Vision-Based UAV Interception Using Dynamic Image-Based Visual Servoing, Multi-Objective Predictive Guidance, and Robust Soft Control Barrier Functions

No céu, um drone equipado com uma câmera enfrenta um desafio difícil: deve capturar outro drone que se move de forma imprevisível, tudo isso enquanto a visão da câmera é atrasada pelo tempo necessário para processar as imagens e o próprio drone possui limites de quanto pode girar. Este é o domínio do servo controle visual, um método onde uma máquina usa o que vê diretamente para se guiar, em vez de depender de um mapa perfeito e pré-calculado do mundo. Para um drone tentando interceptar um alvo, a tarefa é complicada pelo fato de a câmera estar rigidamente acoplada à aeronave; se o drone girar bruscamente para alcançar o alvo, a câmera pode oscilar tão rápido que o alvo desapareça da visão. Além disso, as imagens que o drone recebe nunca são perfeitamente frescas; elas são sempre ligeiramente antigas, e o alvo pode estar mudando sua velocidade ou direção de formas que o drone não consegue prever. Resolver isso requer um sistema que possa ver o futuro, pesar múltiplas opções simultaneamente e tomar decisões em frações de segundo que equilibrem velocidade, segurança e suavidade.

Pesquisadores do Instituto de Controle, Automação em Produção e Melhoria de Tecnologia desenvolveram uma nova abordagem para este problema, criando um sistema que permite a um drone interceptar um alvo manobrável mesmo quando os dados visuais são ruidosos e atrasados. Em vez de tentar forçar o alvo para o centro da visão da câmera imediatamente, o que frequentemente leva a movimentos erráticos ou ao desaparecimento do alvo da visão, o método deles utiliza um observador preditivo para adivinhar onde o alvo estará um momento à frente. O sistema então gera um pequeno conjunto de possíveis caminhos de voo, ou trajetórias candidatas, para o drone seguir. Cada um desses caminhos é avaliado contra vários objetivos simultaneamente: o quão próximo o drone chegará do alvo, quanto tempo levará a interceptação, quanta energia o drone usará e o risco de perder o alvo dentro do quadro da câmera.

Para escolher o melhor caminho, os pesquisadores não simplesmente escolheram a única opção que parecia melhor no papel. Em vez disso, utilizaram uma técnica chamada fusão Soft-min, que combina as opções em uma decisão suave e contínua. Isso evita que o drone dê solavancos entre diferentes estratégias, um problema comum quando um sistema alterna abruptamente entre escolhas. O resultado é um ponto de referência dinâmico que se move através da visão da câmera, guiando o drone em direção ao local previsto de interceptação, em vez de um ponto fixo na imagem. Isso permite que o drone ajuste seu curso graciosamente conforme o alvo se move, compensando o atraso nos dados da imagem ao antecipar o próximo movimento do alvo.

Uma parte crítica deste sistema é um filtro de segurança baseado em um conceito conhecido como função de barreira de controle. Em termos simples, isso atua como um guarda que impede o drone de realizar um comando que faria o alvo desaparecer da visão da câmera. No entanto, como as condições do mundo real são desordenadas e os motores do drone possuem limites físicos, uma regra estrita que diz "nunca perca o alvo" pode às vezes tornar a matemática impossível de resolver. Para lidar com isso, os pesquisadores introduziram uma versão "suave" desta regra de segurança. Isso permite que o sistema dobre temporariamente a restrição de segurança se for absolutamente necessário para manter o drone em movimento, embora ainda penalize o sistema por fazê-lo. Isso garante que o drone continue tentando interceptar o alvo mesmo quando a situação é extremamente apertada, em vez de travar por não conseguir encontrar uma solução perfeita.

Os pesquisadores testaram seu método em uma série de simulações de computador envolvendo cem cenários diferentes com variações de vento, ruído e movimentos do alvo. Eles compararam seu novo sistema com vários métodos existentes, incluindo rastreamento visual padrão e outras abordagens preditivas. Os resultados mostraram que o método deles foi altamente eficaz. Nas simulações, o drone interceptou o alvo com sucesso em noventa por cento das execuções, uma taxa muito próxima do método de referência com melhor desempenho. Mais importante ainda, o novo sistema alcançou isso com significativamente menos esforço. O drone usou cerca de quinze por cento menos de energia de controle, o que significa que não teve que trabalhar tanto para realizar a mesma captura. Ele também reduziu o erro no rastreamento da imagem do alvo em quase quarenta e seis por cento, mantendo o alvo muito mais estável na visão da câmera. O tempo para completar a interceptação também foi reduzido em mais de vinte por cento em comparação com o método de referência, desde que a interceptação fosse bem-sucedida.

No entanto, o estudo também revelou um compromisso sutil. Embora o novo método fosse mais rápido e eficiente, sua taxa de sucesso foi ligeiramente inferior à do método de referência, caindo três pontos percentuais. Isso sugere que, ao priorizar velocidade e suavidade, o sistema ocasionalmente assumiu riscos que uma abordagem mais conservadora teria evitado. Os pesquisadores descobriram que a distância média entre o drone e o alvo no momento da interceptação era quase idêntica para ambos os métodos, medindo pouco mais de dois metros em ambos os casos. Isso indica que, embora o novo sistema seja mais ágil e menos desgastante para os motores do drone, ele não garante necessariamente uma captura perfeita em todos os cenários onde o método antigo poderia ter tido sucesso.

O estudo conclui que esta abordagem oferece uma maneira poderosa de gerenciar o complexo equilíbrio entre ver, pensar e agir para drones autônomos. Ao combinar um observador preditivo, um processo de tomada de decisão multiobjetivo e um filtro de segurança flexível, o sistema pode lidar com os atrasos e incertezas da visão do mundo real. Os pesquisadores observam que, embora as simulações tenham sido bem-sucedidas, o sistema depende de aproximações para manter os cálculos rápidos o suficiente para uso em tempo real. O trabalho futuro envolverá testar essas ideias em hardware real e explorar como o sistema se comporta com modelos físicos mais complexos do drone. Por ora, os achados demonstram que é possível guiar um drone em direção a um alvo móvel com alta precisão e eficiência, mesmo quando os olhos do drone são lentos e o alvo é esquivo.