Kinodynamischer Bewegungsplaner für ein Team von Multirotor-Drohnen, die eine kabelgebundene Nutzlast in unübersichtlichen Umgebungen transportieren

Основні поняття

Ein kinodynamischer Bewegungsplaner, der die vollständige Dynamik des Systems einschließlich Antriebsbeschränkungen berücksichtigt, kann signifikante Vorteile gegenüber herkömmlichen Methoden bieten, die nur die Nutzlast planen. Der vorgeschlagene Planer ermöglicht eine zuverlässigere Ausführung, eine höhere Vorhersagbarkeit und einen geringeren Energieverbrauch.

Анотація

Der Artikel präsentiert einen hierarchischen kinodynamischen Bewegungsplaner für das System des kabelgebundenen Nutzlasttransports mit mehreren Multirotor-Drohnen.
Zunächst wird ein geometrischer Bewegungsplaner verwendet, um einen kollisionsfreien Pfad für die Nutzlast und die Kabel zu finden. Dieser Pfad dient dann als Ausgangspunkt für einen nichtlinearen Trajektorienoptimierer, der die vollständige Dynamik des Systems, einschließlich der Antriebsbeschränkungen, berücksichtigt.
Der Optimierer generiert eine energieeffiziente, machbare Referenztrajektorie, die Kollisionen zwischen Robotern, Kabeln und Hindernissen vermeidet. Im Vergleich zu herkömmlichen Methoden, die nur die Nutzlast planen, zeigt der vorgeschlagene Ansatz signifikante Vorteile in Bezug auf Erfolgsquote, Genauigkeit der Bahnverfolgung und Energieverbrauch.
Die Leistungsfähigkeit des Verfahrens wird durch realistische Software-in-the-Loop-Simulationen und Realflugexperimente mit Bitcraze Crazyflie 2.1 Multirotor-Drohnen validiert.

Статистика

Die Beschleunigung des i-ten Multikopters kann berechnet werden als:
¨
pir = ¨
p0r −li( ˙
ωir × qir + ωir × ˙
qir)
Die Seilkraft des i-ten Kabels ergibt sich als:
Ti = ∥mi(¨
pir + ge3) −fcirRire3∥

Цитати

Keine relevanten Zitate gefunden.

Ключові висновки, отримані з

Kinodynamic Motion Planning for a Team of Multirotors Transporting a Cable-Suspended Payload in Cluttered Environments

by Khal... о arxiv.org 03-29-2024

https://arxiv.org/pdf/2310.03394.pdf

Глибші Запити

Wie könnte der vorgeschlagene Ansatz erweitert werden, um auch starre Nutzlasten zu berücksichtigen?

Um auch starre Nutzlasten zu berücksichtigen, könnte der vorgeschlagene Ansatz durch die Integration eines starren Körpers in das dynamische Modell erweitert werden. Dies würde eine Anpassung der Zustandsvektoren erfordern, um die Position und Orientierung des starren Körpers zu berücksichtigen. Darüber hinaus müssten die Dynamikgleichungen angepasst werden, um die Wechselwirkungen zwischen den Drohnen, den Kabeln und der starren Nutzlast zu berücksichtigen. Die Optimierung des Bewegungsplans müsste dann auch die Bewegung des starren Körpers berücksichtigen, um kollisionsfreie und dynamisch realisierbare Trajektorien zu generieren.

Welche zusätzlichen Herausforderungen ergeben sich, wenn die Drohnen nicht nur die Nutzlast, sondern auch ihre eigene Bewegung optimieren müssen?

Wenn die Drohnen nicht nur die Nutzlast, sondern auch ihre eigene Bewegung optimieren müssen, ergeben sich zusätzliche Herausforderungen in Bezug auf die Koordination und Kollisionsvermeidung. Die Drohnen müssen nicht nur kollisionsfreie Trajektorien für die Nutzlast generieren, sondern auch sicherstellen, dass ihre eigenen Bewegungen kollisionsfrei sind und die gewünschten Formationen beibehalten. Dies erfordert eine präzise Planung und Steuerung der Drohnen, um Interferenzen und Kollisionen zu vermeiden. Darüber hinaus müssen die Drohnen ihre eigenen Dynamiken und Einschränkungen berücksichtigen, um stabile und effiziente Flugmanöver auszuführen.

Wie könnte der Bewegungsplaner in Echtzeit implementiert werden, um auf dynamische Änderungen in der Umgebung reagieren zu können?

Um den Bewegungsplaner in Echtzeit zu implementieren und auf dynamische Änderungen in der Umgebung reagieren zu können, könnte eine hybride Ansatz verwendet werden. Dieser Ansatz könnte eine Kombination aus vorausschauender Planung und reaktiver Steuerung sein. Die Drohnen könnten kontinuierlich ihre Umgebung überwachen und Sensordaten verwenden, um Änderungen zu erkennen. Bei Bedarf könnte der Bewegungsplaner dann neue Trajektorien generieren, die den aktuellen Bedingungen entsprechen. Dieser Prozess könnte iterativ erfolgen, um kontinuierlich auf Veränderungen zu reagieren und sich an neue Gegebenheiten anzupassen. Durch die Integration von Echtzeitdaten und einer schnellen Reaktionsfähigkeit könnte der Bewegungsplaner flexibel und robust auf dynamische Umgebungen reagieren.