Feasibility and Singularity in High-Order Safety-Critical Control for Quadrotor UAVs

Stellen Sie sich einen Schwarm kleiner fliegender Roboter vor, jeder nicht größer als ein Essteller, die die Aufgabe haben, gemeinsam durch einen belebten Raum zu navigieren. Diese Maschinen, bekannt als Quadrotoren, sind die Arbeitspferde der modernen Luftfahrtrobotik und werden für alles verwendet, von der Inspektion von Brücken bis hin zur Lieferung medizinischer Güter. Sie besitzen jedoch eine grundlegende physikalische Einschränkung: Sie können sich nur vorwärts oder rückwärts bewegen, indem sie ihren Körper neigen und ihre Propeller so drehen, dass sie Schub in eine einzige Richtung relativ zu ihrem eigenen Bezugssystem erzeugen. Dies macht sie von Natur aus schwierig zu steuern, wenn sie seitlich fliegen oder abrupt anhalten müssen, ohne sich zu neigen. Wenn ein Team dieser Roboter in enger Nähe fliegt, ist das Kollisionsrisiko ständig präsent. Um sie sicher zu halten, verwenden Ingenieure mathematische Sicherheitsfilter, die wie ein unsichtbares Geländer wirken, indem sie die Pfade der Roboter ständig prüfen und erst dann eingreifen, wenn ein Crash unmittelbar bevorsteht. Das Ziel ist es, den Robotern zu ermöglichen, ihrem beabsichtigten Kurs so nah wie möglich zu folgen, und nur dann einzugreifen, wenn es absolut notwendig ist, um eine Katastrophe zu verhindern.

Die Herausforderung verschärft sich, wenn diese Roboter unter strengen physikalischen Grenzen arbeiten müssen, wie etwa einer maximalen Kraft, die ihre Motoren erzeugen können. In komplexen Szenarien kann die Geometrie der Situation gegen das Sicherheitssystem konspirieren. Wenn zwei Roboter aus einem bestimmten Winkel aufeinander zufliegen, könnte die Richtung, in die sie drücken müssen, um eine Kollision zu vermeiden, senkrecht zu der Richtung stehen, in die ihre Motoren tatsächlich drücken können. In solchen Momenten verliert das Sicherheitssystem die Fähigkeit, die erforderliche Kraft zu erzeugen, ein Phänomen, das als Singularität bekannt ist. Darüber hinaus, selbst wenn das Sicherheitssystem für jedes Paar Roboter einzeln perfekt funktioniert, könnten die kombinierten Anforderungen zur Vermeidung von Kollisionen mit mehreren Nachbarn gleichzeitig die Gesamtkraft übersteigen, die das gesamte Team generieren kann. Dies schafft eine Situation, in der die Sicherheitsregeln mathematisch unmöglich gleichzeitig zu erfüllen sind, was zum Zusammenbruch der Fähigkeit des Systems führt, alle sicher zu halten.

In einer kürzlich durchgeführten Studie untersuchten die Forscher Omayra Yago Nieto und Leonardo Colombo diese spezifischen Ausfallmodi bei Teams von Quadrotor-Drohnen. Sie wollten genau verstehen, wann und warum diese Sicherheitsfilter versagen, und eine neue Steuerungsmethode entwickeln, die diese Einschränkungen überwinden könnte. Ihre Arbeit konzentriert sich auf zwei unterschiedliche Probleme: den Verlust der Wirksamkeit, wenn der verfügbare Schub eines Roboters nicht mit der benötigten Richtung übereinstimmt, und die kollektive Unfähigkeit einer Gruppe, alle Sicherheitsbeschränkungen gleichzeitig zu erfüllen, bedingt durch gemeinsame Leistungsgrenzen. Durch die Analyse der Physik der Situation identifizierten sie, dass die Standard-Sicherheitsprüfungen, die den Abstand zwischen den Robotern betrachten, oft scheitern, weil sie nicht berücksichtigen, dass der Roboter seinen Körper drehen kann, um die Richtung seines Schubs zu ändern.

Um dies zu lösen, entwickelten die Forscher einen anspruchsvolleren Ansatz, der weiter in die Zukunft blickt. Anstatt nur den aktuellen Abstand zwischen den Robotern zu prüfen, berücksichtigt ihre neue Methode, wie sich Geschwindigkeit, Beschleunigung und Rotationskräfte der Roboter in den nächsten Augenblicken entwickeln werden. Sie führten eine Technik ein, die das Drehmoment – die Verdrehungskraft, die den Drohnen zur Rotation verwendet wird – explizit in die Sicherheitsberechnungen miteinbezieht. Dadurch schufen sie einen Sicherheitsfilter, der versteht, dass selbst wenn ein Roboter im jetzigen Moment nicht direkt von einer Kollision wegdrücken kann, er seinen Körper drehen kann, um seinen Schub einen Bruchteil einer Sekunde später in die richtige Richtung zu lenken. Diese „drehmomentbewusste“ Erweiterung stellt sicher, dass das Sicherheitssystem immer einen gültigen Weg findet, eine Korrekturkraft zu erzeugen, sofern die Drohne noch einen gewissen Schub produziert.

Die Forscher befassten sich auch mit der kollektiven Durchführbarkeit. Sie entwickelten ein mathematisches Maß, um zu bestimmen, ob das gesamte Team alle ihre Sicherheitsbeschränkungen gleichzeitig erfüllen kann. Ihre Analyse zeigte, dass selbst wenn einzelne Roboterpaare nicht in einem singulären, unkontrollierbaren Zustand sind, die Gruppe als Ganzes sich in einer Situation befinden kann, in der keine einzige Kombination von Befehlen alle sicher halten kann. Um dies zu adressieren, formulierten sie einen neuen Steuerungsalgorithmus, der die gruppenweite Durchführbarkeit ständig prüft. Wenn das System erkennt, dass das Team einem Punkt nahekommt, an dem Sicherheit unmöglich wird, passt der Algorithmus das Verhalten der Roboter an, um innerhalb einer sicheren Betriebszone zu bleiben, wodurch sichergestellt wird, dass immer eine gültige Lösung existiert.

Um die Unvorhersehbarkeit der realen Welt, wie etwa Windböen oder leichte Variationen im Gewicht der Roboter, zu bewältigen, integrierte das Team eine lernende Komponente. Sie verwendeten eine statistische Methode namens Gauß-Prozesse, um die unbekannten Fehler im Modell des Systems direkt aus Daten zu lernen. Anstatt zu versuchen, jede mögliche Störung zu berechnen, lernt das System das Muster dieser Fehler und baut einen Sicherheitsspielraum darum auf. Dies ermöglicht es dem Controller, robust zu bleiben, selbst wenn sich die Umgebung auf eine Weise verhält, die das ursprüngliche Modell nicht vorhergesehen hat. Das Ergebnis ist ein Sicherheitsfilter, der sowohl präzise als auch anpassungsfähig ist und in der Lage ist, selbst angesichts von Unsicherheit sichere Abstände einzuhalten.

Das Team testete seinen neuen Controller in einer Computersimulation, die drei Quadrotoren bei einem komplexen Kreuzungsmanöver beinhaltete. In diesem Szenario mussten die Roboter in einer engen Formation aneinander vorbeifliegen, eine Situation, die genau die Ausfälle provozieren sollte, die die Forscher verhindern wollten. Als sie die Simulation mit einem standardmäßigen, älteren Sicherheitscontroller ausführten, versagte das System. Die Roboter kamen sich gefährlich nahe, wobei der Abstand zwischen ihnen auf nur 0,300 Meter sank, weit unter dem sicheren Limit von 0,8 Metern. Der ältere Controller blieb mathematisch stecken, unfähig, eine Lösung zu finden, die die Roboter voneinander getrennt hält, und die Simulation musste gestoppt werden.

Im Gegensatz dazu vollendeten die Forscher mit ihrem neuen drehmomentbewussten Controller das Manöver fehlerfrei. Der minimale Abstand zwischen zwei Drohnen während des gesamten Fluges betrug 0,822 Meter, sicher über dem geforderten Schwellenwert. Das neue System navigierte die Roboter erfolgreich durch den engsten Teil der Kreuzung, ohne jemals die Kontrolle zu verlieren oder die Sicherheitsbeschränkungen zu verletzen. Die Simulation zeigte auch, dass während der ältere Controller scheiterte, weil er die Fähigkeit der Roboter zur Rotation nicht berücksichtigen konnte, der neue Controller diese Rotationsfähigkeit nutzte, um die notwendigen Ausweichkräfte zu erzeugen. Selbst als die Forscher zufällige Störungen einführten, um Wind und mechanische Imperfektionen nachzuahmen, hielt das neue System einen sicheren Abstand von 0,895 Metern ein, was seine Resilienz bewies.

Die Studie kommt zu dem Schluss, dass Ingenieure durch ein tieferes Verständnis der Physik der Drohnen – insbesondere durch die Einbeziehung ihrer Rotationsdynamik und das Lernen aus Daten – wesentlich zuverlässigere Sicherheitssysteme schaffen können. Die Forscher zeigten, dass die Angst vor dem Versagen von Sicherheitsfiltern aufgrund geometrischer Singularitäten oder kollektiver Leistungsgrenzen durch eine Steuerungsstrategie gemildert werden kann, welche die vollen Fähigkeiten der Maschine respektiert. Ihre Arbeit bietet einen konkreten Weg für den Einsatz von Drohnen-Teams in belebten, realen Umgebungen, in denen Sicherheit nicht verhandelbar ist, und stellt sicher, dass diese fliegenden Roboter zusammenarbeiten können, ohne zu kollidieren, selbst wenn die Situation unmöglich erscheint.