Sintesi Tecnica: Swarm Sign Language – Comunicazione Basata sul Movimento tra Droni

Definizione del Problema

Nelle robotiche di sciami con vincoli di furtività, la comunicazione tradizionale a radiofrequenza (RF) è vulnerabile a jamming, interferenze e limitazioni di portata in ambienti contestati. Sebbene la comunicazione visiva offra un'alternativa passiva, i metodi esistenti spesso mancano di robustezza o si basano su ipotesi di osservazione perfetta. Questo articolo affronta la sfida di stabilire un canale di comunicazione non attivo e robusto per i veicoli aerei non pilotati (UAV) utilizzando la comunicazione basata sul movimento (MBC). Il problema centrale è codificare e decodificare informazioni semantiche complesse (come comandi, grandezza e direzionalità) esclusivamente attraverso le traiettorie di volo 3D osservate di un drone trasmittente, senza fare affidamento su segnali RF.

Metodologia

1. Protocollo di Comunicazione e Codifica

Gli autori propongono una "Swarm Sign Language" (Linguaggio dei Segni dello Sciame) in cui i messaggi sono codificati tramite un set di nove distinti primitivi geometrici planari (kinemi), che includono quadrati, cerchi, spirali e stelle. Per massimizzare la densità di informazioni, il protocollo modula queste forme utilizzando due parametri geometrici:

• Scala: La dimensione fisica della traiettoria codifica la grandezza (es. "secondo" vs "primo").
• Vettore Normale: L'orientamento del piano di esecuzione codifica la direzionalità (es. "destra" vs "sinistra").

Il sistema opera in un flusso continuo in cui i gesti comunicativi sono inseriti all'interno di movimenti non comunicativi (random walk) e fasi di hovering per simulare un comportamento realistico dello sciame.

2. Pipeline di Generazione dei Dati

Per superare la scarsità di dati nella robotica, gli autori hanno sviluppato una pipeline di generazione procedurale online configurabile. Questo sistema sintetizza traiettorie 3D dinamicamente fattibili mediante:

• Definizione di waypoint geometrici in un frame 2D canonico.
• Applicazione di trasformazioni di scala e rotazione 3D.
• Risoluzione di un problema di ottimizzazione Minimum-Snap per generare traiettorie polinomiali (grado 8) lisce e continue che rispettino i vincoli dinamici (spinta e velocità angolare).
• Iniezione di rumore del controllore (rumore gaussiano sui waypoint) e rumore di osservazione (simulando il degrado del valutatore di posa) per colmare il divario con la realtà (reality gap).
• Filtraggio delle traiettorie che violano i limiti fisici dei quadricotteri standard.

3. Architettura: 3DTrajDecoder

Il componente principale di decodifica è un Vision Transformer (ViT) multi-task adattato per sequenze di pose 3D, denominato 3DTrajDecoder.

• Input: Il modello elabora una sequenza di stime di posa (posizione, orientamento o posizione relativa) campionate a 30Hz su una finestra di 12 secondi.
• Elaborazione: La sequenza di input viene sottocampionata tramite convoluzione 1D, aumentata con un token [CLS] apprendibile e codifiche posizionali sinusoidali, e processata attraverso strati di encoder Transformer.
• Testine Multi-Task: L'architettura esegue simultaneamente quattro compiti:
  1. Classificazione: Identifica la classe della forma (kinema).
  2. Segmentazione: Delinea il segmento comunicativo all'interno del flusso di movimento continuo.
  3. Regressione della Dimensione: Predice la scala fisica della traiettoria.
  4. Regressione della Normale: Predice il vettore normale del piano di esecuzione.

4. Metriche di Valutazione

Le prestazioni sono valutate tramite:

• F1-score per classificazione e segmentazione.
• Errore Assoluto Medio (MAE) e Errore Quadratico Medio (MSE) per la regressione della dimensione.
• Errore Geodetico (EG) per la regressione del vettore normale, che misura la distanza angolare tra le normali predette e quelle reali su una sfera unitaria.
• Completezza ($\Phi_r$): La proporzione del kinema presente nella finestra di input.
• Rapporto Segnale-Rumore (SNR): Il rapporto tra il raggio del kinema perfetto e il raggio osservato rumoroso.

Risultati Chiave

Simulazione e Dati Sintetici

• Confronto dell'Architettura: Il modello multi-task basato su Transformer ha superato i baseline LSTM, ResNet e ViT. Ha raggiunto un F1-score del 91,13% per la classificazione e del 94,16% per la segmentazione sul set di test.
• Sensibilità dell'Input: Gli studi di ablazione hanno rivelato che, sebbene la posizione relativa e l'orientamento siano utili, l'inclusione dei dati di posizione assoluta è cruciale per la generalizzazione, in particolare per la regressione della dimensione.
• Dominio Operativo: Il sistema opera robustamente quando il segmento comunicativo occupa più del 60% della finestra di input (circa 7,2s) e la dimensione della traiettoria supera 0,4m. In queste condizioni, il modello mantiene un F1-score >85,7% e un errore geodetico medio <11,5°.
• Difficoltà della Classe: Forme complesse come la "Stella" sono state più difficili da classificare a causa dei vincoli di fattibilità dinamica che ne limitano la dimensione (basso SNR), mentre forme semplici come "Quadrato" e "Triangolo" hanno mostrato confusione quando venivano visibili solo segmenti parziali.

Esperimenti nel Mondo Reale

• Trasferimento Sim-to-Real: Il modello, addestrato interamente su dati sintetici, è stato validato su voli reali utilizzando un quadricottero custom e un sistema di motion capture (MoCap).
• Prestazioni: Sulle traiettorie reali catturate tramite MoCap, il modello ha ottenuto un F1-score del 92,45% per la classificazione e dell'87,02% per la segmentazione.
• Robustezza: Il sistema ha dimostrato resilienza agli offset temporali. Le prestazioni sono rimaste elevate con spostamenti temporali di ±3 secondi rispetto al segmento comunicativo centrato. Tuttavia, le prestazioni sono diminuite significativamente quando la completezza scendeva sotto il 50% (spostamenti >±6s).
• Analisi degli Errori: L'errore geodetico medio sui dati reali è stato di 4,72° e l'errore medio di dimensione è stato di 0,08m, confermando la capacità del sistema di decodificare traiettorie modulate nonostante le imperfezioni del controllore.

Significato e Rivendicazioni

L'articolo sostiene di presentare un nuovo protocollo di comunicazione privo di RF che migliora l'autonomia, la furtività e la resilienza degli sciami di droni. I suoi principali contributi sono:

1. Un Protocollo di Movimento Modulato: Un metodo per trasmettere semantica complessa (classe, dimensione, direzione) utilizzando primitivi geometrici planari modulati per scala e orientamento.
2. Un'Architettura Transformer Multi-Task: Un singolo modello capace di eseguire simultaneamente classificazione, segmentazione e regressione di sequenze spazio-temporali, superando i modelli tradizionali basati su immagini o sequenze.
3. Sintesi Procedurale dei Dati: Una pipeline flessibile per generare traiettorie 3D rumorose e dinamicamente fattibili, affrontando la mancanza di dataset pubblici per questo specifico dominio.
4. Viabilità nel Mondo Reale: La dimostrazione di un efficace trasferimento sim-to-real, che prova come la comunicazione basata sul movimento sia fisicamente fattibile per gli UAV operanti in ambienti dinamici senza trasmissione RF attiva.

Gli autori concludono che, sebbene la stima completa della posa sia benefica, il sistema è sufficientemente robusto da poter potenzialmente operare con un tracciamento posizionale più semplice, e il lavoro futuro si concentrerà sul deployment in tempo reale end-to-end utilizzando direttamente telecamere RGB.