Le système empêche les drones rapides de s’écraser dans des endroits peu familiers.
Les drones autonomes sont prudents lorsqu’ils naviguent dans l’inconnu. Ils se faufilent vers l’avant, cartographiant souvent des zones inconnues avant de continuer, de peur qu’ils ne s’écrasent sur des objets non détectés. Mais ce ralentissement n’est pas idéal pour les drones qui effectuent des tâches urgentes, comme les missions de recherche et de sauvetage dans des forêts denses.
Aujourd’hui, les chercheurs du MIT ont mis au point un modèle de planification de trajectoire qui permet aux drones de voler à grande vitesse dans des zones encore inexplorées, tout en restant sûrs.
Le modèle – judicieusement appelé « FASTER » – estime le trajet le plus rapide possible d’un point de départ à un point de destination à travers toutes les zones que le drone peut et ne peut pas voir, sans égard pour la sécurité. Mais à mesure que le drone vole, le modèle enregistre en continu des trajectoires de « secours » sans collision qui s’écartent légèrement de cette trajectoire de vol rapide. Lorsque le drone n’est pas sûr d’une zone particulière, il fait un détour par le chemin de secours et replie son chemin. Le drone peut ainsi rouler à grande vitesse le long de la trajectoire la plus rapide tout en ralentissant légèrement de temps en temps pour assurer sa sécurité.
« Nous voulons toujours exécuter le chemin le plus rapide, mais nous ne savons pas toujours s’il est sûr. Si, au fur et à mesure que nous avançons sur ce chemin le plus rapide, nous découvrons qu’il y a un problème, nous avons besoin d’un plan de secours « , explique Jesus Tordesillas, étudiant diplômé du Département d’aéronautique et d’astronautique (AeroAstro) et premier auteur d’un article décrivant le modèle présenté à la Conférence internationale sur les robots et systèmes intelligents du mois prochain. « Nous obtenons une trajectoire de vitesse plus élevée qui peut ne pas être sûre et une trajectoire de vitesse lente qui est totalement sûre. Les deux chemins sont d’abord cousus ensemble, mais l’un s’écarte pour la performance et l’autre pour la sécurité. »
Dans les simulations forestières, où un drone virtuel navigue autour de cylindres représentant des arbres, les drones motorisés par FASTER effectuent les trajectoires de vol en toute sécurité environ deux fois plus rapidement que les modèles traditionnels. Lors d’essais en conditions réelles, les drones motorisés par FASTER manœuvrant autour de boîtes en carton dans une grande salle ont atteint une vitesse de 7,8 mètres par seconde. C’est ce qui pousse les limites de la vitesse à laquelle les drones peuvent voler, en fonction du poids et du temps de réaction, disent les chercheurs.
« C’est à peu près tout ce qu’on peut faire « , dit Jonathan How, co-auteur de la Chaire Richard Cockburn Maclaurin en aéronautique et en astronautique. « Si vous étiez debout dans une pièce avec un drone volant à 7 ou 8 mètres par seconde, vous reculeriez probablement d’un pas. »
L’autre coauteur du document est Brett T. Lopez, ancien étudiant au doctorat chez AeroAstro et maintenant post-doctorant au Jet Propulsion Laboratory de la NASA.
Séparer les chemins
Les drones utilisent des caméras pour capturer l’environnement comme des voxels, des cubes 3D générés à partir d’informations de profondeur. À mesure que le drone vole, chaque voxel détecté est étiqueté comme » espace libre connu « , inoccupé par des objets, et » espace occupé – connu « , qui contient des objets. Le reste de l’environnement est un « espace inconnu ».
FASTER utilise tous ces domaines pour planifier trois types de trajectoires : « entières », « sûres » et « engagées ». L’ensemble de la trajectoire est le chemin entier du point de départ A au point de destination B, en passant par les zones connues et inconnues. Pour ce faire, la « décomposition convexe », une technique qui décompose des modèles complexes en composantes discrètes, génère des polyèdres superposés qui modélisent ces trois zones dans un environnement. À l’aide de techniques géométriques et de contraintes mathématiques, le modèle utilise ces polyèdres pour calculer une trajectoire globale optimale.
Simultanément, le modèle planifie une trajectoire sûre. Tout au long de la trajectoire, il trace un point de » sauvetage » qui indique le dernier moment où un drone peut faire un détour vers un espace libre et dégagé, en fonction de sa vitesse et d’autres facteurs. Pour trouver une destination sûre, il calcule de nouveaux polyèdres qui couvrent l’espace libre connu. Ensuite, il localise un point à l’intérieur de ces nouveaux polyèdres. En gros, le drone s’arrête dans un endroit sûr mais aussi proche que possible de l’espace inconnu, ce qui permet un détour très rapide et efficace.
Trajectoire engagée
La trajectoire engagée se compose du premier intervalle de toute la trajectoire, ainsi que de toute la trajectoire de sécurité. Mais ce premier intervalle est indépendant de la trajectoire de sécurité et n’est donc pas affecté par le freinage nécessaire à la trajectoire de sécurité.
Le drone calcule une trajectoire entière à la fois, tout en gardant toujours une trace de la trajectoire de sécurité. Mais on lui donne une limite de temps : lorsqu’il atteint le point de secours, il doit avoir calculé avec succès la trajectoire entière suivante dans un espace connu ou inconnu. Si c’est le cas, il continuera à suivre toute la trajectoire. Sinon, il se dirige vers la trajectoire de sécurité. Cette approche permet au drone de maintenir des vitesses élevées le long des trajectoires engagées, ce qui est essentiel pour atteindre des vitesses globales élevées.
Pour cela à tous les travaux, les chercheurs ont conçu des moyens pour que les drones puissent traiter toutes les données de planification très rapidement, ce qui était un défi. En raison de la grande variété des cartes, par exemple, la limite de temps accordée à chaque trajectoire engagée variait considérablement au départ. Les chercheurs ont donc mis au point une méthode permettant de calculer rapidement des temps fixes pour tous les intervalles le long des trajectoires, ce qui simplifie les calculs. Les chercheurs ont également conçu des méthodes pour réduire le nombre de polyèdres que le drone doit traiter pour cartographier son environnement. Ces deux méthodes ont considérablement allongé les délais de planification.
« Comment augmenter la vitesse de vol et maintenir la sécurité est l’un des problèmes les plus difficiles à résoudre pour la planification du mouvement des drones « , explique Sikang Liu, ingénieur logiciel chez Waymo, anciennement le projet de voiture auto-driving de Google, et expert en algorithmes de planification de trajectoire. « Ce travail a montré une excellente solution à ce problème en améliorant le cadre existant de génération de trajectoires. Dans le pipeline d’optimisation de trajectoire, l’allocation de temps est toujours un problème délicat qui peut conduire à des problèmes de convergence et à des comportements non désirés. Ce document a abordé ce problème à travers une approche novatrice… qui pourrait être une contribution perspicace dans ce domaine. »
Les chercheurs construisent actuellement de plus gros drones FASTER équipés d’hélices conçues pour permettre un vol horizontal régulier. Traditionnellement, les drones doivent rouler et lancer pendant qu’ils volent. Mais ce bourdon sur mesure resterait complètement plat pour diverses applications.
Une application potentielle de FASTER, qui a été développée avec l’appui du Département de la défense des États-Unis, pourrait être l’amélioration des missions de recherche et de sauvetage en milieu forestier, qui présentent de nombreux défis pour la planification et la navigation des drones autonomes. « Mais la zone inconnue n’a pas besoin d’être la forêt », dit How. « Il peut s’agir de n’importe quel domaine où vous ne savez pas ce qui s’en vient, et la rapidité avec laquelle vous acquerrez ces connaissances importe. La motivation principale est de construire des drones plus agiles. »
