Dom, cars don't fly! -- Or do they? In-Air Vehicle Maneuver for High-Speed Off-Road Navigation

1. Il Problema

La navigazione off-road ad alta velocità su terreni irregolari presenta sfide uniche. Quando un veicolo spinge al limite la sua velocità, è inevitabile che diventi momentaneamente aereo (stato di volo) a causa delle irregolarità del terreno.

• Limitazione attuale: La maggior parte dei sistemi di autonomia off-road assume che il veicolo sia sempre a contatto con il suolo. Di conseguenza, limitano la velocità operativa per evitare incidenti o per circumnavigare ostacoli, impedendo di sfruttare la massima velocità fisicamente possibile.
• La sfida: Durante le fasi di volo, il veicolo perde il contatto con il terreno, rendendo i controlli tradizionali (sterzo e acceleratore) apparentemente inefficaci per modificare l'assetto. Tuttavia, un atterraggio improprio (es. atterrare sulla schiena o con un angolo di beccheggio eccessivo) può causare danni catastrofici al robot o fallimento della missione.
• Obiettivo: Sfruttare le strutture del terreno per "volare" sopra ostacoli difficili, riducendo i tempi di percorrenza, ma controllando l'assetto del veicolo durante la fase aerea per garantire un atterraggio sicuro e preciso, utilizzando esclusivamente i controlli esistenti del veicolo (acceleratore e sterzo).

2. Metodologia

Gli autori propongono un approccio ibrido che combina principi fisici e apprendimento automatico, strutturato in due componenti principali: il modello dinamico PHLI e il pianificatore Dom Planner.

A. Principi Fisici del Controllo in Aria

Il lavoro si basa sul fatto che, anche in aria, le ruote rotanti del veicolo generano effetti che possono essere sfruttati per modificare l'assetto del telaio:

1. Effetto Inerziale: Accelerando o decelerando le ruote (tramite l'acceleratore), si genera una coppia di reazione sul telaio a causa della conservazione del momento angolare. Se le ruote sono sterzate, questa coppia ha componenti sia sul rollio che sul beccheggio.
2. Effetto Giroscopico: Ruotando l'asse di sterzo (tramite lo sterzo) mentre le ruote girano ad alta velocità, si genera una precessione che esercita una coppia sul telaio, influenzando nuovamente rollio e beccheggio.
3. Limiti: Non esiste un controllo diretto sull'imbardata (yaw) tramite questi meccanismi, che rimane influenzato principalmente da rumore, resistenza aerodinamica e distribuzione del peso.

B. Modello Ibrido PHLI (Physics and Learning based model for In-air vehicle maneuver)

Poiché modellare analiticamente tutti i parametri (come il momento d'inerzia variabile a causa della sospensione o della deformazione degli pneumatici ad alta velocità) è difficile, gli autori usano un modello ibrido:

• Parte Appresa ($g_\phi$): Una rete neurale (MLP a 4 strati) che prende lo stato corrente e l'azione come input e predice le accelerazioni angolari ($\ddot{roll}, \ddot{pitch}, \ddot{yaw}$). Questa parte apprende le dinamiche complesse dai dati reali.
• Parte Fisica ($h_\xi$): Un modello basato sulla fisica (integrazione numerica) che utilizza le accelerazioni predette dalla rete neurale, insieme allo stato corrente e all'azione, per calcolare lo stato futuro del veicolo ($s_{t+1}$).
• Questo approccio garantisce coerenza fisica pur adattandosi alle dinamiche reali non modellabili analiticamente.

C. Dom Planner

È un pianificatore di movimento basato su campionamento, progettato specificamente per la finestra temporale limitata del volo.

• Orizzonte Fisso: A differenza dei pianificatori a orizzonte ridondante (receding horizon), questo usa un orizzonte fisso determinato dal tempo rimanente fino all'atterraggio.
• Campionamento: Campiona sequenze di azioni (variazioni di RPM e angolo di sterzo) e simula le traiettorie risultanti utilizzando il modello PHLI.
• Funzione di Costo Dinamica: Minimizza una funzione di costo che pesa diversamente le variabili di stato nel tempo. All'inizio del volo, l'obiettivo è allineare gli angoli (rollio/beccheggio); verso la fine, l'attenzione si sposta sulle velocità angolari e sulla velocità delle ruote per minimizzare l'impatto.
• Vincoli: Considera i limiti di attuazione dipendenti dallo stato (es. se la velocità delle ruote è già al minimo, non può essere ulteriormente ridotta).

3. Contributi Chiave

1. Modello Dinamico Ibrido: Un modello che combina principi fisici (effetti inerziali e giroscopici) e apprendimento dati-driven per prevedere il comportamento di un veicolo terrestre in aria, controllato solo da acceleratore e sterzo.
2. Dom Planner: Un pianificatore a orizzonte fisso e basato su campionamento, ottimizzato per la convergenza rapida verso uno stato di atterraggio sicuro entro una finestra temporale ristretta.
3. Validazione Sperimentale: Dimostrazione che i veicoli terrestri possono essere controllati in aria per atterraggi sicuri, superando i limiti dei controllori tradizionali basati sull'errore (come il PID).

4. Risultati Sperimentali

Gli esperimenti sono stati condotti su una piattaforma robotica in scala 1/5 (Losi DBXL E2) sia su un banco di prova a due assi (gimbal) che in ambiente esterno.

• Esperimenti Indoor (Gimbal):

  • Trajectory Tracking (TT): Il Dom Planner ha tracciato traiettorie continue con un errore medio di 0.23 rad, contro 0.69 rad del PID. Il tasso di successo è stato del 100% (5/5) contro il 40% (2/5) del PID.
  • Rapid State Change (RSC): Il planner ha raggiunto stati casuali più velocemente (23.3s vs 51.2s) e con maggiore precisione.
  • State Stability (SS): Di fronte a disturbi esterni, il Dom Planner ha mostrato una latenza di reazione inferiore (0.18s vs 0.65s) e tempi di correzione più rapidi.
  • Il PID ha fallito frequentemente perché non tiene conto delle dinamiche accoppiate e dei limiti di attuazione, portando spesso a stati bloccati.

• Esperimenti Outdoor:

  • Il veicolo è stato lanciato a oltre 50 km/h da una rampa del 45°.
  • Il sistema ha calcolato il tempo di volo e ha eseguito manovre in aria per allineare rollio e beccheggio a zero prima dell'atterraggio.
  • Gli atterraggi sono stati eseguiti con successo con angoli di rollio e beccheggio prossimi allo zero (0.08 rad e 0.13 rad rispettivamente), dimostrando la capacità di generalizzare in presenza di resistenza aerodinamica e distribuzione del peso variabile.

5. Significato e Implicazioni

Questo lavoro ribalta l'assunzione comune che i veicoli terrestri non possano essere controllati in aria. Dimostra che:

• È possibile estendere le capacità dei veicoli off-road esistenti per navigare ad alta velocità su terreni estremamente accidentati, sfruttando il volo come strategia di navigazione piuttosto che come incidente da evitare.
• L'uso di controlli convenzionali (sterzo e acceleratore) combinati con una modellazione ibrida precisa permette manovre complesse che i controllori classici non possono gestire.
• La metodologia apre la strada a sistemi di navigazione off-road più veloci e resilienti, capaci di superare ostacoli "volando" sopra di essi invece di rallentare o aggirarli, migliorando significativamente l'efficienza temporale delle missioni.

In sintesi, il paper conferma che, con la giusta modellazione e pianificazione, "le auto possono volare" (o meglio, possono essere controllate in volo) per garantire atterraggi sicuri e missioni di successo.