Accurate Trajectory Tracking with Model Predictive Contouring Control for Bird-Scale Flapping-Wing MAVs

プロペラが唸るドローンの代わりに、鳥のように翼を羽ばたかせる静かで優雅な機械が空を埋め尽くす世界を想像してみてください。これは、羽ばたき飛行（フラッピング飛行）という、より安全で静か、かつ環境と自然に調和した相互作用を約束するロボット工学の分野の夢です。昆虫サイズの極小ロボットはすでにこの技術を習得していますが、鳥のサイズまでスケールアップするには、特有の難題が存在します。ホバリングや垂直離着陸が可能な昆虫とは異なり、鳥サイズの飛行体は「帆船」のようなものです。揚力を発生させるためには前進速度が必要であり、旋回、上昇、降下といった動きが密接に結びついています。速度を上げれば旋回性能が向上し、より激しく羽ばたけば上昇しますが、同時に速度も上がってしまいます。この「結合（カップリング）」が、制御を極めて困難にしています。従来の制御法は、まるでハンドル操作、ブレーキ、加速を別々の手で行おうとするドライバーのように、高度、速度、方向を個別に制御しようとします。しかし、これらは互いに連携していないため、複雑な経路を辿ろうとすると、ふらつきや精度の低下を招いてしまいます。

本論文は、これらの鳥サイズのロボットに精密な飛行を教えるための新しい手法を紹介するものです。研究者たちは、「モデル予測コンツーリング制御（MPCC）」と呼ばれるスマートな制御システムを開発しました。これは、単に「いつ、どこにいるべきか」を指示するGPSではなく、列車が線路の上を走るように、鳥が自ら速度を決定しながら経路に沿って導くガイドのようなものです。厳格なスケジュールに従うのではなく、鳥は常に先を見通し、羽ばたきと旋回が将来の位置にどのような影響を与えるかを計算しながら、経路に留まるようリアルタイムで調整します。これを実現するために、彼らはロボットのための簡略化されつつも正確な「脳」――流体力学の複雑な計算に陥ることなく、速度、旋回、上昇のトリッキーな繋がりを理解できる数学的モデル――を作成しました。これを市販の鳥型ドローン「XFly」でテストしたところ、驚くべき結果が得られました。このロボットは、最大秒速3メートルの速度で円形および3Dレースコースを飛行でき、目標経路からわずか6.5〜9センチメートルの誤差内に留まりました。これは従来の手法と比較して8.5倍の改善であり、適切な「思考」さえあれば、鳥サイズのドローンが実物の鳥のように滑らかに飛行できることを証明しています。

問題点：ふらつく鳥

ハンドル、ペダル、ブレーキが一本の絡まった紐でつながれた自転車に乗っているところを想像してみてください。ペダルを強く踏んで坂を登ろうとすると、ハンドルが突然左に急旋回します。あるいは、曲がろうとすると速度が落ち、数センチ沈み込んでしまいます。これこそが、鳥サイズの羽ばたきドローンで起きていることです。これらは、羽ばたきの強さと尾翼（ラダー）の向きという、わずか数種類の制御によって支配されています。しかし、これらの制御は独立して機能しません。激しく羽ばたけば、速度が増すと同時に上昇します。また、素早く旋回するには、安定性を保つための速度が必要です。

古い制御法は、それぞれの役割を個別に処理することで対処しようとしました。ある計算ループは高度を一定に保とうとし、別のループは速度を、そして第三のループは方向を一定に保とうとしました。しかし、鳥の物理現象は非常に複雑に絡み合っているため、一つの問題を解決しようとすると別の問題が悪化してしまうのです。それは、ジェンガのブロックを一度に一つずつしか触らずに積み上げようとするようなもので、複雑な機動を行う最中には、全体がふらついて崩れてしまいます。さらに、従来のシステムは事前に計画されたスケジュールを必要とし、「何秒後にどの速度で飛ぶか」を正確に指示していました。そのため、バッテリーが消耗したり突風が吹いたりしても適応できず、計画全体が破綻してしまうのです。

解決策：「経路追従型」の脳

著者たちは、鳥の自然な物理法則と戦うのではなく、それに従うことに決めました。彼らは、**モデル予測コンツーリング制御（MPCC）**という概念に基づいた新しい制御システムを構築しました。

MPCCを理解するために、曲がりくねったコースを走るレースカーのドライバーを想像してください。従来の制御法は、「10秒後にアクセルを踏め、11秒に左へ曲がれ」という台本を暗記しているドライバーのようなものです。もし車が段差に当たって減速した場合、たとえまだ正しい位置に到達していなくても、ドライバーは11秒の時点で左に曲がろうとしてしまいます。

MPCCのアプローチは異なります。これはドライバーに「コースの白い線に沿って走れ」と命じるものです。次のカーブに「いつ」到達するかは重要ではなく、ただ線に近いことが求められます。システムは常に、「今少し曲がったら、次の瞬間にどこにいるか？」「もう少し激しく羽ばたいたら、上昇しすぎてしまうか？」と問い続けます。そして、経路に留まるための羽ばたきと旋回の完璧なバランスを見つけ出すために、このパズルを毎秒数百回という頻度で解き続けます。これにより、鳥は無理に固定された速度を強要されることなく、コースのカーブに合わせて自然に加速・減速することができるのです。

秘訣：シンプルだが賢いモデル

コンピュータがこのパズルをリアルタイムで解くためには、鳥の動きに関するモデルが必要です。しかし、実際の羽ばたきによる物理現象は、渦巻く空気や流体力学を含む極めて複雑なものであり、計算には膨大な時間がかかります。研究者には、即座に実行できるほど単純でありながら、鳥のトリッキーな挙動を捉えられるほど正確なモデルが必要でした。

彼らは9状態モデルを作成しました。これは、鳥の世界を簡略化した地図のようなものです。空気分子の一つひとつを追跡する代わりに、鳥の位置、前進速度、上昇速度、旋回速度、そしてそれらの速度の変化率という9つの主要な要素を追跡します。決定的なのは、このモデルに「結合（カップリング）」が含まれていることです。つまり、「旋回すると高度が下がる」「羽ばたくと速度が上がる」という事実です。滑らかな数学関数を用いることで、このモデルをコンピュータが高速に解けるようにし、毎秒100回（100 Hz）の実行を可能にしました。

テスト走行：XFlyとのレース

このアイデアが機能することを証明するため、チームは翼幅38cm、重量約12gの市販の鳥型ドローンXFlyを用いてテストを行いました。モーションキャプチャ用のカメラを備えた部屋を用意し、ミリメートル単位の精度で鳥の位置を追跡しました。

彼らは以下の2種類のテストで鳥に挑戦しました。

1. サークル（円軌道）: 半径1.5メートルの単純なループ。
2. レーストラック: ゲートやループ、高度変化を含む、鳥のレースのような複雑な3Dコース。

結果は目覚ましいものでした。円形トラックにおいて、新しいMPCCシステムは、鳥を理想的な経路から平均6.5センチメートル以内に留めました。同じ機体とハードウェアを使用した従来の手法では、平均誤差は55センチメートルでした。これは8.5倍の改善です。より困難な3Dレーストラックにおいても、鳥が最大秒速3メートルの速度で飛行している間も、誤差は9センチメートル未満に抑えられました。

なぜ重要なのか

研究者たちは、新しい「脳」のどの部分が最も重要であるかを確認するために、「もしも」の実験も行いました。例えば、「速度が旋回に与える影響」や「旋回が高度低下を引き起こす影響」を考慮した部分を取り除いてみました。その結果、どちらの場合も鳥は不安定になり、墜落しました。これは、鳥の自然な「結合」を理解することは、単なる付加機能ではなく、安定した飛行には不可欠であることを証明しています。

現在のシステムは、重い計算を行うためにノートパソコンを必要とするため（鳥自体に搭載するには重すぎるため）、今回の成功は、鳥スケールのドローンが、長らくヘリコプターやプロペラドローンの領域であった精密で自律的な飛行をついに達成できることを示しています。機械に単なる「台本」に従わせるのではなく、経路について「考える」ことを教えることで、著者たちは、羽ばたき型のロボットが、模倣対象である鳥と同じように優雅かつ安全に私たちの世界をナビゲートできる未来へと、大きな一歩を踏み出したのです。