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

Stel je een zwerm kleine vliegende robots voor, elk niet groter dan een etentje, die de taak hebben om samen door een drukke ruimte te navigeren. Deze machines, bekend als quadrotors, zijn de werkpaarden van de moderne luchtvaartrobotica en worden gebruikt voor alles van het inspecteren van bruggen tot het leveren van medische voorraden. Ze bezitten echter een fundamentele fysieke beperking: ze kunnen zichzelf alleen naar voren of naar achteren duwen door hun lichaam te kantelen en hun propellers te laten draaien om stuwkracht te genereren in één specifieke richting ten opzichte van hun eigen frame. Dit maakt ze inherent moeilijk te besturen wanneer ze zijwaarts moeten bewegen of plotseling moeten stoppen zonder te kantelen. Wanneer een team van deze robots in nauwe nabijheid vliegt, is het risico op een botsing constant aanwezig. Om hen veilig te houden, gebruiken ingenieurs wiskundige veiligheidsfilters die fungeren als een onzichtbare vangrail; ze controleren voortdurend de paden van de robots en grijpen pas in wanneer een botsing onvermijdelijk is. Het doel is om de robots zo dicht mogelijk hun beoogde koers te laten volgen, waarbij ze alleen ingrijpen wanneer dat absoluut noodzakelijk is om een ramp te voorkomen.

De uitdaging intensiveert wanneer deze robots moeten opereren onder strikte fysieke limieten, zoals een maximale hoeveelheid kracht die hun motoren kunnen produceren. In complexe scenario's kan de geometrie van de situatie tegen de veiligheidssystemen werken. Als twee robots elkaar vanuit een specifieke hoek naderen, kan de richting waarin ze moeten duwen om een botsing te vermijden loodrecht staan op de richting waarin hun motoren daadwerkelijk kunnen duwen. Op die momenten verliest het veiligheidssysteem het vermogen om de benodigde kracht te genereren, een fenomeen dat bekend staat als een singulariteit. Bovendien, zelfs als het veiligheidssysteem perfect werkt voor elk paar robots afzonderlijk, kan de gecombineerde vraag om botsingen met meerdere buren tegelijkertijd te veel zijn voor de totale kracht die het hele team kan genereren. Dit creëert een situatie waarin de veiligheidsregels wiskundig gezien onmogelijk tegelijkertijd te voldoen zijn, wat leidt tot een breuk in het vermogen van het systeem om iedereen veilig te houden.

In een recente studie onderzochten onderzoekers Omayra Yago Nieto en Leonardo Colombo deze specifieke faalmodi in teams van quadrotor-drones. Ze probeerden precies te begrijpen wanneer en waarom deze veiligheidsfilters falen en ontwierpen een nieuwe controlemethode die deze beperkingen zou kunnen overwinnen. Hun werk richt zich op twee afzonderlijke problemen: het verlies van effectiviteit wanneer de beschikbare stuwkracht van een robot niet is uitgelijnd met de benodigde richting, en het collectieve onvermogen van een groep om alle veiligheidsbeperkingen tegelijkertijd te voldoen vanwege gedeelde vermogenslimieten. Door de fysica van de situatie te analyseren, stelden zij vast dat de standaard veiligheidscontroles, die naar de afstand tussen robots kijken, vaak falen omdat ze geen rekening houden met het vermogen van de robot om zijn lichaam te roteren om de richting van zijn stuwkracht te veranderen.

Om dit op te lossen, ontwikkelden de onderzoekers een meer geavanceerde aanpak die verder in de tijd kijkt. In plaats van alleen de huidige afstand tussen robots te controleren, houdt hun nieuwe methode rekening met hoe de snelheid, versnelling en rotatiekrachten van de robots zich over de komende momenten zullen ontwikkelen. Ze introduceerden een techniek die het koppel — de draaikracht die wordt gebruikt om de drone te laten roteren — expliciet opneemt in de veiligheidsberekeningen. Door dit te doen, creëerden ze een veiligheidsfilter dat begrijpt dat zelfs als een robot nu niet direct weg kan duwen van een botsing, hij zijn lichaam kan draaien om zijn stuwkracht een fractie van een seconde later in de juiste richting te richten. Deze "koppel-bewuste" uitbreiding zorgt ervoor dat het veiligheidssysteem altijd een geldige manier heeft om een corrigerende kracht te genereren, mits de drone nog steeds enige stuwkracht produceert.

De onderzoekers pakten ook het probleem van collectieve haalbaarheid aan. Ze creëerden een wiskundige maatstaf om te bepalen of het gehele team al hun veiligheidsbeperkingen tegelijkertijd kan voldoen. Hun analyse toonde aan dat zelfs wanneer individuele paren robots zich niet in een singulariteit of een onbeheersbare staat bevinden, de groep als geheel toch in een situatie kan verkeren waarin geen enkele set commando's iedereen veilig kan houden. Om dit aan te pakken, formuleerden zij een nieuw controle-algoritme dat voortdurend de haalbaarheid binnen de groep controleert. Als het systeem detecteert dat het team een punt nadert waarop veiligheid onmogelijk wordt, past het algoritme het gedrag van de robots aan om binnen een veilige operationele zone te blijven, waardoor er altijd een geldige oplossing bestaat.

Om de onvoorspelbaarheid van de echte wereld aan te pakken, zoals windvlagen of kleine variaties in het gewicht van de robots, voegde het team een leercomponent toe. Ze gebruikten een statistische methode genaamd Gaussische processen om de onbekende fouten in het model van het systeem direct uit gegevens te leren. In plaats van te proberen elke mogelijke verstoring te berekenen, leert het systeem het patroon van deze fouten en bouwt het een veiligheidsmarge rond deze fouten op. Dit stelt de controller in staat om robuust te blijven, zelfs wanneer de omgeving zich op manieren gedraagt die het oorspronkelijke model niet had voorspeld. Het resultaat is een veiligheidsfilter die zowel precies als aanpasbaar is, en in staat is om veilige afstanden te handhaven, zelfs in het bijzijn van onzekerheid.

Het team testte hun nieuwe controller in een computersimulatie met drie quadrotors die een complexe kruisingsmanoeuvre uitvoeren. In dit scenario moesten de robots dicht bij elkaar langs elkaar heen vliegen, een situatie die ontworpen is om precies de fouten te triggeren die de onderzoekers wilden voorkomen. Wanneer ze de simulatie draaiden met een standaard, oudere veiligheidscontroller, faalde het systeem. De robots kwamen gevaarlijk dicht bij elkaar, waarbij de afstand tussen hen slechts 0,300 meter bedroeg, ruim onder de veilige limiet van 0,8 meter. De oudere controller raakte wiskundig vast en was niet in staat een oplossing te vinden die de robots uit elkaar zou houden, waardoor de simulatie moest worden gestopt.

In contrast hiermee, toen de onderzoekers hun nieuwe koppel-bewuste controller toepasten, voltooiden de robots de manoeuvre vlekkeloos. De minimale afstand tussen welke twee drones ook tijdens de gehele vlucht, was 0,822 meter, veilig boven de vereiste drempel. Het nieuwe systeem navigeerde de robots succesvol door het nauwste deel van de kruising zonder ooit de controle te verliezen of de veiligheidsbeperkingen te schenden. De simulatie toonde ook aan dat terwijl de oudere controller faalde omdat het niet kon rekening houden met het vermogen van de robots om te roteren, de nieuwe controller deze rotationele capaciteit gebruikte om de noodzakelijke vermijdingskrachten te generen. Zelfs toen de onderzoekers willekeurige verstoringen introduceerden om wind en mechanische imperfecties na te bootsen, behield het nieuwe systeem een veilige afstand van 0,895 meter, wat de veerkracht ervan bewees.

De studie concludeert dat door dieper in de fysica van de drones te kijken — specifiek door hun rotationele dynamica op te nemen en te leren van gegevens — ingenieurs veel betrouwbaardere veiligheidssystemen kunnen creëren. De onderzoekers hebben aangetoond dat de angst dat veiligheidsfilters falen door geometrische singulariteiten of collectieve vermogenslimieten kan worden gemitigeerd door een controlestrategie die de volledige mogelijkheden van de machine respecteert. Hun werk biedt een concreet pad vooruit voor het inzetten van teams van drones in drukke, echte omgevingen waar veiligheid niet onderhandelbaar is, en garandeert dat deze luchtroboten samen kunnen werken zonder te crashen, zelfs wanneer de situatie onmogelijk lijkt.