Technische Samenvatting: Swarmcage

Probleemstelling

Het gebruik van dronezwermen biedt aanzienlijk potentieel voor complexe taken zoals situationeel bewustzijn, inspectie van infrastructuur en rampenbestrijding. Bestaande benaderingen leunen echter vaak op offline trajectplanning of simulatie, waarbij een robuust framework voor real-world hardware-implementatie dat ondersteuning biedt voor dynamische runtime-wijzigingen ontbreekt. Belangrijke uitdagingen zijn de beperkte vliegtijd van oplaadbare batterijen, het onvermogen om tijdens de operatie naadloos drones toe te voegen of te verwijderen zonder het zwermproces te verstoren, en de moeilijkheid van het beheren van botsingen in dichte, binnenomgevingen. Bovits falen traditionele systemen vaak in het afhandelen van individuele drone-defecten of batterijuitputting zonder dat een volledige systeemherstart vereist is. Er is behoefte aan een ontwikkelingssandbox die continue observatie, autonome hardwarevervanging en intuïtieve mens-zwerminteractie met echte hardware mogelijk maakt.

Methodologie

De auteurs presenteren Swarmcage, een framework voor het runtime-beheer van dronezwermen met behulp van Crazyflie drones, het Robot Operating System (ROS) en een Vicon motion capture systeem. Het systeem is ontworpen om hardwarecomplexiteit te abstraheren van de gebruiker, waardoor dynamische aanpassing van zwermgroottes en formaties mogelijk wordt.

Systeemarchitectuur

De softwarearchitectuur is gemodulariseerd rond een centrale Swarm Control instantie die interfaceert met hardware via een Hardware Abstraction Layer (HAL).

• Manager: Een centrale instantie die verantwoordelijk is voor het integreren van nieuwe drones, het toewijzen van drones aan subzwermen en het monitoren van de status (bijv. batterijniveaus, crashdetectie). Het faciliteert de "Pad Manager"-logica voor geautomatiseerd opladen en vervanging.
• Subswarms: De zwerm is verdeeld in zelfbeheerde groepen (subswarms) die op specifieke taken zijn afgestemd. Twee gespecialiseerde concepten zijn geïmplementeerd:
  • Single Drone: Houdt een vaste grootte van één drone aan, gebruikt voor interactieve controle.
  • Formation Swarm: Brengt drones dynamisch in kaart naar formatiepunten (bijv. cirkels, lemniscaten) om een constante afstand te handhaven.
• Commander: Een centrale node die doelcommando's van subswarms filtert en gladstrijkt. Het implementeert een globaal Collision Avoidance algoritme dat een Potential Field Method (PFM) combineert met een aangepast algoritme. Dit algoritme gebruikt elliptische begrenzingsregio's voor bewegende drones en sferische regio's voor stationaire drones, waarbij doelpunten in het x/y-vlak worden aangepast terwijl manoeuvres op de z-as die instabiliteit door neerwaartse luchtstroom (downwash) kunnen veroorzaken, worden vermeden.
• Hardware Abstraction Layer (HAL): Gebaseerd op het Crazyswarm project maar aanzienlijk gewijzigd. Belangrijke wijzigingen omvatten:
  • Dynamische aanpassing van de polling rates voor batterijlogging om radiogemoeveelheid te verminderen (maakt >10 drones per antenne mogelijk).
  • Eerlijke distributie van antenne-toegang om te voorkomen dat niet-reagerende drones anderen blokkeren.
  • Vervanging van ROS-services door topics om het toevoegen en verwijderen van drones tijdens runtime mogelijk te maken.
  • Implementatie van een secundaire HAL voor Webots-simulatie.

Hardware-implementatie

• Arena: Een vliegbereik van 16m × 8m × 6,5m uitgerust met een Vicon motion capture systeem (20 Vicon V16 camera's).
• Drones: Een vloot van 50 Crazyflie 2.1 drones.
• Tracking: Er zijn aangepaste, lichtgewicht actieve infrarood LED-decks (<1g) ontwikkeld om zware passieve reflecterende markers te vervangen, wat de vliegtijd en payloadcapaciteit behoudt.
• Laadinfrastructuur: Een landingspad-grid (6 × 9 arrangement) met 50 Qi draadloze oplaadpads. Elk pad is vooraf geconfigureerd om specifieke drones te identificeren bij het landen, wat automatische reintegratie mogelijk maakt.
• Interactie: Een "Magic Wand" interface, bestaande uit een stok uitgerust met unieke 3D-markerpatronen (voor Vicon) of een aangepaste DWM1000/ESP32-S3 printplaat (voor Loco Positioning System), stelt gebruikers in staat om de positie en oriëntatie van drones te controleren via natuurlijke gebaren.

Operationele Logica

Het systeem maakt gebruik van specifieke Replacement Strategies om de omloop van drones te beheren:

1. Default: Wacht tot de drone met een lage batterij het transferpunt bereikt voordat een vervanging wordt verworven (voorkomt pieken in de zwermgrootte).
2. Early Replacement: Verwerft direct een vervanging zodra de transfer wordt getriggerd (houdt de zwermgrootte constant).
3. Wait For Replacement: Verwerft direct een vervanging maar vertraagt de release van de oude drone totdat de nieuwe drone is toegevoegd (garandeert een constante zwermgrootte).

Transfers tussen subswarms volgen een vierfasen tijdsequentie: Pre-Transfer, Transition to Transfer Point, Handover, en Integration.

Belangrijkste Bijdragen

1. Runtime Management Framework: Een nieuw systeem dat het dynamisch toevoegen en verwijderen van drones mogelijk maakt zonder lopende operaties te verstoren, wat een beperking vormt voor bestaande frameworks zoals Crazyswarm.
2. Autonoom Vervangingsmechanisme: Een volledig geautomatiseerde workflow voor het detecteren van lage batterij of crashes, het landen van de getroffen drone, en het naadloos vervangen ervan met een geladen unit uit een 50-drone laadinfrastructuur.
3. Aangepaste Hardware-extensies: Ontwikkeling van lichtgewicht actieve IR LED-markers voor efficiënte tracking en een 50-pad Qi draadloos oplaadgrid met vooraf geconfigureerde drone-identificatie.
4. Interactief Controleparadigma: Implementatie van een "Magic Wand" interface die gebruikers intuïtieve, op gebaren gebaseerde controle geeft over de positie en de referentiekaders van individuele drones of zwermen.
5. Robuuste Botsingsvermijding: Een hybride strategie voor botsingsvermijding die is afgestemd op dichte binnen-zwermen en die veiligheid boven z-as manoeuvres prioriteert.

Resultaten

De auteurs hebben proof-of-concept experimenten en empirische evaluaties uitgevoerd om het framework te valideren:

• Continue Observatie: Een formatie-zwerm behield een circulair surveillancepatroon rond een miniatuurstad. Het systeem beheerde succesvol de batterijuitputting en drone-defecten over een periode van 3 uur.
• Batterijuitputtingstest: Met behulp van 13 drones behield het systeem gedurende 3 uur één actieve drone in een circulaire formatie. Het experiment bevestigde dat alle 13 drones cyclisch werden gebruikt, waarbij opgeladen drones weer deel uitmaakten van de zwerm. De gemiddelde charge-to-flight ratio was 7,6, wat aangeeft dat er ten minste 9 drones nodig zijn om één actieve drone continu in stand te houden.
• Foutafhandelingstest: Het systeem detecteerde en verving handmatig verwijderde drones (ter simulatie van crashes) binnen 7–10 seconden, waardoor de continue operatie werd gegarandeerd totdat de pool van beschikbare drones uitgeput was.
• Magic Wand Interactie: Gebruikers controleerden succesvol droneposities en formaties met de wand, wat het nut van het systeem voor educatieve en interactieve toepassingen aantoont.

Betekenis en Claims

Het artikel claimt dat Swarmcage een uitgebreide ontwikkelingssandbox biedt voor zwermtoepassingen met echte hardware, waarmee de stap wordt gezet voorbij simulatie en offline planning. De primaire betekenis ligt in het aantonen van de haalbaarheid van continue drone-operaties door middel van autonome hardwarevervanging. De auteurs stellen dat hun aanpak een zwerm in staat stelt om een specif kind aantal actieve drones onbepaald in stand te houden, mits het totale systeem een voldoende aantal operationele eenheden behoudt om de laadcyclus te dekken.

Het werk benadrukt het belang van modulaire softwarearchitectuur en aangepaste hardware (actieve markers, draadloze laadgrids) om de fysieke beperkingen van kleinschalige drones te overwinnen. Hoewel de auteurs erkennen dat online botsingsvermijding in dichte formaties een uitdagend onderzoeksonderwerp blijft dat snelheidsbeperkingen vereist, stellen zij dat hun subswarm-verdeling en transferprotocollen deze risico's effectief mitigeren voor de gedemonstreerde use cases. Het framework wordt gepresenteerd als een fundament voor toekomstig onderzoek naar langdurige surveillance en intuïtieve mens-zwerminteractie.