html5 网站平台,好习惯网站,广告传媒,域名搜索查询网尽管无人机技术发展迅速#xff0c;但复制生物飞行的动态控制和风力感应能力#xff0c;仍然遥不可及。生物学研究表明#xff0c;昆虫翅膀上有机械感受器#xff0c;即钟形感受器campaniform sensilla#xff0c;探测飞行敏捷性至关重要的复杂气动载荷。
近日#xff0…尽管无人机技术发展迅速但复制生物飞行的动态控制和风力感应能力仍然遥不可及。生物学研究表明昆虫翅膀上有机械感受器即钟形感受器campaniform sensilla探测飞行敏捷性至关重要的复杂气动载荷。
近日韩国亚洲大学Ajou UniversityTaewi Kim, Insic Hong, Sunghoon Im, Je-sung KohSeungyong Han Daeshik Kang等韩国即时通信Kakao公司的Seungeun Rho等在Nature Machine Intelligence上发文利用模拟这些生物系统的机器人实验证实了机翼应变提供了无人机姿态角以及风向和风速的关键信息。
研发了可应用于扑翼无人机的“感知飞行”控制技术利用施加在扑翼无人机机翼上的气动力推导重要的飞行数据如姿态和气流而无需加速计和陀螺传感器。
目前工作包括五个关键实验用于提供状态信息的机翼应变传感器系统初步验证在风变化的单自由度运动环境中的控制技术在重力姿态调整的两自由度运动环境中的控制技术在有风条件下的位置控制测试以及在无风条件下仅使用机翼应变传感器的精确飞行路径操纵的演示。
在强化学习驱动的飞行控制器帮助下已经成功地演示了仅使用机翼应变传感器在各种环境中控制扑翼无人机。从阵风阻力到自主飞行机器人的风力辅助飞行这种环境变化的适应性将有利于各种应用。
预计这种扑翼无人机控制技术可用于间谍机器人、勘探和救灾机器人等自行感知风向并飞向目标位置的机器人。
Wing-strain-based flight control of flapping-wing drones through reinforcement learning.
基于强化学习的扑翼无人机机翼应变飞行控制
图1: 基于感知飞行的飞行控制策略。
图2:从机翼应变数据中提取气动特征。
图3: 通过感知风向和风速进行位置控制风向和风速因位置而异。 图4 在两个自由度环境中的的强化学习reinforcement learningRL。 图5: 具有感知飞行系统的扑翼无人机位置控制。
