自主机器人飞机在室内飞行

几十年来，学术界和工业界的研究人员一直在研究自动直升机的控制算法——自动驾驶的机器人直升机，而不需要远程人类指导。数十个研究团队参加了由国际无人驾驶车辆系统协会(AUVSI)发起的一系列自主直升机挑战;进展如此之快，以至于最后两个挑战都涉及了不使用GPS的室内导航。

麻省理工学院(MIT)的鲁棒机器人小组(Robust Robotics Group)为自己设定了一个更艰巨的挑战:为没有gps的飞机的室内飞行开发自主控制算法。在2011年的国际机器人与自动化会议(ICRA)上，该小组的一组研究人员描述了一种计算飞机轨迹的算法;2012年，在同一次会议上，他们提出了一种确定其“状态”(位置、物理方向、速度和加速度)的算法。现在，麻省理工学院的研究人员已经完成了一系列的飞行测试，在测试中，一架自动驾驶的机器人飞机运行着他们的状态估计算法，成功地穿过了麻省理工学院Stata中心停车库的柱子。

“我们从直升机转向固定翼飞行器的原因是固定翼飞行器是一个更复杂、更有趣的问题，但它的飞行时间要长得多，”鲁棒机器人小组负责人、航空航天副教授尼克·罗伊(Nick Roy)说。“直升机非常努力地让自己保持在空中，我们希望能够在更长的时间内飞行更长的距离。”

对于飞机来说，这个问题更加复杂，因为“它的速度要快得多，而且它不能做任意的运动，”罗伊说。“它们不能横着飞，不能盘旋，它们有失速速度。”

在翻译中找到

为了为算法的执行争取一点额外的时间，并确保近距离的机动性，麻省理工学院的研究人员从头开始建造了他们自己的飞机。Adam Bry是航空航天系的研究生，也是ICRA两篇论文的主要作者，他就飞机的设计咨询了航空天文学教授Mark Drela。“他是一个能在10分钟内设计出一架完整飞机的人，”布里说。“他可能不记得自己做过这件事。”结果，这架飞机的机翼短而宽，这使得它能够以相对较低的速度飞行，并进行急转弯，但仍有足够的货物容量来携带运行研究人员算法的电子设备。

由于飞机在密闭空间内自主导航的问题非常困难，而且这是一个全新的研究领域，麻省理工学院的团队最初通过为飞机提供其环境的精确数字地图来帮助它。这是AUVSI挑战中的直升机所不具备的:它们必须一边飞行一边绘制地图。

但这架飞机仍然需要利用机载激光测距仪和惯性传感器(加速度计和陀螺仪)的数据，实时确定自己在地图上的位置。它还必须推导出它的方向——它在任何方向上倾斜了多少——它的速度，和加速度。因为这些属性中的许多都是多维的，为了确定它在任何时刻的状态，这个平面必须计算15个不同的值。

这是一个巨大的计算挑战，但布里、罗伊和亚伯拉罕·巴赫拉赫(亚伯拉罕·巴赫拉赫是电气工程和计算机科学专业的研究生，也是罗伊小组的成员)通过结合两种不同类型的状态估计算法解决了这个问题。一种叫做粒子滤波器，它非常精确，但很耗时;另一种被称为卡尔曼滤波器，它只在某些限制假设下是准确的，但它非常有效。在算法上，诀窍是只对那些需要它的变量使用粒子滤波器，然后将结果转换回卡尔曼滤波器的语言。

面对质疑

为了绘制飞机的轨迹，Bry和Roy采用了由航空天文学教授Emilio Frazzoli的航空航天机器人和嵌入式系统(ARES)实验室开发的极其高效的运动规划算法。然而，ARES算法的设计目的是处理比飞行中的飞机所能提供的更可靠的状态信息，所以Bry和Roy不得不添加一个额外的变量来描述状态估计可靠的概率，这使得问题的几何结构更加复杂。

麻省理工学院的研究人员下一步将开发一种算法，可以在飞行中构建飞机环境的地图。罗伊说，在测距仪的测量和惯性数据中添加视觉信息可以使问题更容易处理。布里说:“这里肯定有重大挑战需要解决。”“但我认为这当然是可能的。”

麻省理工学院

web.mit.edu

——克里斯·瓦夫拉编辑，控制工程，www.globalelove.com

您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献，并获得你和你的公司应得的认可。点击在这里开始这个过程。