Pohled na vývoj autonomních dronů

Autonomní systémy se postupně stávají součástí našeho každodenního života od robotických vysavačů až po samořiditelné automobily. Vývoj autonomních systémů neobešel ani velmi populární oblast dronů. Tvorba algoritmů pro drony přináší řadu výzev, se kterými se musí jejich autoři vypořádat. Podporu jim poskytují současné simulační a vizualizační nástroje, bez kterých by vývoj často nebyl vůbec možný.
Využití dronů ve společnosti má stoupající trend. Můžeme si jich všimnout v průmyslu při inspekcích a sledování objektů, při doručování zásilek, filmování, případně ve výuce. Jejich řízení je většinou manuální, kdy pilot ovládá dron ve své blízkosti. V současné době se však začínají prosazovat řešení, která umožňují přechod od manuálního řízení k autonomnímu letu. K tomu je třeba vytvořit a detailně otestovat komplikované algoritmy. Ne vždy je bezpečné testovat algoritmy přímo v reálném světě a v tomto okamžiku přichází na scénu využití softwarových nástrojů pro modelování a simulaci, například prostředí MATLAB & Simulink.

Dynamika letu
Základem simulace dronů a obecně UAV zařízení (Unmanned Aerial Vehicles) je dynamika jejich letu. Míra přesnosti modelu závisí na způsobu, jakým dynamiku modelujeme. Dle toho můžeme zvolit různé prostředky, které jsou v simulačních nástrojích k dispozici. V prostředí MATLAB můžeme pro rychlé vytvoření prototypu využít zjednodušené navigační modely fixed-wing a multirotor. Pomocí těchto modelů odhadujeme základní stavy UAV na základě řízení dronu a okolního prostředí. Zjednodušené modely jsou snáze nastavitelné a v řadě situací postačující. V případě potřeby pak můžeme nahradit zjednodušený model detailním modelem, který kromě rovnic pohybu umožní modelovat aerodynamické síly a momenty, akční členy, motory nebo vliv počasí.

Návrh autonomních algoritmů
Další fází ve vývoji autonomních dronů je vývoj algoritmů pro plánování a řízení pohybu. Při plánování máme většinou předdefinovanou misi se stanovenými body na trase. MATLAB poskytuje algoritmy pro zajištění sledování stanovených bodů, pohyb po orbitě nebo plánování mise. K plánování pohybu v prostředí s různými překážkami je možné využít mapy obsazenosti (occupancy map) s algoritmy RRT (rapidly-exploring random tree) nebo simulovat různá kinematická omezení.

Mapa obsazenosti pro plánování pohybu dronu

Simulace ve virtuálním prostředí
Po vytvoření algoritmů je třeba ověřit jejich funkčnost v prostředí reprezentujícím skutečný svět. Nejrychlejším způsobem je tvorba prostředí, ve kterém jsou překážky definovány jako kvádry. V tomto prostředí máme možnost generovat syntetická měření ze snímačů, jako je INS, GPS nebo LIDAR, o která se navigační algoritmy dronu opírají. Pokročilejší prostředí je možné simulovat pomocí fotorealistických 3D vizualizací, ze kterých získáme realističtější data z (virtuálních) kamer letícího dronu. Vyhodnocování kamerových snímků bývá též nedílnou součástí autonomního pilotování a možnost jeho prověření ve virtuálním prostředí snižuje riziko selhání před letovými zkouškami se skutečným dronem.

 

Algoritmus vytvořený v prostředí MATLAB a Simulink (a), jeho simulace ve virtuálním světě (b, c) a syntetická data z LIDARu (d)

Nasazení algoritmů na hardware
Vytvořený algoritmus, který byl ověřen v simulačním prostředí, je nyní možné nasadit a otestovat na reálném zařízení. MATLAB poskytuje podporu protokolu MAVLink, který slouží pro výměnu dat mezi řídící stanicí a autopilotem nebo palubním počítačem. Hlavním krokem je pak automatické generování zdrojového kódu (programu) z algoritmů vytvořených v MATLABu a jejich nasazení na hardware autopilota a řídicí počítač, který s autopilotem komunikuje. Po nasazení algoritmu se může přejít k letovým zkouškám a následně ke zprovoznění celého systému.

Jak začít?
Vývojové nástroje, jako je prostředí MATLAB, poskytují dokumentaci s příklady, které Vám pomohou začít s tvorbou autonomních algoritmů pro UAV zařízení. Ukázkou může být příklad UAV Package Delivery, který vás provede návrhem a simulací algoritmu malého dronu.

Distributor produktů společnosti MathWorks v České republice a na Slovensku:
HUMUSOFT s. r. o.
http://www.humusoft.cz

Webbův dalekohled objevil velké množství plynů bohatých na uhlík, které slouží jako ingredience pro budoucí planety

Planety vznikají v discích plynu a prachu, které obíhají kolem mladých hvězd. Cílem projektu MIRI …

Napsat komentář

Vaše e-mailová adresa nebude zveřejněna. Vyžadované informace jsou označeny *