto en entornos del mundo real para la entrega y la construcción en almacenes y entornos sin GPS, como áreas urbanas densas. Además, en escenarios posteriores a un desastre, un equipo de robots aéreos físicamente interconectados puede entregar suministros y establecer comunicación en áreas donde la señal GPS es intermitente o no está disponible.
PCMPC: modelo de control predictivo restringido por percepción para cuadrotores con cargas suspendidas utilizando una sola cámara e IMU, por Guanrui Li, Alex Tunchez y Giuseppe Loianno de NYU, se presentará (virtualmente) en ICRA 2021.