Generalised Mathematical Model for the Kinodynamic Planning of Multirotor UAVs and Aerial Robots using Topological Manifolds

Vliegende machines die zweven en door de lucht zoeven, zijn een bekend gezicht geworden, van bezorgdrones die over steden zoemen tot autonome robots die bruggen inspecteren. Om deze machines veilig en efficiënt te laten bewegen, vertrouwen ingenieurs op wiskundige modellen die voorspellen hoe ze zich zullen gedragen. Decennialang was de standaardmanier om het pad van een drone te plannen het behandelen van het gehele voertuig als een enkele, gewichtloze stip die in de ruimte zweeft. Deze "puntmassa"-benadering negeert het feit dat een echte drone een fysieke vorm heeft, met motoren en armen die in specifieke richtingen uitsteken. Hoewel deze vereenvoudiging de vroege berekeningen mogelijk maakte, gaat het ervan uit dat als het middelpunt van de drone door een opening kan passen, de hele machine kan volgen. In de echte wereld doen de grootte van een drone en de vaste afstand tussen de draaiende propellers er echter evenveel toe als het middelpunt. Als een drone te breed is, zal hij tegen een muur botsen, zelfs als zijn middelpunt theoretisch zou kunnen passeren.

Onderzoekers aan het Birla Institute of Technology and Science in Hyderabad hebben een nieuw wiskundig kader ontwikkeld dat dit gebrek oplost. In plaats van een drone als een enkele stip te behandelen, modelleren ze het als een starre, platte vorm bestaande uit verschillende vaste punten, die de werkelijke posities van de motoren vertegenwoordigen. Deze benadering stelt hen in staat om niet alleen bij te houden waar het middelpunt van de drone naartoe gaat, maar ook precies hoe elke afzonderlijke motor beweegt terwijl het voertuig kantelt, draait en reist. Door dit te doen, kunnen ze zien of een gepland pad werkelijk mogelijk is voor een specifiek droneontwerp, in plaats van er simpelweg van uit te gaan dat het werkt voor elke drone die hetzelfde middelpuntspad kan volgen. Hun werk, gepubliceerd als een wetenschappelijk artikel, suggereert dat het negeren van de fysieke afmetingen van een drone kan leiden tot plannen die er perfect uitzien op een computerscherm, maar onmogelijk zijn om in de werkelijkheid te vliegen.

De kern van deze nieuwe methode bestaat uit het mappen van de beweging van de drone op een "topologische variëteit", wat in essentie een wiskundig oppervlak is dat de vaste afstanden tussen de onderdelen van de drone behoudt. Stel je een drone voor als een platte, stijve plaat met vier motoren bevestigd aan de hoeken. Ongeacht hoe de drone draait of vliegt, de afstand tussen die hoeken verandert nooit. De onderzoekers bouwden een systeem dat deze regel bij elke stap van de reis respecteert. Ze creëerden vergelijkingen die een vloeiend pad voor het middelpunt van de drone nemen en automatisch het exacte pad berekenen dat elke van de vier motoren moet volgen om de plaat stijf te houden. Dit betekent dat als de drone naar één kant kantelt, het model onmiddellijk weet dat de motor aan de linkerkant iets anders moet bewegen dan die aan de rechterkant, zelfs als het middelpunt van de drone in een rechte lijn beweegt.

In hun studie testte het team dit idee door een drone te simuleren die door een specifiek missieprofiel vliegt. De drone begon op de grond, steeg naar een hoogte van 50 meter, vloog 200 meter vooruit en daalde vervolgens. Ze vergeleken hun nieuwe methode met de traditionele puntmassa-benadering. De resultaten toonden aan dat, hoewel het middelpunt van de drone in beide modellen exact hetzelfde pad volgde, de individuele motoren heel anders gedroegen. In het nieuwe model volgden de motoren unieke, complexe curven die rekening hielden met de rotatie en de fysieke grootte van de drone. De onderzoekers ontdekten dat de snelheid, versnelling en plotselinge veranderingen in kracht (bekend als jerk) op motorniveau aanzienlijk verschilden van wat het puntmassa-model voorspelde. Dit verschil is cruciaal omdat de motoren de onderdelen zijn die de drone daadwerkelijk voortstuwen; als ze gevraagd worden om op een manier te bewegen die hun fysieke limieten overschrijdt, zal de drone falen.

Om het belang van dit onderscheid te bewijzen, simuleerden de onderzoekers een scenario waarin twee drones met verschillende afmetingen hetzelfde vliegpad kregen toegewezen. Beide drones waren ontworpen om door een nauwe cilindrische buis te vliegen. Het traditionele puntmassa-model, dat alleen naar het midden kijkt, voorspelde dat beide drones de rit konden maken omdat hun middelpunten klein genoeg waren om erdoorheen te passen. Het nieuwe model onthulde echter dat de grotere drone tegen de wanden van de buis zou botsen. Hoewel zijn middelpunt erdoorheen kon passeren, betekende zijn bredere lichaam en de vaste afstand tussen zijn motoren dat hij er fysiek niet in paste. Deze simulatie benadrukte een kritiek gebrek in de oude methode: het kan de fysieke omvang van het voertuig niet rekening houden. Het nieuwe kader, door de werkelijke vorm in de gaten te houden, identificeerde correct dat het pad van de grotere drone onmogelijk was, waardoor een potentiële crash werd voorkomen voordat deze plaatsvond.

De studie onderzocht ook hoe de grootte van de drone de vloeiendheid van zijn vlucht beïnvloedt. De onderzoekers voerden simulaties uit met drones van verschillende maten, van een klein ontwerp met drie motoren tot een grote versie met acht motoren, die allemaal hetzelfde middelpuntspad volgden. Ze maten de "kromming", oftewel hoe scherp het pad van de motoren buigt, voor elke drone. Ze ontdekten dat naarmate de drone groter werd, de paden die de motoren volgden krommer en veeleisender werden, zelfs terwijl het middelpunt van de drone op dezelfde vloeiende manier bewoog. Voor de kleinste drone volgden de motoren een relatief milde curve. Voor de grootste drone moesten de motoren veel scherpere bochten maken. Dit betekent dat een vluchtplan dat gemakkelijk is voor een kleine drone, te moeilijk kan zijn voor een grotere drone, simpelweg omdat de buitenste delen van de grotere machine een bredere boog moeten beschrijven. Het nieuwe model vangt deze realiteit op, waardoor ingenieurs kunnen controleren of een specifiek droneontwerp een gepland traject daadwerkelijk kan afleggen.

Door de drone te behandelen als een verzameling vaste punten in plaats van een enkele stip, hebben de onderzoekers een hulpmiddel gecreëerd dat de kloof overbrugt tussen hoogwaardige planning en lage-niveau besturing. Deze benadering zorgt ervoor dat de commando's die naar de motoren worden gestuurd, fysiek uitvoerbaar zijn. Het elimineert de noodzaak voor complexe, foutgevoelige conversies tussen verschillende manieren om rotatie te beschrijven, wat vaak leidt tot wiskundige fouten die bekend staan als singulariteiten. In plaats daarvan werkt het systeem volledig met standaard driedimensionale coördinaten, wat het robuuster en gemakkelijker implementeerbaar maakt op de computers die deze machines besturen. De onderzoekers hebben aangetoond dat deze methode werkt voor elk aantal motoren, of het nu gaat om drie, vier, zes of acht motoren, wat het een veelzijdige oplossing maakt voor de groeiende variëteit aan luchtrobots die vandaag de dag worden ontwikkeld.

De implicaties van dit werk strekken zich uit tot de veiligheid en betrouwbaarheid van autonome vluchten. Naarmate drones worden ingezet in complexe omgevingen zoals magazijnen, bossen of stedelijke canyons, wordt de foutmarge kleiner. Een planningssysteem dat de fysieke grootte van het voertuig negeert, riskeert het voertuig tegen een botsing te sturen. Het nieuwe kader biedt een manier om te verifiëren dat een pad niet alleen theoretisch mogelijk is voor een punt, maar fysiek mogelijk is voor de werkelijke machine. De onderzoekers suggeren dat deze methode geïntegreerd kan worden in bestaande vluchtbesturingssystemen als een extra laag van veiligheid, waarbij beperkingen in realtime worden gecontroleerd zonder de fundamentele manier waarop de drone wordt bestuurd te hoeven veranderen. Hoewel het huidige werk steunt op computersimulaties, is de wiskundige basis solide, en het team is van plan deze ideeën in de toekomst op echte hardware te testen.

Uiteindelijk verschuift dit onderzoek het perspectief op hoe we over vliegende robots denken. Het beweegt weg van het handige maar onnauwkeurige idee van de drone als een spookachtige stip en omarmt de realiteit van de drone als een solide object met een specifieke vorm. Door dit te doen, zorgt het ervoor dat de paden die we plannen, paden zijn die de machines daadwerkelijk kunnen vliegen. De bevindingen suggereren dat voor autonome drones om veilig in de echte wereld te kunnen opereren, hun planningsoftware hun eigen geometrie moet begrijpen. Het vermogen om exact te voorspellen hoe elk deel van de machine zal bewegen, gebaseerd op hun fysieke afmetingen, is een belangrijke stap naar het betrouwbaarder en slagvaardiger maken van autonome vluchten.