Field-Validated Formation Control for Autonomous Surface Vehicle Fleets in Aquatic Environments with Currents

Flüsse, Seen und Küstenästuare stehen unter zunehmendem Druck durch menschliche Aktivitäten und den Klimawandel, was eine dringende Notwendigkeit schafft, die Wasserqualität über weite, sich verändernde Gebiete hinweg zu überwachen. Feste Messstationen können nur einen einzigen Punkt beobachten, aber Flotten kleiner, robotergestützter Boote, die mit Sensoren ausgestattet sind, können viel mehr Gelände abdecken. Die Herausforderung besteht darin, diese Roboter dazu zu bringen, effektiv zusammenzuarbeiten. Sie müssen eine bestimmte Form relativ zueinander beibehalten, um genaue Daten zu sammeln, doch sie operieren in einer chaotischen Umgebung voller starker Strömungen, schwimmender Hindernisse und unzuverlässiger Funksignale. Wenn die Roboter gegen die Strömung ankämpfen, um eine feste Position auf einer Karte zu halten, verschwenden sie kostbare Energie. Wenn sie zu frei driften, verlieren sie die Formation, die nötig ist, um ein klares Bild vom Zustand des Wassers zu rekonstruieren. Das Ziel ist es, einen Weg zu finden, wie eine Gruppe von Robotern in Formation bleiben kann, während sie den Fluss mit sich tragen lässt, und dabei gleichzeitig sicherzustellen, dass sie niemals miteinander oder mit dem Ufer kollidieren.

Forscher der University of Delaware haben eine neue Kontrollmethode entwickelt und getestet, die es Flotten autonomer Oberflächenfahrzeuge ermöglicht, genau dies zu tun. Anstatt die Roboter zu zwingen, eine starre Position im Raum einzuhalten, führt das System sie dazu, ihren relativen Abstand zueinander beizubehalten, sodass die gesamte Gruppe wie ein Schwarm Fische mit einer Strömung mitdriftet. Dieser Ansatz wurde durch Computersimulationen und reale Feldtests mit vier kleinen, kommerziell erhältlichen Roboterbooten namens Jaiabots validiert. Das Team testete das System zunächst in den ruhigen, kontrollierten Gewässern des Lake Allure in Pennsylvania und wechselte dann in die wesentlich anspruchsvollere Umgebung des Delaware River in Philadelphia, wo die Roboter mit Gezeitenströmungen, GPS-Signalfehlern und zeitweiligen Kommunikationsausfällen konfrontiert waren.

Der Kern der Lösung ist ein mathematischer Rahmen, der wie ein Satz unsichtbarer Regeln für die Roboter fungiert. Stellen Sie sich die Wasseroberfläche als eine Landschaft vor, in der die gewünschte Formation ein Tal und die Hindernisse Hügel sind. Die Roboter sind so programmiert, dass sie natürlich in Richtung des Tals rollen, während sie die Hügel vermeiden. Standardversionen dieser „Potentialfeld“-Methode wiesen jedoch zwei wesentliche Mängel für den Einsatz im Fluss auf: Sie berücksichtigten nicht die physikalischen Grenzen der Boote, wie etwa wie eng sie wenden können oder wie langsam sie sich bewegen können, und sie verhinderten nicht, dass die Roboter in die Flussufer driften. Zudem leiden klassische Potentialfeld-Methoden oft unter dem Problem lokaler Minima, bei denen die Roboter in „Tälern“ stecken bleiben können, die nicht ihrer eigentlichen Zielposition entsprechen. Um dies zu beheben, führten die Forscher einige kluge Anpassungen ein. Sie konstruierten die mathematische Landschaft so, dass es keine lokalen Minima gibt, in denen die Roboter gefangen werden könnten, wodurch sie sicher zu ihrer gewünschten Formation geleitet werden. Sie fügten zudem „virtuelle“ Roboter hinzu, die als Wächter für die Flussgrenzen fungieren und sicherstellen, dass die echten Boote innerhalb sicherer Grenzen bleiben. Sie glätteten zudem die Steuersignale, um ein Zittern der Ruder zu verhindern, was die Hardware beschädigen könnte. Schließlich fügten sie eine vorausschauende Strategie hinzu, die einen kurzen Pfad im Voraus plant, sodass das Boot in der Lage ist, um seine eigenen Wendebeschränkungen herum zu navigieren, selbst wenn der ideale Pfad unmöglich erscheint.

In den See-Experimenten bildeten die vier Roboter erfolgreich eine gerade Linie in einem 45-Grad-Winkel und hielten einen Abstand von 10 Metern zueinander ein. Sie bewegten sich reibungslos, um ein im Wasser platzierte Boje herum und hielten Abstand zum Ufer, selbst als Wind und leichte Wasserbewegungen sie anschoben. Das System erwies sich als robust genug, um damit umzugehen, dass echte Boote nicht sofort anhalten oder auf der Stelle wenden können; wenn der ideale Pfad durch eine Wendebeschränkung blockiert war, fanden die Roboter einen machbaren Umweg und korrigierten ihren Kurs im nächsten Moment. Die Daten zeigten, dass der Abstand zwischen zwei beliebigen Robotern nie auf Null sank, was bestätigte, dass Kollisionen erfolgreich vermieden wurden, und die Gruppe nahm konsistent die gewünschte Form an.

Die wahre Prüfung kam im Delaware River, wo die Bedingungen weita viel weniger nachgiebig waren. Der Fluss ist etwa 2.250 Fuß breit und hat eine durchschnittliche Strömungsgeschwindigkeit von 1,3 Fuß pro Sekunde. Das Team setzte die Roboter von einem Pier aus ein, ließ sie driften und in eine Linienformation manövrieren, die sich über einen erheblichen Teil des Flusses erstreckte. Während eines Versuchs wurde die Formation so eingestellt, dass sie die volle Breite des Flusses überspannte, wobei die Roboter etwa 400 Fuß voneinander entfernt waren. Dieses Setup trieb die Grenzen der Funkreichweite. Zu einem Zeitpunkt verlor der Roboter, der am weitesten vom Ufer entfernt war, für mehrere Sekunden den Kontakt zur zentralen Steuereinheit. Das System bewältigte dies elegant: Der getrennte Roboter stoppte einfach seine Bewegung und wartete, während die anderen ihre Positionen weiter anpassten. Sobald die Verbindung wiederhergestellt war, nahm der Roboter seinen Platz wieder ein, und die gesamte Flotte gliederte sich in die korrekte Formation ein, ohne zu kollidieren oder verloren zu gehen.

In einem zweiten Flussversuch passte das Team die Formation an, indem sie die Formation enger gestalteten und den Abstand auf etwa 200 Fuß reduzierte, um alle Roboter in einer zuverlässigeren Kommunikationsreichweite zu halten. Diese Änderung führte zu glatteren Trajektorien und keinen Kommunikationsverlusten, was demonstrierte, dass das System flexibel genug ist, um sich durch einfache Änderung des gewünschten Abstands zwischen den Booten an unterschiedliche operative Anforderungen anzupassen. Während beider Flussversuche navigierten die Roboter erfolgreich um andere Wasserfahrzeuge herum und hielten ihre Formation trotz des unvorhersehbaren Drückens der Gezeiten und der gelegentlichen Ungenauigkeit des GPS. Die Ergebnisse bestätigen, dass es möglich ist, eine Flotte autonomer Boote in einer dynamischen, begrenzten Flussumgebung zu steuern, ohne gegen die Strömung anzukämpfen, sofern das Kontrollsystem die physikalische Realität der Maschinen und die Einschränkungen ihrer Kommunikation berücksichtigt.

Diese Arbeit schließt die Lücke zwischen theoretischen Steuerungsalgorithmen und der chaotischen Realität der Felrobotik. Durch den Beweis, dass diese Methoden auf tatsächlicher Hardware in einem echten Fluss funktionieren, haben die Forscher einen gangbaren Weg für den Einsatz von Sensorflotten zur Überwachung der Wasserqualität in Ästuaren und Küstenzonen aufgezeigt. Die Fähigkeit, die Flotte mit der Strömung driften zu lassen, während sie eine präzise relative Form beibehält, bedeutet, dass diese Robotergruppen länger operieren und mehr Gelände mit weniger Energie abdecken können. Zukünftige Arbeiten werden sich darauf konzentrieren, die Notwendigkeit einer zentralen Steuereinheit zu beseitigen, sodass die Roboter direkt miteinander kommunizieren können, was das System für Missionen im offenen Wasser noch robuster machen würde. Für den Moment stellen die erfolgreichen Versuche im Delaware River eine konkrete Demonstration dar, dass autonomen Flotten in den wilden, unvorhersehbaren Gewässern der natürlichen Welt vertraut werden kann.