Forskere utvikler sværmer av droner for å lokalisere gasslekkasjer

Forskere ved Delft University of Technology har utviklet den første sværmen av små droner som kan detektere og lokalisere gasslekkasjer på egen hånd i små, innendørs miljøer. For å finne en gasslekkasje i en bygning eller industriområde, risikerer menneskelige brannfolk livene sine, siden det kan ta lang tid å detektere kilden. Disse nye dronene kan ha store konsekvenser i dette området.

Designing AI for the Drones

Det største hindret for forskerne var å designe den kunstige intelligensen (AI) som trengs for den komplekse oppgaven. På grunn av de små dronenes størrelse, måtte de komputasjonelle og minnekomponentene være små nok til å passe i dem. Forskerne brukte bio-inspirert navigasjon og søkestrategier.

Forskningen ble publisert på ArXiv-artikkelserveren, og den vil bli presentert på IROS-robotikkonferansen senere i år.

Hva som er nødvendig for autonom gasskilde-lokalisering

Oppgaven med autonom gasskilde-lokalisering er ekstremt kompleks og krever kunstige gassensorer som ikke er særlig effektive i å detektere små mengder gass. De har også problemer med å forbli sensitive til raske endringer i gasskonsentrasjoner.

Foruten den faktiske oppgaven, forårsaker også miljøet problemer når det er komplekst. Av disse grunnene har tradisjonell forskning utviklet seg rundt enkeltroboter som søker etter en gasskilde i små, hindringsfrie miljøer.

Guido de Croon er full professor ved Micro Air Vehicle-laboratoriet ved TU Delft.

“Vi er overbevist om at sværmer av små droner er en løftende vei for autonom gasskilde-lokalisering,” sier Guido de Croon. “Dronenes små størrelse gjør dem svært trygge for mennesker og eiendom som fortsatt er i bygningen, mens deres flygeevne vil tillate dem å til slutt søke etter kilden i tre dimensjoner. I tillegg tillater deres små størrelse dem å fly i smale innendørs områder. Til slutt gjør det å ha en sværm av disse dronene at de kan lokalisere en gasskilde raskere, mens de unnviker lokale maksimumer av gasskonsentrasjon for å finne den sanne kilden.”

Til tross for fordelene med disse egenskapene, gjør de det også vanskelig for ingeniører å implementere AI i dronene for autonom gasskilde-lokalisering. På grunn av begrensningene rundt onboard-sensing og prosessering, er AI-algoritmene som brukes i selvkjørende kjøretøy ikke anvendelige. Fordi de opererer i sværmer, må dronene også unngå å kollidere med hverandre mens de samarbeider.

Bart Duisterhof utførte forskningen ved TU Delft.

“I virkeligheten finnes det mange eksempler på vellykket navigasjon og luktkilde-lokalisering innen stramme ressursbegrensninger,” sier Duisterhof. “Tenk bare på hvordan fluer med deres små hjerner på ~100 000 neuroner uværlig lokaliserer bananene i kjøkkenet ditt om sommeren. De gjør dette ved å kombinere enkle atferder som å fly oppover eller ortogonalt til vinden avhengig av om de sanser lukten. Selv om vi ikke kunne kopiere disse atferdene direkte på grunn av mangelen på luftsensorene på våre roboter, har vi gitt våre roboter lignende enkle atferder for å takle oppgaven.”

https://www.youtube.com/watch?v=hj_SBSpK5qg

De små dronene bruker en ny “bug”-algoritme kalt “Sniffy Bug”, som gjør at dronene kan spre seg ut før de detekterer noen gass. Dette tillater dem å dekke store områder og unngå hindringer eller hverandre.

Når en av dronene sanser gass, kommuniserer den dette til de andre, som deretter samarbeider med hverandre for å finne gasskilden så raskt som mulig. Mer spesifikt, utfører dronene en søk etter maksimal gasskonsentrasjon med en algoritme kalt “partikkel-sværme-optimisering”, eller PSO, hvor hver drone fungerer som en partikkel.

Algoritmen ble inspirert av det sosiale atferden og bevegelsen til fugleflokker, hvor hver drone beveger seg basert på sin egen sansning av høyeste gasskonsentrasjonslokasjon, sværmens høyeste lokasjon og dens nåværende bevegelsesretning og treghet. En av fordelene med PSO er at den bare krever måling av gasskonsentrasjonen uten gasskonsentrasjonsgradient eller vindretning.

“Dette forskningsarbeidet viser at sværmer av små droner kan utføre svært komplekse oppgaver,” sier Guido. “Vi håper at dette arbeidet kan danne en inspirasjon for andre robotikkforskere til å tenke om igjen på typen AI som er nødvendig for autonom flyging.”