Una red neuronal permitirá que los drones aterricen con suavidad [VIDEO]

^{Aerospace Robotics and Control at Caltech / YouTube}

Ingenieros estadounidenses han desarrollado un algoritmo de control que permite que un dron aterrice más rápido y sin problemas. Esto se logró entrenando el algoritmo de la red neuronal para tener en cuenta el efecto de pantalla que se produce al acercarse a la superficie. Además de un aterrizaje estabilizado, el avión no tripulado también aprendió a moverse de forma más estable a una pequeña altura sobre un terreno irregular, según cuentan los autores del artículo presentado en la conferencia ICRA 2019.

Durante el vuelo normal, los cuadricópteros se mantienen a la misma altura, se doblan y giran en una dirección u otra, controlando la velocidad de rotación de las hélices. El cálculo de la velocidad de cada una se realiza de forma autónoma, y ​​el operador solo da órdenes de alto nivel, como "volar a la izquierda".

Sin embargo, en algunas condiciones, como volar con viento fuerte o aterrizar, incluso los algoritmos incorporados de los drones tienen dificultades. En el caso del aterrizaje, el manejo se vuelve más complicado, porque se agrega una tercera fuerza a la fuerza de gravedad constante y las hélices totalmente controlados por los drones, que surgen de la reflexión del flujo de aire desde la superficie adyacente. Debido a esto, los cuadricópteros con una función de aterrizaje automático generalmente lo hacen bastante difícil. Además, algunos simplemente cuelgan en el aire por un corto tiempo antes de aterrizar, lo que lleva a una carga ineficiente de la batería.

Mejor estabilidad de vuelo

Ahora, los ingenieros dirigidos por Soon-Jo Chung de la Universidad de California, Irvine, han desarrollado un algoritmo de control de vuelo que le permite al dron realizar un aterrizaje uniforme y suave, así como mantener una altura estable cuando vuela sobre una superficie irregular.

De hecho, cuando se vuela cerca de la superficie, el modelo del comportamiento del cuadricóptero se puede simplificar a tres componentes: la fuerza de gravedad, la fuerza total que surge debido a la rotación de las hélices, y la fuerza perturbadora desconocida que surge debido al efecto de pantalla. Los desarrolladores enseñaron a la red neuronal cómo calcular la tercera fuerza.

Los autores utilizaron una red neuronal con una función de activación basada en la rectificación lineal (ReLU). Además, utilizaron el método de normalización espectral, que permite reducir la propagación de valores a la salida de la red neuronal y, por lo tanto, aumentar la estabilidad del vuelo, así como aumentar la generalización de la red neuronal, es decir, es adecuado para diferentes condiciones.

Para entrenar el algoritmo, los ingenieros solicitaron a un operador experimentado que volara un dron a diferentes alturas. Como resultado, recopilaron un conjunto de datos que consta de una secuencia de parámetros de vuelo, incluida la fuerza perturbadora calculada a partir del efecto de pantalla, así como los comandos del operador.

Los autores probaron la eficiencia del algoritmo utilizando un experimento en el que un avión no tripulado, bajo el control de un algoritmo nuevo y ordinario, voló sobre la mesa. Debido a esto, pudieron comprobar cómo el repentino efecto en pantalla afecta la estabilidad del vuelo. Resultó que el algoritmo aumenta significativamente la estabilidad del mantenimiento de la altitud de vuelo y también reduce la desviación del curso a lo largo y ancho.

El año pasado, un grupo de ingenieros suizos equipó un drone con un algoritmo de red neuronal que le permite volar rápidamente en un entorno cambiante. Lo mostraron en el ejemplo de una pista de carreras con arcos que se mueven durante el paso de la ruta por el dron.

Victor Román
Esta noticia ha sido publicada originalmente en N+1, ciencia que suma.

Sobre N+1: Es la primera revista online de divulgación científica y tecnológica que permite la reproducción total o parcial de sus contenidos por medios de comunicación, bloggers e influencers, realizando la mención del texto y el enlace a la web: “Esta noticia ha sido publicada originalmente en la revista N+1, ciencia que suma: www.nmas1.org”.