Feasibility and Singularity in High-Order Safety-Critical Control for Quadrotor UAVs

Immaginate uno sciame di piccoli robot volanti, ciascuno grande quanto un piatto piano, incaricato di navigare in uno spazio affollato. Queste macchine, note come quadrotor, sono i cavalli di battaglia della moderna robotica aerea, utilizzate per tutto, dall'ispezione dei ponti alla consegna di forniture mediche. Tuttavia, possiedano un limite fisico fondamentale: possono solo spingere se stesse in avanti o all'indietro inclinando il proprio corpo e facendo ruotare le eliche per generare una spinta in una singola direzione rispetto al proprio telaio. Questo le rende intrinsecamente difficili da controllare quando devono muoversi lateralmente o fermarsi improvvisamente senza inclinarsi. Quando una squadra di questi robot vola in stretta prossimità, il rischio di collisione è costante. Per mantenerli al sicuro, gli ingegneri utilizzano filtri di sicurezza matematici che agiscono come un guardrail invisibile, controllando costantemente le traiettorie dei robot e intervenendo solo quando un impatto è imminente. L'obiettivo è lasciare che i robot seguano il loro percorso previsto il più fedelmente possibile, intervenendo solo quando è assolutamente necessario per evitare il disastro.

La sfida si intensifica quando questi robot devono operare sotto limiti fisici rigorosi, come una quantità massima di forza che i loro motori possono produrre. In scenari complessi, la geometria della situazione può congiurarsi contro il sistema di sicurezza. Se due robot si avvicinano l'uno all'altro da un angolo specifico, la direzione in cui devono spingere per evitare una collisione potrebbe essere perpendicolare alla direzione in cui i loro motori possono effettivamente spingere. In tali momenti, il sistema di sicurezza perde la capacità di generare la forza necessaria, un fenomeno noto come singolarità. Inoltre, anche se il sistema di sicurezza funzionasse perfettamente per ogni coppia di robot individualmente, le richieste collettive di evitare collisioni con più vicini contemporaneamente potrebbero eccedere la forza totale che l'intera squadra può generare. Questo crea una situazione in cui le regole di sicurezza sono matematicamente impossibili da soddisfare simultaneamente, portando a un collasso del sistema nella sua capacità di tenere tutti al sicuro.

In uno studio recente, i ricercatori Omayra Yago Nieto e Leonardo Colombo hanno indagato questi specifici modi di guasto in squadre di droni quadrotori. Hanno cercato di capire esattamente quando e perché questi filtri di sicurezza falliscono e di progettare un nuovo metodo di controllo che potesse superare tali limitazioni. Il loro lavoro si concentra su due problemi distinti: la perdita di efficacia quando la spinta disponibile di un robot è disallineata con la direzione necessaria, e l'incapacità collettiva di un gruppo di soddisfare tutti i vincoli di sicurezza contemporaneamente a causa di limiti di potenza condivisi. Analizzando la fisica della situazione, hanno identificato che i controlli di sicurezza standard, che monitorano la distanza tra i robot, spesso falliscono perché non tengono conto della capacità del robot di ruotare il proprio corpo per cambiare la direzione della propria spinta.

Per risolvere questo, i ricercatori hanno sviluppato un approccio più sofisticato che guarda più avanti nel tempo. Invece di controllare solo la distanza attuale tra i robot, il loro nuovo metodo considera come la velocità, l'accelerazione e le forze rotazionali dei robot evolveranno nei successivi istanti. Hanno introdotto una tecnica che include esplicitamente la coppia — la forza di torsione utilizzata per ruotare il drone — nei calcoli di sicurezza. Facendo ciò, hanno creato un filtro di sicurezza che comprende che, anche se un robot non può spingere direttamente lontano da una collisione proprio ora, può ruotare il proprio corpo per puntare la propria spinta nella direzione giusta una frazione di secondo dopo. Questa estensione "consapevole della coppia" assicura che il sistema di sicurezza abbia sempre un modo valido per generare una forza correttiva, a patto che il drone stia ancora producendo una certa spinta.

I ricercatori hanno anche affrontato il problema della fattibilità collettiva. Hanno creato una misura matematica per determinare se l'intera squadra può soddisfare tutti i propri vincoli di sicurezza contemporaneamente. La loro analisi ha dimostrato che anche quando le coppie di robot individuali non si trovano in uno stato singolare e ingestibile, l'intero gruppo potrebbe trovarsi in una situazione in cui nessun singolo set di comandi può mantenere tutti al sicuro. Per affrontare questo, hanno formulato un nuovo algoritmo di controllo che controlla costantemente la fattibilità del gruppo. Se il sistema rileva che la squadra si sta avvicinando a un punto in cui la sicurezza diventa impossibile, l'algoritmo regola il comportamento dei robot per rimanere all'interno di una zona operativa sicura, garantendo che esista sempre una soluzione valida.

Per gestire l'imprevedibilità del mondo reale, come le raffiche di vento o le leggere variazioni nel peso dei robot, il team ha incorporato una componente di apprendimento. Hanno utilizzato un metodo statistico chiamato processi gaussiani per apprendere gli errori sconosciuti del modello del sistema direttamente dai dati. Invece di cercare di calcolare ogni possibile disturbo, il sistema apprende il modello di questi errori e costruisce un margine di sicurezza attorno ad essi. Ciò consente al controllore di rimanza robusto anche quando l'ambiente si comporta in modi che il modello originale non aveva previsto. Il risultato è un filtro di sicurezza che è sia preciso che adattabile, capace di mantenere distanze sicure anche di fronte all'incertezza.

Il team ha testato il loro nuovo controllore in una simulazione al computer che coinvolgeva tre quadrotori che eseguivano una complessa manovra di incrocio. In questo scenario, i robot dovevano volare l'uno accanto all'altro in una formazione stretta, una situazione progettata per innescare proprio i guasti che i ricercatori miravano a prevenire. Quando hanno eseguito la simulazione con un vecchio controllore di sicurezza standard, il sistema è fallito. I robot si sono avvicinati pericolosamente, con la distanza tra loro che scendeva a soli 0,300 metri, ben al di sotto del limite sicuro di 0,8 metri. Il vecchio controllore è diventato matematicamente bloccato, incapace di trovare una soluzione che tenesse separati i robot, e la simulazione è dovuta essere interrotta.

Al contrario, quando i ricercatori hanno applicato il loro nuovo controllore consapevole della coppia, i robot hanno completato la manovra senza intoppi. La distanza minima tra due droni durante l'intero volo è stata di 0,822 metri, ben al di sopra della soglia richiesta. Il nuovo sistema ha guidato con successo i robot attraverso la parte più stretta dell'incrocio senza mai perdere il controllo o violare i vincoli di sicurezza. La simulazione ha anche rivelato che, mentre il vecchio controllore falliva perché non poteva tenere conto della capacità dei robot di ruotare, il nuovo controllore utilizzava questa capacità rotazionale per generare le necessarie forze di evitamento. Anche quando i ricercatori hanno introdotto disturbi casuali per simulare il vento e le imperfezioni meccaniche, il nuovo sistema ha mantenuto una distanza sicura di 0,895 metri, dimostrando la sua resilienza.

Lo studio conclude che, guardando più a fondo nella fisica dei droni — specificamente includendo la loro dinamica rotazionale e imparando dai dati — gli ingegneri possono creare sistemi di sicurezza molto più affidabili. I ricercatori hanno dimostrato che la paura che i filtri di sicurezza falliscano a causa di singolarità geometriche o limiti di potenza collettivi può essere mitigata da una strategia di controllo che rispetta le piene capacità della macchina. Il loro lavoro fornisce una strada concreta per l'impiego di squadre di droni in ambienti reali affollati dove la sicurezza non è negoziabile, assicurando che questi robot aerei possano lavorare insieme senza schiantarsi, anche quando la situazione sembra impossibile.