Swarmcage: Development Sandbox for Interactive Swarms, Formation Flights, and Continuous Observation using Crazyflies, ROS, and Vicon

Resumo Técnico: Swarmcage

Declaração do Problema

A utilização de enxames de drones oferece um potencial significativo para tarefas complexas, como consciência situacional, inspeção de infraestrutura e resposta a desastres. No entanto, as abordagens existentes dependem frequentemente de planejamento de trajetória offline ou simulação, carecendo de frameworks robustos para implantação em hardware real que suportem mudanças dinâmicas em tempo de execução. Os desafios principais incluem o tempo de voo limitado das baterias recarregáveis, a incapacidade de adicionar ou remover drones de forma contínua durante a operação sem interromper o enxame e a dificuldade de gerenciar colisões em ambientes internos densos. Além disso, sistemas tradicionais muitas vezes falham ao lidar com falhas individuais de drones ou esgotamento de bateria sem exigir um reinício completo do sistema. Há uma necessidade de um sandbox de desenvolvimento que permita observação contínua, substituição autônoma de hardware e interação humano-enxame intuitiva usando hardware real.

Metodologia

Os autores apresentam o Swarmcage, um framework para o gerenciamento em tempo de execução de enxames de drones usando drones Crazyflie, o Robot Operating System (ROS) e um sistema de captura de movimento Vicon. O sistema é projetado para abstrair as complexidades do hardware para o usuário, permitindo a adaptação dinâmica de tamanhos e formações de enxames.

Arquitetura do Sistema

A arquitetura de software é modularizada em torno de uma instância central de Controle de Enxame (Swarm Control) que faz interface com o hardware via uma Camada de Abstração de Hardware (HAL).

• Gerenciador (Manager): Uma instância central responsável por integrar novos drones, alocá-los a subenxames e monitorar o status (ex: níveis de bateria, detecção de colisão/queda). Ele facilita a lógica do "Gerenciador de Pads" para carregamento automatizado e substituição.
• Subenxames: O enxame é dividido em grupos autogerenciados (subenxames) adaptados a tarefas específicas. Dois conceitos especializados foram implementados:
  • Drone Único: Mantém um tamanho fixo de um drone, usado para controle interativo.
  • Enxame de Formação: Mapeia dinamicamente drones para pontos de formação (ex: círculos, lemniscatas) para manter o espaçamento constante.
• Comandante (Commander): Um nó central que filtra e suaviza comandos de alvo provenientes dos subenxames. Ele implementa um algoritmo de Evitação de Colisão global que combina um Método de Campo de Potencial (PFM) com um algoritmo customizado. Este algoritmo utiliza regiões delimitadoras elípticas para drones em movimento e regiões esféricas para drones estacionários, ajustando os alvos no plano x/y enquanto evita manobras no eixo z que poderiam causar instabilidade induzida pelo fluxo descendente (downwash).
• Camada de Abstração de Hardware (HAL): Baseada no projeto Crazyswarm, mas significativamente modificada. As principais modificações incluem:
  • Ajuste dinâmico das taxas de consulta (polling rates) para registro de bateria para reduzir o tráfego de rádio (permitindo >10 drones por antena).
  • Distribuição justa do acesso à antena para evitar que drones não responsivos bloqueiem outros.
  • Substituição de serviços ROS por tópicos para permitir a adição e remoção de drones em tempo de execução.
  • Implementação de uma segunda HAL para simulação Webots.

Implementação de Hardware

• Arena: Uma área de voo de 16m × 8m × 6,5m equipada com um sistema de captura de movimento Vicon (20 câmeras Vicon V16).
• Drones: Uma frota de 50 drones Crazyflie 2.1.
• Rastreamento: Decks de LEDs infravermelhos ativos leves e customizados (<1g) foram desenvolvidos para substituir marcadores reflexivos passivos pesados, preservando o tempo de voo e a capacidade de carga útil.
• Infraestrutura de Carregamento: Uma grade de pads de pouso (arranjo 6 × 9) contendo 50 pads de carregamento sem fio Qi. Cada pad é pré-configurado para identificar drones específicos ao pousar, permitindo a reintegragem automatizada.
• Interação: Uma interface "Varinha Mágica" (Magic Wand) usando um bastão equipado com padrões de marcadores 3D únicos (para Vicon) ou uma placa customizada DWM1000/ESP32-S3 (para Sistema de Posicionamento Local) permite que usuários controlem a posição e orientação do drone via gestos naturais.

Lógica Operacional

O sistema emprega Estratégias de Substituição específicas para gerenciar a rotatividade de drones:

1. Padrão (Default): Aguarda que o drone com bateria baixa chegue ao ponto de transferência antes de adquirir um substituto (evita picos no tamanho do enxame).
2. Substituição Antecipada (Early Replacement): Adquire um substituto imediatamente após disparar a transferência (mantém o tamanho do enxame).
3. Esperar por Substituição (Wait For Replacement): Adquire um substituto imediatamente, mas retarda a liberação do drone antigo até que o novo se junte ao grupo (garante tamanho constante do enxame).

As transferências entre subenxames seguem uma sequência de tempo de quatro fases: Pré-Transferência, Transição para o Ponto de Transferência, Entrega (Handover) e Integração.

Principais Contribuições

1. Framework de Gerenciamento em Tempo de Execução: Um sistema inovador que permite a adição e remoção dinâmica de drones sem interromper as operações em curso, abordando uma limitação de frameworks existentes como o Crazyswarm.
2. Mecanismo de Substituição Autônoma: Um fluxo de trabalho totalmente automatizado para detectar bateria baixa ou colisões, pousar o drone afetado e substituí-lo perfeitamente por uma unidade carregada a partir de uma infraestrutura de carregamento de 50 drones.
3. Extensões de Hardware Customizadas: Desenvolvimento de marcadores de LED IR ativos leves para rastreamento eficiente e uma grade de carregamento sem fio Qi de 50 pads com identificação de drones pré-configurada.
4. Paradigma de Controle Interativo: Implementação de uma interface de "Varinha Mágica" que permite o controle intuitivo, baseado em gestos, de drones individuais ou referenciais de enxame.
5. Evitação de Colisão Robusta: Uma estratégia de evitação de colisão híbrida adaptada para enxames internos densos que prioriza a segurança sobre manobras no eixo z.

Resultados

Os autores conduziram experimentos de prova de conceito e avaliações empíricas para validar o framework:

• Observação Contínua: Um enxame de formação manteve um padrão de vigilância circular ao redor de uma cidade em miniatura. O sistema gerenciou com sucesso o esgotamento da bateria e falhas de drones ao longo de um período de 3 horas.
• Teste de Esgotamento de Bateria: Usando 13 drones, o sistema manteve um único drone ativo em uma formação circular por 3 horas. O experimento confirmou que todos os 13 drones foram utilizados ciclicamente, com drones recarregados reentrando no enxame. A razão média carga-tempo-de-voo foi de 7,6, indicando que pelo menos 9 drones são necessários para sustentar um drone ativo continuamente.
• Teste de Tratamento de Falhas: O sistema detectou e substituiu com sucesso drones removidos manualmente (simulando colisões) dentro de 7–10 segundos, garantindo operação contínua até que o pool de drones disponíveis fosse esgotado.
• Interação com a Varinha Mágica: Usuários controlaram com sucesso as posições dos drones e as formações usando a varinha, demonstrando a utilidade do sistema para aplicações educacionais e interativas.

Significância e Alegações

O artigo afirma que o Swarmcage fornece um sandbox de desenvolvimento abrangente para aplicações de enxame usando hardware real, indo além da simulação e do planejamento offline. A principal significância reside em demonstrar a viabilidade de operação contín-ua de drones através da substituição autônoma de hardware. Os autores afirmam que sua abordagem permite que um enxame sustente um número específico de drones ativos indefinidamente, desde que o sistema total mantenha um número suficiente de unidades operacionais para cobrir o ciclo de carregamento.

O trabalho destaca a importância de uma arquitetura de software modular e hardware customizado (marcadores ativos, grades de carregamento sem fio) para superar as limitações físicas de drones de pequena escala. Embora os autores reconheçam que a evitação de colisão online em formações densas continua sendo um tópico de pesquisa desafiador que exige limitações de velocidade, eles postulam que sua divisão de subenxames e protocolos de transferência mitigam efetivamente esses riscos para os casos de uso demonstrados. O framework é apresentado como uma base para pesquisas futuras em vigilância de longa duração e interação humano-enxame intuitiva.