⚡ ingeniería eléctrica

Energy-Conserving Swarm Formation Control Using Pure Hamiltonian Mechanics and Active Braking

Este artículo propone un novedoso marco de control de enjambre RK 3D de Hamilton puro que integra potenciales de navegación anisotrópicos, frenado de previsualización cinemática activa y proyección de formación basada en SO(3) para permitir que los UAV autónomos naveguen por terrenos accidentados y no planos mientras mantienen estrictamente los márgenes de seguridad y previenen fallos por mínimos locales.

Autores originales: Santiago Garrido, Fernando Quevedo, Ramon Barber, Luis Moreno

Publicado 2026-09-28

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Santiago Garrido, Fernando Quevedo, Ramon Barber, Luis Moreno

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

El cielo ya no está vacío. Se está convirtiendo en una autopista congestionada para pequeñas aeronaves autónomas, encargadas de todo, desde la búsqueda de supervivientes en zonas de desastre hasta la vigilancia de bosques y la entrega de suministros médicos. Para que estas máquinas trabajen juntas de manera efectiva, deben volar en grupos coordinados y apretados, moviéndose como una sola unidad mientras navegan por un mundo que rara vez es plano o vacío. El desafío es inmenso: un enjambre de drones debe mantener una forma precisa, evitar chocar entre sí y alejarse de árboles, edificios y terrenos irregulares, todo ello mientras reacciona instantáneamente a los cambios en su entorno. Los métodos tradicionales para guiar estos grupos suelen basarse en reglas simples de atracción y repulsión, similares a cómo los imanes tiran y empujan. Sin embargo, en espacios complejos y abarrotados, estas reglas simples suelen fallar. Los drones pueden quedarse atrapados en trampas invisibles, incapaces de encontrar un camino hacia adelante, o pueden ser arrastrados hacia colisiones cuando el camino se estrecha inesperadamente.

Para resolver esto, investigadores de la Universidad Carlos III de Madrid han desarrollado una nueva forma de guiar enjambres de drones, una que trata el movimiento del grupo no como un conjunto de comandos rígidos, sino como un flujo de energía. En lugar de obligar a los drones a seguir un mapa predibujado, el nuevo sistema crea un paisaje suave e invisible de energía potencial que guía a los drones de forma natural. En este marco, los drones son como bolas rodando sobre una superficie; se mueven hacia su objetivo porque el terreno desciende en esa dirección, y evitan obstáculos porque el suelo se eleva bruscamente para formar una barrera. Este enfoque, basado en la física de cómo la energía se mueve a través de un sistema, asegura que los drones nunca se queden atrapados en callejones sin salida. Al combinar esta guía basada en la energía con un ingenioso mecanismo de seguridad que obliga al dron líder a tomar un camino amplio alrededor de los obstáculos, los investigadores han creado un sistema donde un grupo de nueve drones puede volar en una formación en V perfecta sobre un terreno irregular y ondulado sin colisionar nunca entre sí ni con el suelo.

El núcleo de este nuevo método es un cambio en la forma en que los drones perciben su mundo. Los sistemas antiguos solían utilizar campos matemáticos simples que podían crear callejones sin salida confusos, provocando que los drones se congelaran o chocaran. El nuevo sistema utiliza una estructura matemática más sofisticada, conocida como función de navegación, que garantiza que solo hay un punto más bajo en todo el entorno: el destino. Esto significa que los drones tienen la certeza matemática de alcanzar su objetivo sin quedar atrapados. Para que esto funcione en el mundo real, donde los drones tienen peso y momento, los investigadores añadieron una capa de frenado activo. Así como un coche necesita frenar antes de una curva cerrada para evitar salirse de la carretera, los drones en este sistema aplican una fuerza suave y dirigida para frenar solo cuando se mueven demasiado rápido hacia una pared o un obstáculo. Esto les permite mantener su velocidad y agilidad en espacios abiertos mientras se detienen de forma segura cuando se acercan demasiado al peligro.

Una innovación crítica en esta investigación es cómo el enjambre gestiona al líder. En muchos sistemas, si el líder se acerca demasiado a un obstáculo, los seguidores podrían ser arrastrados hacia una colisión porque están demasiado ligados al camino exacto del líder. Los investigadores solucionaron esto dotando al líder virtual de una estrategia de "margen amplio". Antes de que el líder llegue siquiera a un estrecho paso entre obstáculos, calcula una trayectoria que se mantenga alejada del peligro, creando un enorme margen de seguridad de 6,5 metros alrededor del obstáculo. Esta deflexión temprana asegura que todo el grupo, siguiendo en una formación en V rígida, tenga espacio suficiente para pasar sin que los drones exteriores rocen los lados de edificios o árboles. El sistema también utiliza una rotación dinámica para mantener la forma en V alineada con la dirección del viaje, permitiendo que la formación gire suavemente sin romperse.

Los investigadores probaron este sistema en una simulación informática detallada que involucraba a nueve drones volando sobre un terreno altamente irregular y ondulado con varias torres cilíndricas altas dispersas por la ruta de vuelo. Los resultados fueron precisos y robustos. Los drones mantuvieron con éxito una distancia de seguridad estricta de 2,5 metros de cualquier obstáculo y se mantuvieron a 2,0 metros del suelo en todo momento, incluso mientras el terreno subía y bajaba debajo de ellos. También mantuvieron una distancia segura de 0,9 metros entre sí, evitando colisiones internas. En comparación con los métodos de planificación anteriores que dependen de la división del espacio en una cuadrícula, el nuevo sistema fue significamente más rápido y fiable. Mientras que los métodos basados en cuadrículas tardaban más de 30 segundos en planificar un solo camino con alto detalle, el nuevo sistema basado en la energía calculó la trayectoria en solo 0,002 segundos, lo que permite reacciones en tiempo real. Además, a medida que aumentaba el número de drones, el nuevo sistema mantenía una tasa de éxito del 100 por ciento, mientras que los métodos antiguos veían cómo sus tasas de fallo aumentaban drásticamente a medida que el grupo crecía.

El estudio también exploró cómo este sistema manejaría edificios rectangulares, que son más comunes en las ciudades que las torres redondas. Al ajustar la forma matemática de las barreras de seguridad para que coincidan con los lados planos y las esquinas afiladas de los edificios, el sistema continuó funcionando sin fallos. Los drones navegaron alrededor de las esquinas de estas estructuras sin quedarse atrapados ni oscilar, demostrando que el enfoque funciona para diversos tipos de obstáculos. Los investigadores señalaron que, aunque estos resultados se lograron mediante simulación, el siguiente paso es trasladar el sistema a hardware físico. Planean probar los drones en condiciones del mundo real, teniendo en cuenta las ráfagas de viento, los retrasos en la comunicación y las imperfecciones de los sensores reales.

Este trabajo representa un paso significativo para hacer que los enjambres de drones autónomos sean seguros y prácticos para misiones complejas. Al tratar al enjambre como una entidad única que conserva la energía y fluye naturalmente alrededor de los obstáculos, los investigadores han superado las limitaciones de los métodos de control anteriores. La capacidad del sistema para mantener una formación rígida mientras evita dinámicamente trampas y obstáculos sugiere un futuro en el que grandes grupos de drones puedan operar de forma segura en los entornos más desafiantes, desde densos bosques hasta concurridos centros urbanos, sin intervención humana. Los resultados de la simulación proporcionan una fuerte evidencia de que este enfoque no es solo teóricamente sólido, sino también prácticamente viable para la próxima generación de robótica aérea.

Resumen Técnico: Control de Formación de Enjambres con Conservación de Energía mediante Mecánica Hamiltoniana Pura y Frenado Activo

Planteamiento del Problema
El artículo aborda el desafío de controlar enjambres de Vehículos Aéreos No Tripulados (UAV) multi-agente autónomos en entornos 3D no planos y no estructurados. Las metodologías de control tradicionales, particularmente los Campos de Potencial Artificial (APF) estándar, fallan frecuentemente en terrenos congestionados debido a la presencia de mínimos locales espurios, que pueden causar que las formaciones se estancen o colisionen. Además, los enfoques existentes luchan por satisfacer simultáneamente tres restricciones contrapuestas: mantener una formación geométrica rígida (específicamente una forma en V), seguir un objetivo móvil altamente ágil y garantizar el despeje físico sobre terrenos complejos y ondulados y obstáculos estáticos. Un modo de falla específico identificado es el "clipping de ala" (wing-clipping), donde un giro cerrado de un líder alrededor de un obstáculo fuerza a los agentes seguidores hacia zonas de colisión debido al exceso de velocidad (overshoot) impulsado por el momento y al seguimiento de desfases rígidos.

Metodología
Los autores proponen un Marco de Control de Enjambre Rimon-Koditschek (RK) 3D de Hamiltoniano Puro. Este enfoque modela el enjambre como un sistema dinámico dentro de un marco dinámico pseudo-hamiltoniano, tratando a los agentes como partículas con masa y momento en lugar de simples restricciones de velocidad cinemática.

La metodología central consta de cuatro capas integradas:

Dinámica Pseudo-Hamiltoniana con Potenciales RK:
El sistema utiliza una función de navegación Rimon-Koditschek modificada, $\phi_i$ , que mapea los errores estructurales directamente en perfiles de aceleración suaves. El potencial es compuesto, combinando un término atractivo (distancia euclidiana ponderada hacia un objetivo) y un término repulsivo (límites de obstáculos).
- Escalado Vertical Anisotrópico: El potencial atractivo incluye una penalización rígida ( $\alpha_z = 8.0$ ) sobre los errores verticales para asegurar una estabilización de altitud rápida relativa al perfil del suelo.
- Intercambio de Energía: El sistema evoluciona mediante flujos de gradiente hamiltonianos, permitiendo que los agentes compartan estados de energía cinética para un vuelo ágil, mientras introduce amortiguamiento direccional cerca de los límites para prevenir la inestabilidad.
Desviación de Objetivo de Amplio Margen Activa (Active Target Wide-Berth Deflection):
Para evitar que el enjambre seguidor entre en zonas de alto riesgo, el objetivo virtual está sujeto a una capa de previsualización cinemática activa.
- El objetivo evalúa la proximidad de obstáculos dentro de una zona de activación expandida (12.0 m más allá de los límites estándar).
- Genera un margen de separación lateral masivo ( $d_{target\_extra\_buffer} = 6.5$ m) alrededor de los obstáculos, "pre-desconflictando" efectivamente cuellos de botella estrechos antes de que llegue el enjambre.
Motor de Formación Rígida Libre de Coordenadas:
La formación se mantiene sin grafos de comunicación centralizados. Una matriz de rotación $SO(3)$ dinámica ( $R_z$ ) alinea el sistema de coordenadas local del enjambre con el vector de rumbo filtrado del objetivo. Los desfases espaciales rígidos y parametrizados se proyectan sobre los agentes individuales basándose en su indexación, asegurando una configuración en V simétrica que rota y se inclina suavemente con el objetivo.
Frenado de Límite Activo:
Para contrarrestar el exceso de velocidad (overshoot) inherente a la dinámica hamiltoniana, una fuerza de frenado de decaimiento espacial ( $F_{brake}$ ) es modulada por el gradiente normal de la topología del espacio de trabajo. Esta fuerza drena selectivamente la energía cinética solo cuando un agente intenta penetrar en zonas de seguridad multinivel (buffers de obstáculos y despeje del suelo), actuando como una barrera disipativa sin inducir lentitud en espacios abiertos.

Contribuciones Clave

Síntesis de RK Pseudo-Hamiltoniana: La formalización de un campo de potencial 3D multi-agente que elimina trampas locales mientras preserva la agilidad consciente de la energía de los sistemas mecánicos.
Desviación de Objetivo Dinámica: La introducción de un mecanismo de "margen amplio" donde el objetivo se aleja activamente de los obstáculos con un margen de seguridad grande, protegiendo la integridad de la formación de seguimiento.
Desfases Rígidos de Formación en V Asimétrica: Un motor libre de coordenadas que utiliza matrices de rotación dinámica para proyectar desfases rígidos, asegurando un mantenimiento de formación robusto sin grafos centralizados.
Frenado de Límite Activo: Una fuerza de frenado que disipa selectivamente la energía cinética basada en el gradiente normal de los obstáculos, evitando el exceso de velocidad mientras mantiene la agilidad de alta velocidad.

Resultados de Simulación
Se realizaron simulaciones numéricas extensas con $N=9$ agentes navegando en un terreno sinusoidal altamente ondulado ( $z = 5.0 \sin(0.07x) \cos(0.07y) + 5.0$ ) con cinco obstáculos de torres cilíndricas.

Seguridad y Estabilidad: El enjambre respetó estrictamente los márgenes de seguridad rígidos ( $d_{buffer} = 2.5$ m para obstáculos, $z_{buffer} = 2.0$ m para terreno) y los límites de separación entre drones ( $d_{spacing} = 0.9$ m). No ocurrieron colisiones ni trampas de mínimos locales.
Resolución de Wing-Clipping: En una comparación de referencia contra un APF estándar sin el buffer de objetivo adicional, el enfoque estándar resultó en una colisión (despeje de -1.38 m) para los agentes de las alas exteriores. El marco propuesto logró un despeje seguro de +2.61 m.
Rigidez de la Formación: La desviación media del ángulo de formación se mantuvo por debajo de $3.1^\circ$ incluso durante giros cerrados, y las distancias entre drones nunca cayeron por debajo del umbral de seguridad.
Eficiencia Computacional: A diferencia de los métodos basados en rejilla (Fast Marching Method y Fast Marching Square) que sufren de la "maldición de la dimensionalidad" y requieren segundos para calcular rutas a altas resoluciones, el marco continuo y libre de rejilla propuesto mantuvo un tiempo de ejecución constante de 2 ms, independientemente de la resolución de la rejilla.
Escalabilidad: A medida que el tamaño del enjambre aumentó de $N=3$ a $N=25$ , el marco propuesto mantuvo una tasa de éxito del 100% libre de colisiones con un crecimiento insignificante del error de formación, mientras que los métodos de proyección de ruta maestra basados en rejilla vieron caer sus tasas de éxito hasta un 8% debido a fallas de wing-clipping.

Significancia y Reivindicaciones
El artículo afirma que este marco proporciona una arquitectura altamente resiliente para operaciones de multi-UAV autónomas en entornos no estructurados. Al integrar la seguridad topológica (vía potenciales RK) con la agilidad dinámica de la mecánica hamiltoniana y una estrategia de objetivo de margen amplio proactiva, el sistema supera las limitaciones de los APF tradicionales y los planificadores basados en rejilla. Los autores aseguran que el sistema logra equilibrar la necesidad de una formación geométrica estricta, un seguimiento de terreno rápido y una evasión de obstáculos agresiva sin depender de comunicación centralizada ni sufrir de mínimos locales.

Trabajo Futuro
Los autores delinean un camino hacia el despliegue en hardware físico, incluyendo:

Transicionar los bucles de control de MATLAB a C++ dentro de una arquitectura ROS 2 para una ejecución descentralizada a bordo.
Pruebas de Hardware-in-the-Loop (HIL) utilizando PX4 y Gazebo para validar la resiliencia contra la saturación de actuadores y la latencia de comunicación.
Reemplazar los modelos de entorno analíticos con sistemas de percepción en tiempo real (LiDAR/cámaras estéreo) para generar funciones de proximidad de obstáculos dinámicos.
Implementar controladores de amortiguamiento adaptativo para rechazar ráfagas de viento en entornos exteriores.

Más como este