昆虫算法实现成群的微型无人机探索未知环境

 

 

研究人员提出了一群可以独立探索未知环境的微型无人机。这项工作于10月23日发表在科学杂志上，是群体机器人领域向前迈出的重要一步。挑战在于这样一个事实，即33克的微型无人机必须以非常有限的传感器和计算能力自主导航。由来自代尔夫特理工大学，利物浦大学和奈梅亨大学拉德布德大学的研究人员组成的联合研究小组，受到昆虫寻找方法相对简单的启发，解决了这一难题。

 

 

 

 

大自然的启发

昆虫群给机器人技术人员带来了这样的想法，即小型机器人也可以通过成群运行来克服自身的局限性。大量廉价的小型机器人可以执行当前超出大型单个机器人范围的任务。例如，一群小型飞行的无人机可以比一个大型无人机更快地探索灾区。到现在为止，这些群似乎是未来的音乐。

 

营救行动

在过去的四年中，来自代尔夫特理工大学，利物浦大学和拉德布德大学奈梅亨大学的联合研究团队一直致力于设计能够探索未知环境的小型无人机群。该研究由荷兰科学研究组织（NWO）资助，是自然人工智能计划的一部分。该研究项目的目的是采取步骤，在救援行动中使用大量无人机。

 

主要前提是，将来，救援人员可以释放成群的小型无人机来探索灾区，例如即将倒塌的建筑物。这些无人驾驶飞机将飞入建筑物，对其进行探索，然后返回基站并提供相关信息。这将使救援人员能够将精力集中在最相关的领域，例如幸存者。

 

寻找受害者

对于该项目，微型无人机安装了摄像头，并在有遮盖的办公室环境中派出，找到了两个假人，这些假人在灾难中扮演了受害者的角色。这项作为“概念验证”的救援任务清楚地表明，一群人具有优势。在六分钟之内，一群六架无人驾驶飞机设法探索了大约80％的开放房间-这对于单架无人机来说是不可能的。另外，使用集群证明对冗余是有益的。一架无人机发现了受害者，但由于相机中的硬件错误而无法还原图像。幸运的是，另一架无人机也将受害者记录在摄像机上。 

 

一架无人驾驶飞机正在探索一个房间，寻找一个（红色）假人（左），以及从小型无人机的机载摄像头看到的“受害者

挑战赛

进行该项目的博士生金伯利·麦奎尔（Kimberly McGuire）表示：“通过蜂群实现探索的最大挑战是无人机的个体智能。” “在项目开始时，我们的重点是实现基本的飞行功能，例如速度控制和避免障碍物。然后，我们设计了一种方法，使小型无人机可以相互观察和躲避。为此，我们为每架无人机提供了一个用于无线通信的芯片，并且我们使用了这些芯片之间的信号强度，这就像随着您远离家中的Wi-Fi路由器，手机屏幕上的条形数量减少了一样。动作。

 

自主导航

群体探索的最大挑战是小型机器人很难通过未知环境独立地找到自己的路。这是因为小型机器人的观察和计算能力非常有限。

 

在这里，自然也提供了重要的启发。昆虫没有制定详细的平面图。相反，他们会记住与其行为相关的地标和地点，例如食物来源和巢穴。“新导航方法背后的主要思想是设定最低导航要求：我们对机器人的唯一要求是它们可以找到返回基站的方式，”该项目的主要研究人员Guido de Croon说。“首先，机器人群在整个环境中扩散，每个机器人遵循不同的首选方向。探索之后，机器人将返回基站的无线信标。” 

在不到六分钟的时间内探索整个办公楼层的六架微型无人机的轨迹。无人驾驶飞机从中间开始位置的基站出发，探索开放的房间，最后返回基站

 

昆虫算法

Kimberly McGuire继续说：“提出的导航方法是一种新型的错误算法。” “这类算法并不能绘制出其中包含所有障碍物的环境图，而只是在遇到障碍物时避开它们。原则上，详细的地图非常有用，因为机器人可以根据最佳路线从地图上的一个点导航到另一点。但是对于小型机器人来说，制作这样的地图太昂贵了。所提出的错误算法提供的路由效率较低，但是具有可以在小型机器人中实现的优点。”

 

相关论文源码下载地址：关注“图像算法”微信公众号 回复“昆虫”