Arm Redesign and Endurance Maximization of Hexarotor using Stochastic Optimization and Machine Learning

私たちの都市や農地の空では、静かな革命が起きつつあります。荷物を届けたり、作物を点検したり、あるいは災害現場で生存者を探したりするために空を駆け巡る無人航空機、すなわちドローンは、日々その能力を高めています。これらの機械の中でも、ヘキサコプター（六発ローター）は際立った存在です。一般的な四発ローターのドローンとは異なり、ヘキサコプターは6つのモーターとプロペラを備えています。この追加の「翼」が、より高い安定性と、より重い荷重を運ぶ能力を与えており、信頼性が極めて重要となる複雑なミッションにおいて好まれる理由となっています。しかし、すべてのバッテリー駆動の航空機と同様に、これらのドローンは「持続時間」という絶え間ない課題に直面しています。電力が尽きるまで、空中に留まれる時間は限られているのです。オペレーターにとって、20分の飛行と40分の飛行の差は、重要な捜索任務を完了できるか、あるいは何も手に持たずに帰還しなければならないかの違いを意味します。これを解決するために、エンジニアたちは単に大きなバッテリーを詰め込むことの先を見据えています。大きなバッテリーは、しばしばドローンを飛行効率が悪くなるほど重くしてしまうからです。その代わりに、彼らは設計段階でドローンの物理的な形状を変更し、重量、空気力学、そしてエネルギー使用量の間の完璧なバランスを見出すために、その構造を調整する方法を模索しています。

エルジンジャン・ビナリ・ユルディリム大学のオグズ・コセ（Oguz Kose）氏率いる研究チームは、物理的な再設計と高度なコンピュータ学習を組み合わせることで、この問題に取り組みました。彼らの目標は、ヘキサコプターの腕（アーム）の理想的な長さを決定し、直進および横方向へのスムーズな飛行を確保しながら、滞空時間を最大化することでした。彼らは単に最適な形状を推測したわけではありません。洗練されたコンピュータプロセスを用いて、何千もの可能性をテストしました。研究者はまず、設計ソフトウェアプログラムの中でドローンの詳細なデジタルモデルを作成しました。彼らは、ドローンの腕の長さを変えることで、重量配分や、回転に対する抵抗である「慣性モーメント」が変化することを知っていました。あらゆる可能な腕の長さに対してこれらの変化を手計算することは非常に困難であるため、彼らは2種類の異なる機械学習アルゴリズムを活用しました。一つは、生物学的な脳がパターンから学習する方法を模倣した「人工ニューラルネットワーク」と呼ばれるアルゴリズムです。もう一つは、「確率的勾配降下法」と呼ばれる、最良の解を見つけるために推測を反復的に洗練させていく数学的手法です。両方のシステムには、任意の腕の長さに対して必要なバッテリー重量と物理的特性を予測するためのデータが入力されました。

その後、研究者は意思決定者として機能する第三のツール、すなわち「確率的最適化手法」を採用しました。このシステムは、37センチメートルから65センチメートルの範囲で異なる腕の長さをテストし、同時にドローンの飛行制御設定を調整しました。目標は、「コスト」値（ターゲットの速度に到達する速さ、安定するまでの時間、および揺れの大きさといった、ドローンのパフォーマンスの低さを表す値）を最小化することでした。コンピュータは5回のテストラウンドを実行し、各ステップで腕の長さと制御設定を洗練させました。結果は明確な勝者を示しました。確率的勾配降下法に基づく手法が、ニューラルネットワークのアプローチよりも優れていることが証明されました。この手法は、短い腕の方がドローンをより長く飛行させられると予測しました。腕の長さを短くすることでドローンが軽量化され、それが直接的に飛行時間の増加につながりました。シミュレーションの結果、この手法で見出された最適な腕の長さと制御設定を用いることで、ドローンは最大40分の滞空時間を達成できることが示されました。これは大幅な改善であり、初期設定と比較して全体のパフォーマンスコストを16パーセント削減することに相当します。

この研究はまた、最適化された設定によってドローンが正確に飛行できることを検証しました。コンピュータシミュレーションにおいて、ドローンは制御を失うことなく、要求された通りに前進および横方向に移動し、特定の経路を正常に辿りました。飛行データによれば、確率的勾配降下法を用いたドローンは、ニューラルネットワークの予測を用いたものよりも、はるかに速く、かつ揺れが少なく安定しました。例えば、横方向に移動する際、勾配法によって最適化されたドローンは1秒足らずで経路に落ち着きましたが、もう一方の手法ではそれよりも大幅に長い時間を要しました。研究者は、ニューラルネットワークはバッテリー重量の予測には優れていたものの、勾配法の方がドローンの動きを規定する物理的特性の予測においてより正確であったと指摘しています。これは、この特定の種類のエンジニアリング問題において、勾配法が構造と飛行の間の完璧なバランスを見つけ出すための、より信頼できるツールであることを示唆しています。

この取り組みは、新しいバッテリー技術を必要とせずに、ドローンをより効率的にするための一歩となります。ドローンのフレームの物理的な寸法を調整し、その飛び方を微調整するだけで、飛行時間を大幅に延長できることを、研究者は実証しました。これらの知見は現在コンピュータシミュレーションに基づいたものですが、実世界でのテストに向けた強固な基礎を提供しています。チームは、トルコ科学技術研究会議（TÜBİTAK）の支援を受けて、将来のプロジェクトで実際のドローンを製作し、テストすることを計画しています。もしこれらのシミュレーションが現実の世界でも成立すれば、飛行前に最大滞空時間のためにドローンの形状を再設計する能力は、農業、捜索救助、そしてセキュリティにおけるこれらの機械の活用方法を変革し、同じエネルギー量でより長く空中に留まり、より広い範囲をカバーすることを可能にするでしょう。