Vision-Based UAV Interception Using Dynamic Image-Based Visual Servoing, Multi-Objective Predictive Guidance, and Robust Soft Control Barrier Functions

Dans le ciel, un drone équipé d'une caméra fait face à un défi difficile : il doit rattraper un autre drone qui se déplace de manière imprévisible, tout en étant confronté au fait que la vue de la caméra est retardée par le temps nécessaire au traitement des images et que le drone lui-même possède des limites de virage. C'est le domaine de l'asservissement visuel, une méthode où une machine utilise ce qu'elle voit directement pour se diriger, plutôt que de s'appuyer sur une carte parfaite et précalculée du monde. Pour un drone tentant d'intercepter une cible, la tâche est compliquée par le fait que la caméra est rigidement fixée à l'aéronef ; si le drone tourne brusquement pour rattraper la cible, la caméra peut osciller si vite que la cible disparaît de la vue. De plus, les images que reçoit le drone ne sont jamais parfaitement fraîches ; elles sont toujours légèrement datées, et la cible peut changer de vitesse ou de direction de manières que le drone ne peut prédire. Résoudre cela nécessite un système capable de voir l'avenir, de peser plusieurs options simultanément et de prendre des décisions en une fraction de seconde qui équilibrent vitesse, sécurité et fluidité.

Des chercheurs de l'Institut de contrôle, d'automatisation dans la production et l'amélioration des technologies ont développé une nouvelle approche à ce problème, créant un système qui permet à un drone d'intercepter une cible manœuvrante même lorsque les données visuelles sont bruitées et retardées. Au lieu d'essayer de forcer la cible au centre du champ de la caméra immédiatement, ce qui conduit souvent à des mouvements erratiques ou à la disparition de la cible de la vue, leur méthode utilise un observateur prédictif pour deviner où la cible sera un instant plus tard. Le système génère ensuite un petit ensemble de trajectoires de vol possibles, ou trajectoires candidates, que le drone peut suivre. Chacune de ces trajectoires est évaluée par rapport à plusieurs objectifs simultanés : la proximité de la cible, la durée de l'interception, l'énergie consommée par le drone et le risque de perdre la cible dans le cadre de la caméra.

Pour choisir la meilleure trajectoire, les chercheurs n'ont pas simplement choisi l'option qui semblait la meilleure sur le papier. Au lieu de cela, ils ont utilisé une technique appelée fusion Soft-min, qui mélange les options pour créer une décision lisse et continue. Cela empêche le drone de faire des mouvements saccadés entre différentes stratégies, un problème courant lorsqu'un système bascule brusquement entre des choix. Le résultat est un point de référence dynamique qui se déplace dans le champ de la caméra, guidant le drone vers le point d'interception prédit plutôt que vers un point fixe dans l'image. Cela permet au drone d'ajuster sa course avec grâce à mesure que la cible se déplace, compensant le délai des données d'image en anticipant le prochain mouvement de la cible.

Une partie critique de ce système est un filtre de sécurité basé sur un concept connu de fonction de barrière de contrôle. En termes simples, cela agit comme un garde-fou qui empêche le drone d'exécuter une commande qui ferait disparaître la cible du champ de la caméra. Cependant, comme les conditions du monde réel sont désordonnées et que les moteurs du drone ont des limites physiques, une règle stricte disant « ne jamais perdre la cible » peut parfois rendre le calcul impossible à résoudre. Pour gérer cela, les chercheurs ont introduit une version « souple » de cette règle de sécurité. Cela permet au système d'assouplir temporairement la contrainte de sécurité si cela est absolument nécessaire pour maintenir le mouvement du drone, tout en pénalisant le système pour ce faisant. Cela garantit que le drone continue de tenter d'intercepter la cible même lorsque la situation est extrêmement tendue, plutôt que de se figer parce qu'une solution parfaite ne peut être trouvée.

Les chercheurs ont testé leur méthode dans une série de simulations informatiques impliquant cent scénarios différents avec des variations de vent, de bruit et de mouvements de cible. Ils ont comparé leur nouveau système à plusieurs méthodes existantes, y compris le suivi visuel standard et d'autres approches prédictives. Les résultats ont montré que leur méthode est très efficace. Dans les simulations, le drone a intercepté la cible avec succès dans quatre-vingt-dix pour cent des cas, un taux très proche de la méthode de référence la plus performante. Plus important encore, le nouveau système a accompli cela avec nettement moins d'efforts. Le drone a utilisé environ quinze pour cent d'énergie de contrôle en moins, ce qui signifie qu'il n'a pas eu à travailler aussi dur pour réaliser le même rattrapage. Il a également réduit l'erreur de suivi de l'image de la cible de près de quarante-six pour cent, maintenant la cible beaucoup plus stable dans le champ de la caméra. Le temps nécessaire pour achever l'interception a également été réduit de plus de vingt pour cent par rapport à la méthode de référence, à condition que l'interception soit réussie.

Cependant, l'étude a également révélé un compromis subtil. Bien que la nouvelle méthode soit plus rapide et plus efficace, son taux de réussite est légèrement inférieur à celui de la méthode de référence, chutant de trois points de pourcentage. Cela suggère qu'en privilégiant la vitesse et la fluidité, le système prend occasionnellement des risques qu'une approche plus conservatrice aurait évités. Les chercheurs ont constaté que la distance moyenne entre le drone et la cible au moment de l'interception était presque identique pour les deux méthodes, mesurant un peu plus de deux mètres dans les deux cas. Cela indique que, bien que le nouveau système soit plus agile et moins exigeant pour les moteurs du drone, il ne garantit pas nécessairement un rattrapage parfait dans chaque scénario où l'ancienne méthode aurait pu réussir.

L'étude conclut que cette approche offre un moyen puissant de gérer l'équilibre complexe entre voir, penser et agir pour les drones autonomes. En combinant un observateur prédictif, un processus de prise de décision multi-objectifs et un filtre de sécurité flexible, le système peut gérer les délais et les incertitudes de la vision du monde réel. Les chercheurs notent que bien que les simulations aient été fructueuses, le système repose sur des approximations pour que les calculs soient assez rapides pour une utilisation en temps réel. Les travaux futurs consisteront à tester ces idées sur du matériel réel et à explorer comment le système se comporte avec des modèles physiques plus complexes du drone. Pour l'instant, les conclusions démontrent qu'il est possible de guider un drone vers une cible mobile avec une haute précision et une grande efficacité, même lorsque les yeux du drone sont lents et que la cible est insaisissable.