Стойкие как шмели: новый алгоритм помогает крылатым микророботам сохранять равновесие при порывах ветра

Ученые МФТИ и С«колтеха» разработали алгоритм стабилизации полета миниатюрных роботов с машущими крыльями. Они воспроизвели в цифровой среде аэродинамику шмелиного полета и создали систему, которая позволяет виртуальной модели сохранять устойчивость даже при сильных порывах ветра. В будущем такие роботы-шмели смогут проникать в завалы после катастроф, опылять растения в теплицах и вести незаметную разведку. Исследование опубликовано в журнале Communications in Nonlinear Science and Numerical Simulation. Об этом CNews сообщили представители МФТИ.

Шмели — одни из самых маневренных существ в природе. Они мгновенно зависают в воздухе, совершают резкие развороты на месте, переворачиваются и летят в любом направлении с практически моментальным разгоном и торможением.

Секрет кроется в вихревой аэродинамике. Каждый взмах формирует устойчивые вихревые структуры, которые создают подъемную силу.

Однако сам по себе машущий полет крайне неустойчив. В природе нервная система шмеля непрерывно обрабатывает сигналы от глаз, усиков и органов равновесия и корректирует движения крыльев. Но стоит перенести аэродинамику полета шмеля на робота или его цифровую модель, она теряет равновесие при малейшем порыве ветра.

В новом исследовании ученые МФТИ и «Сколтеха» создали алгоритм для стабилизации полета для миниатюрных роботов с машущими крыльями, а также вычислительную среду, позволяющую испытывать различные алгоритмы управления в условиях порывистого ветра.

Система стабилизации управляет тремя ключевыми параметрами движения крыла: амплитудой взмаха, средним положением траектории и углом поворота крыла вокруг собственной оси. На каждом шаге алгоритм рассчитывает, как изменить эти параметры, чтобы сохранить заданную скорость полета и как можно быстрее вернуть аппарат к устойчивому движению после внешнего возмущения.

«Чтобы виртуальный шмель быстро восстанавливал устойчивость после порывов ветра, мы использовали нелинейный контроллер на основе дискретной функции Ляпунова. Алгоритм оценивает текущее состояние модели и вычисляет такие изменения кинематики крыльев, которые уменьшают отклонение от заданного курса», — Павел Коноплев, аспирант кафедры мультимедийных технологий и телекоммуникаций ФРКТ МФТИ, инженер-исследователь Центра ИИ «Сколтеха».

Эффективность алгоритма проверили в цифровой аэродинамической трубе, где виртуального шмеля запускали с сильным вертикальным порывом ветра. Обычный линейный контроллер мог удержать насекомое, только если сила ветра не превышала 50-60% от веса его тела. Новый гибридный алгоритм стабилизировал полет даже при ударах, сила которых в полтора раза превышала собственный вес управляемого объекта. Время стабилизации в таких условиях составило от 3 до 6 сек.

«Наш метод позволяет роботу сохранять устойчивый полет в гораздо более широком диапазоне условий. Это особенно важно для микророботов, которым предстоит работать в экстремальной среде: между деревьями, внутри зданий, в поисково-спасательных операциях, при мониторинге инфраструктуры или опылении растений в теплицах», — Николай Ефанов, доцент кафедры информатики и вычислительной математики МФТИ, руководитель исследовательской группы Центра ИИ «Сколтеха».

Вычислительную среду ученые построили по архитектуре «восприятие — вычисление — воздействие». Она совместима с инструментами обучения с подкреплением. Это позволяет в равных условиях сравнивать три подхода к управлению: чисто классические регуляторы, нейросетевые алгоритмы и гибридные схемы, где аналитический расчет сочетается с машинным обучением.

«Ранее мы разработали аэродинамическую модель, которая позволяет рассчитывать силы, создаваемые крыльями в полёте, и валидировали её по скоростной видеосъёмке полётов шмелей. Разработанный в нашем новом исследовании алгоритм управления позволит проверить гипотезы о том, какие каналы управления и какая сенсорика необходима для стабилизации полета», — Дмитрий Коломенский, доцент Центра технологий материалов «Сколтеха».

Теперь в планах у научной группы — усложнить модель и проверить гибридный контроллер в связке с нейросетями для полностью автономной навигации крылатых микророботов.