⚡ electrical engineering

RADAR Perception for Dynamic Obstacle Avoidance onboard small-scale Quadrotor UAVs

Cet article présente le premier système de perception et de contrôle embarqué basé sur un radar mmWave pour les drones quadricoptères à petite échelle qui parvient à un évitement d'obstacles dynamiques rapide avec une performance à faible latence (14 ms), validé par 390 expériences démontrant une grande précision à travers diverses tailles d'objets, conditions d'éclairage et fumée.

Auteurs originaux : Dnyandeep Mandaokar, Bernhard Rinner

Publié 2026-08-04

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Dnyandeep Mandaokar, Bernhard Rinner

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez un monde où de minuscules robots volants, semblables à des colibris mécaniques, filent à travers des pièces encombrées pour livrer des médicaments ou explorer des zones de catastrophe. Pour que ces drones soient réellement utiles, ils ne peuvent pas simplement suivre un chemin préprogrammé ; ils doivent être assez agiles pour esquiver une branche qui tombe, une personne qui dévie sa trajectoire ou une rafale de vent soudaine sans s'écraser. C'est le défi de l'« évitement d'obstacles dynamiques ». Actuellement, la plupart des drones s'appuient sur des caméras pour voir le monde, tout comme les humains le font. Mais les caméras ont un défaut fatal : elles deviennent aveugles dans l'obscurité, s'embrouillent dans une fumée épaisse et peinent à vous dire à quelle vitesse quelque chose se déplace sans effectuer des calculs lourds. Entrez le radar. Vous connaissez peut-être le radar grâce au contrôle aérien ou aux stations météorologiques, mais il s'agit essentiellement d'une lampe torche super-sonique qui fait rebondir des ondes radio sur les objets pour vous dire exactement où ils se trouvent et à quelle vitesse ils foncent, qu'il fasse noir comme dans un tunnel ou que tout soit rempli de brouillard. La grande question que les scientifiques se posent est la suivante : pouvons-nous réduire ce radar puissant et insensible au brouillard pour qu'il puisse tenir sur un minuscule drone alimenté par batterie et le rendre assez rapide pour sauver la vie du drone en une fraction de seconde ?

Cet article dit « oui », mais avec quelques nuances importantes concernant la petite taille des objets. Les chercheurs ont conçu un système qui permet à un petit drone d'utiliser un radar à ondes millimétriques pour voir les obstacles, les suivre et les esquiver — tout en volant. Ils ne se sont pas contentés de simuler cela sur un ordinateur ; ils ont fixé le radar sur un vrai drone, placé le cerveau de l'opération sur un petit ordinateur (un Raspberry Pi 4B) qui tient dans un sac à dos, et lui ont lancé des balles dans diverses conditions. Le résultat est un système de « perception et de contrôle » qui agit comme un arc réflexe pour le drone. Au lieu de prendre du temps pour réfléchir : « Oh, une balle arrive, laissez-moi calculer un nouveau chemin », le système réagit presque instantanément, en calculant une accélération sûre pour esquiver la menace.

L'équipe a constaté que leur système basé sur le radar fonctionne remarquablement bien dans des environnements difficiles, bien qu'avec certaines limites sur la taille des objets. Lors d'expériences impliquant 390 lancers de balles de différentes tailles, le système a réussi à détecter et à éviter les obstacles en pleine lumière et dans l'obscurité totale. Dans une fumée épaisse, le système a maintenu des performances élevées pour les balles plus grosses, mais le taux d'évitement est tombé à 70 % pour les plus petites balles de tennis, soulignant que les objets très petits et non métalliques peuvent encore être difficiles à repérer dans une visibilité médiocre. Le « cerveau » du drone a pu traiter les données du radar et émettre une commande d'esquive en environ 14 millisecondes. Pour donner un ordre de grandeur, un clin d'œil humain dure environ 300 millisecondes ; ce drone réagit plus de 20 fois plus vite que vous ne pouvez cligner des yeux. En termes de précision, le drone a maintenu sa position à environ 0,15 mètre dans la direction horizontale et moins d'un mètre dans la direction verticale, ce qui est amplement suffisant pour éviter une collision.

Cependant, l'article est très clair sur ce que ce système ne peut pas encore faire. Il exclut explicitement l'idée que cette configuration radar soit parfaite pour tous les scénarios. Le système éprouve des difficultés avec les objets très petits et non métalliques (comme une minuscule balle de tennis) lorsqu'ils sont éloignés ou dans la fumée, car les ondes radar ne rebondissent pas assez fort sur eux pour qu'ils soient visibles. Si le drone ne voit l'objet que lorsqu'il est trop proche, les mathématiques disent qu'un crash est inévitable. Les chercheurs notent également que, bien que le système soit rapide, il dépend du fait que l'ordinateur ne soit pas « ralenti » par trop d'autres tâches ; si l'ordinateur est surchargé, le temps de réaction ralentit et la marge de sécurité diminue.

La découverte fondamentale est que le radar à ondes millimétriques est une alternative viable et robuste aux caméras pour l'esquive rapide des drones, à condition que les obstacles soient assez grands pour être vus. Le système utilise un concept astucieux de « bulle de sécurité ». Imaginez que le drone et l'obstacle soient entourés de cercles invisibles et en expansion. Le système calcule une « distance critique » — un point de non-retour. Si l'obstacle franchit cette ligne, le drone doit déjà avoir commencé à esquiver. En mesurant la vitesse à laquelle l'obstacle se déplace et la vitesse à laquelle le drone peut tourner, le système sait exactement combien de temps à l'avance il doit déclencher l'esquive. Ils ont prouvé qu'avec leur installation, le drone pouvait déclencher une esquive alors que l'obstacle se trouvait encore à environ 2 à 4 mètres, lui laissant suffisamment de temps pour dévier en toute sécurité.

En fin de compte, cette recherche suggère que nous n'avons pas besoin d'ordinateurs coûteux, lourds ou gourmands en énergie pour rendre les drones sûrs dans l'obscurité ou la fumée. Un radar léger et un algorithme simple peuvent faire le plus gros du travail. L'article conclut que, bien qu'il reste du travail pour gérer des objets plus petits et des vitesses plus élevées, cette approche offre un compromis solide et pratique entre la vitesse, la sécurité et l'énergie limitée disponible sur les petits robots volants. C'est une étape vers un avenir où les drones pourront voler à travers une tempête de débris ou un entrepôt sombre et toujours trouver leur chemin sans s'écraser.

Résumé technique : Perception RADAR pour l'évitement d'obstacles dynamiques embarqué sur des quadrotors de petite échelle

Énoncé du problème
L'évitement d'obstacles dynamiques (DOA - Dynamic Obstacle Avoidance) rapide pour les véhicules aériens sans pilote (UAV) nécessite un système de perception qui équilibre une faible latence, une portée de détection suffisante et une robustesse dans des conditions environnementales défavorables. Les systèmes de DOA actuels de pointe reposent fortement sur des capteurs visuels (caméras) ou le LiDAR. Cependant, les capteurs optiques peinent face à un faible éclairage, à la fumée ou aux surfaces réfléchissantes, et manquent également de mesures directes de vitesse, ce qui nécessite un traitement supplémentaire et augmente la latence. Le LiDAR offre une détection longue portée mais exige des ressources de calcul élevées et ne parvient pas non plus à mesurer directement la vitesse. Le RADAR à ondes millimétriques (mmWave) offre une alternative rentable avec des mesures directes de distance, de vitesse et de position, ainsi qu'une robustesse à la lumière et à la fumée. Cependant, les données RADAR sont éparses, ce qui rend l'estimation de la taille des objets difficile, et son application pour un DOA embarqué rapide (dépassant 50 Hz) sur des plateformes aux ressources limitées n'a pas été validée auparavant.

Méthodologie
Les auteurs proposent un système de perception et de contrôle de bout en bout, léger, utilisant un capteur RADAR FMCW de 77–81 GHz sur un quadrotor de petite échelle. L'architecture du système est divisée en trois composantes principales :

Perception et suivi :
- Détection : Le système utilise un algorithme de fenêtre glissante combiné au regroupement DBSCAN pour traiter les nuages de points RADAR bruts à 100 Hz. Il distingue les points dynamiques des points statiques à l'aide de seuils de vitesse radiale, agrégeant les trames pour générer des boîtes englobantes 3D avec des estimations d'état $(x, y, z, v_x, v_y, v_z)$ .
- Suivi : Un suiveur SAFE-IMM (Interacting Multiple Model) est utilisé pour suivre les obstacles de manière robuste. Cette architecture limite la dérive de la trajectoire lors des changements de modèles sans coût de calcul élevé, en utilisant une association GNN (Global Nearest Neighbor) et des filtres de Kalman (vitesse constante et accélération constante).
- Analyse de la latence : Les auteurs dérivent des limites analytiques pour un évitement réussi, définissant une distance critique $d_{crit}$ basée sur la latence totale de bout en bout ( $t_{end} = t_{det} + t_{avoid}$ ), le temps d'évitement ( $t_{evade}$ ), et la vitesse relative ( $v_{rel}$ ). Un évitement réussi nécessite de déclencher la manœuvre avant que l'obstacle n'entre dans $d_{crit}$ .
Contrôle et évitement :
- Le système utilise un filtre de barrière de contrôle d'accélération distributionnellement robuste (DR-ACBF - Distributionally Robust Acceleration Control Barrier Filter). Contrairement aux solveurs de programmation quadratique lourds, ce contrôleur utilise une projection déterministe de Gauss-Southwell pour calculer les accélérations d'évitement dans un demi-espace linéaire.
- Pour gérer le bruit RADAR et les erreurs d'estimation, le cadre intègre un déclencheur de valeur à risque conditionnelle distributionnellement robuste (DR-CVaR - Distributionally Robust Conditional Value-at-Risk). Ce mécanisme étend de manière adaptative les marges de sécurité en se basant sur les distributions de probabilité les plus défavorables, garantissant un évitement de collision robuste même avec des mesures bruitées.
Implémentation :
- Le système a été implémenté sur un ordinateur compagnon Raspberry Pi 4B (Pi4B), fonctionnant sous Ubuntu 20.04 et ROS2 Galactic, interfacé avec un contrôleur de vol PX4.
- Le capteur RADAR est configuré pour une haute résolution de vitesse et un large champ de vision, optimisé pour la détection d'objets à faible section efficace radar (RCS - Radar Cross Section).

Contributions clés

Premier DOA rapide basé sur le RADAR mmWave : À la connaissance des auteurs, il s'agit du premier système ayant démontré un DOA rapide embarqué utilisant le RADAR mmWave sur un UAV à ressources limitées sans accélération GPU.
Analyse des limites temporelles et spatiales : L'article fournit une dérivation théorique des contraintes temporelles et spatiales requises pour un DOA réussi, reliant la portée de détection, la vitesse relative et les délais de contrôle.
Validation du système : Les auteurs valident le système sur une station de travail et sur un Pi4B, démontrant la faisabilité en temps réel avec une latence de bout en bout d'environ 14 ms.
Jeu de données complet : Le travail inclut un jeu de données de 390 lancers impliquant trois tailles d'objets différentes sous diverses conditions de visibilité (lumière, obscurité et fumée).

Résultats expérimentaux
Le système a été évalué via des expériences de matériel dans la boucle (HiL - Hardware-in-the-Loop) stationnaires et des tests de vol embarqués :

Précision de détection : Dans des conditions de lumière et d'obscurité, le système a atteint des erreurs de position inférieures à 0,15 m dans la direction x, 0,93 m en y, et 0,87 m en z. Dans les conditions de fumée, où la vérité terrain n'était pas disponible, la dispersion des positions détectées est restée cohérente avec les résultats de lumière/obscurité, indiquant une robustesse.
Performance d'évitement : À travers 390 lancers lors d'expériences stationnaires avec des tailles d'objets variables (0,1 m à 0,3 m), le système a atteint un taux d'évitement global de plus de 80 % pour des distances supérieures à 1 mètre. Le contrôleur DR-ACBF a déclenché l'évitement avec succès à une distance moyenne ( $d_t$ ) de 2,12 m à 4,03 m, bien au-delà de la distance critique calculée ( $d_{crit} \approx 1,02$ m pour les tests stationnaires).
Expériences de vol : Dans 20 vols embarqués (vol stationnaire et vol vers l'avant à 1 m/s), le système a démontré un évitement fiable à des vitesses d'obstacles dépassant 6 m/s. La latence de calcul de bout en bout sur le Pi4B était de 13,65 ms, satisfaisant les exigences en temps réel.
Analyse d'échec : Le système a principalement échoué lorsqu'il a détecté trop tard (en dessous de $d_{crit}$ ) des objets ultra-petits et non métalliques (par exemple, des balles de tennis de 0,1 m) dans la fumée, en raison d'une faible RCS, ou si des pics de CPU augmentaient la latence au-delà de la marge de sécurité.

Signification et affirmations
L'article affirme que le RADAR mmWave est une modalité de détection primaire viable pour le DOA rapide sur de petits UAV, offrant un compromis solide entre robustesse (dans la fumée et la faible luminosité), latence et efficacité de calcul embarquée. Les auteurs soulignent que leur système permet un évement de collision robuste sans dépendre du deep learning ou des GPU, ce qui le rend adapté au déploiement sur du matériel de bord aux ressources limitées. Les résultats confirment qu'avec une gestion appropriée de la latence et des stratégies de contrôle robustes (DR-ACBF), le RADAR peut supporter l'évitement d'obstacles dynamiques à haute vitesse, une capacité auparavant dominée par les systèmes de vision et LiDAR. Les travaux futurs visent à s'étendre à des UAV propres se déplaçant plus rapidement en extérieur et à l'évitement multi-objets.

Articles similaires