Ved robotlaboratoriet til Worcester Polytechnic Institute (WPI) tester de små droner basert på ekkolokalisering Disse flaggermuslignende dronene er designet for å operere der synet svikter: i mørke, tett røyk eller uvær. Disse håndflatestore flyene er rettet mot søk- og redningsoppdrag i scenarier som for tiden er svært kompliserte for forretningsmodeller.
Teamet, ledet av Nitin Sanket, assisterende professor i robotteknikk ved WPI, tar utgangspunkt i en svært utbredt realitet i nødsituasjoner: Katastrofer kuttet strømforsyningen Og mange operasjoner foregår om natten. Derfor hentet de inspirasjon fra naturen for å lage plattformer som flyr med «ører» i stedet for å stole på kameraer, forsterket med lavstrømsnavigasjons- og kontrollalgoritmer.
Hvordan fungerer ekkolokalisering i disse mikrodronene?
Prototypen bruker en ultralydsensor Den er enkel, lik den automatiske kranen, og sender ut pulser og måler ekkoet for å beregne avstander og unngå kollisjoner. Dette prinsippet, som er relatert til det som brukes av flaggermus, lar den oppdage gjennomsiktige hindringer eller med lav kontrast, hvor kameraene ville komme til kort.
I laboratoriedemonstrasjoner ble dronen først skutt opp i omgivelseslys og deretter i svakt lys. et svakt rødt lyssamt kunstig tåke og snø. Når man nærmet seg en pleksiglassvegg, bremset og rygget systemet gjentatte ganger, noe som viste at det akustiske ekkoet var tilstrekkelig for sikker manøvrering.
En av hindringene var propellstøysom forurenset ultralydavlesningene. For å redusere dette designet forskerne 3D-printede hus som demper interferensen og orienterer den akustiske strålen, noe som forbedrer signal-til-støy-forholdet under flyvning.
Teamet kompletterer det fysiske aspektet med kunstig intelligens å filtrere og klassifisere ekkoer i sanntid. Disse modellene bidrar til å skille relevante refleksjoner fra støy og falske alarmer, en nøkkelfaktor hvis du ønsker å skalere til mer komplekse oppdrag uten å øke energiforbruket.
Fra prototyper til autonome svermer
Utover grunnleggende flyging ønsker forskere å bevege seg fra manuell kontroll til samarbeidende utplasseringer. Tanken er at flere droner deler terrenget, lærer av hva de andre ser (eller hører), og tar lokale beslutninger om hvor de skal fortsette søket, med mennesket som en strategisk veileder.
I tråd med dette har Ryan Williams, førsteamanuensis ved Virginia Tech, jobbet med å programmere droner som koordinerer banene sine med redningsmannskaper. Gruppen hans har brukt historiske data fra tusenvis av tilfeller av savnede personer for å modellere hvordan noen som går seg vill i en skog beveger seg og dermed prioritere de mest sannsynlige søkeområdene.
Med disse modellene plasserer systemet droner i områder med høyere sannsynlighet og justerer søkemønsteret basert på ny informasjon. Kombinasjonen av stiplanlegging Og «akustiske» sensorer åpner døren for løsninger som fungerer selv uten pålitelig GPS eller klart syn.
Det endelige målet, innrømmer teamene, er at autonomi ikke lenger bare skal være symbolsk. I dag er utplasseringen av virkelig autonome droner Det er sjeldent i redningsaksjoner; utfordringen ligger i å demonstrere sikkerhet, robusthet og sporbarhet av beslutninger for operativ bruk.
Bruksområder og operasjonelt omfang
De siste årene har gitt eksempler på droner som har blitt brukt i redningsaksjoner: flom i PakistanEt tilfelle i California etter to dager etter en foss, eller plasseringen av en trygg rute for tre fangede gruvearbeidere i Canada. Dette var konvensjonelle systemer, men WPIs tilnærming tar sikte på å fylle hull der visjonen svikter og timing det er alt.
Hvis disse teknologiene modnes, nødetatene i Europa og Spania De kan vise seg nyttige i scenarier som involverer røyk, støv, snø eller komplekse interiører, som industribygninger, tunneler eller forfalne strukturer. Nøkkelen, understreker forskere, er å holde kostnadene lave og energieffektive for å tillate utplassering av mange enheter samtidig.
For å legge til rette for adopsjon er WPI-prototypen avhengig av komponenter av hobbyklasse og kompakte design som senker den totale kostnaden. Jo rimeligere maskinvaren er, desto enklere blir det å få disse silisium-"flaggermusene" inn i katalogene for sivilt beskyttelsessystem.
Det som gjenstår å løse
Naturen setter standarden høyt. En flaggermus er i stand til diskriminerer ekkoer ved å velge det den hører og oppdage objekter så fine som et hårstrå fra flere meters avstand. Droner er fortsatt langt fra den følsomheten og selektiviteten, både når det gjelder maskinvare og prosessering.
WPI-prosjektet, som har en stipend fra National Science FoundationDet gjøres fremskritt steg for steg: forbedring av hus, finjustering av signalfiltre, optimalisering av strømforbruk og styrking av navigasjonen. Likevel gjenstår utfordringer, som fremdriftsstøy, tilgjengelig energi i slike små formater og validering i virkelige miljøer med skiftende forhold.
Parallelt utforsker det akademiske økosystemet hvordan integrere læring av ekte søkedata og koordinere med menneskelige team på bakken. Konvergensen mellom akustiske sensorer og syn der det er mulig og bevegelsesmodeller kan akselerere spranget fra konseptbevis til utrulling.
Bildet som disse fremskrittene tegner er tydelig: mikrodroner med "ører"Disse dronene er rimelige og effektive, og kan dekke nattskiftet for søk og redning, og operere i svermer der sikten er begrenset. Teknisk og regulatorisk arbeid gjenstår, men veien skissert av WPI og Virginia Tech åpner en realistisk måte å operere trygt i mørke, røyk eller uvær.
