این پهپادهای کوچک با صدا مسیر خود را پیدا می‌ کنند + ویدیو

01

از 02

سیستم‌های ناوبری صوتی پهپادهای کوچک

در یک دهه گذشته، تحقیقات WPI مشابه نحوه اتکای انسان‌ها به دید خود، روی توسعه خودران بودن ربات‌های هوایی با تکیه بر بینایی متمرکز بوده است. با وجود این، در شرایط چالش‌برانگیز مانند: مه، دود یا تاریکی مطلق، حسگرهای نوری کارایی خود را از دست می‌دهند. تیم پژوهشی برای غلبه بر این محدودیت‌ها، به بررسی مکان‌یابی صوتی الهام‌گرفته از طبیعت پرداخته است؛ روشی که خفاش‌ها با استفاده از امواج فراصوت، محیط اطراف خود را حس می‌کنند.

هدف این پروژه، توسعه ربات‌های هوایی مینیاتوری است که بتوانند مستقل و با استفاده از سیستم‌های ناوبری صوتی، بدون نیاز به علائم بینایی، مسیر خود را پیدا کنند. این ربات‌ها کمتر از ۱۰۰ میلی‌متر طول و کمتر از ۱۰۰ گرم وزن خواهند داشت و پیشرفت در چندین زمینه علمی برای تحقق این قابلیت ضروری است. محققان با بهره‌گیری از متامواد ویژه، مشکلات نویز پره‌ها و محدودیت وضوح امواج فراصوت را برطرف می‌کنند. با تغییر هندسه این مواد، نحوه بازتاب امواج صوتی کنترل می‌شود، که مشابه عملکرد فوم در جذب صدا و کاهش نویز است.

تیم پژوهشی با الهام از چگونگی جمع کردن گوش‌ها توسط انسان‌ها یا تغییر شکل گوش خفاش‌ها، سیستم‌هایی را توسعه می‌دهد که صداهای کم‌قدرت را به‌ طور موثرتر دریافت و پخش کنند و ناوبری دقیق‌تری برای ربات‌ها فراهم نمایند. همچنین آنها روش‌های پیشرانش جایگزین، از جمله مکانیزم بال‌زدن را بررسی می‌کنند تا عملکرد ربات‌های هوایی کوچک بهبود یابد و باعث کاهش تداخل صوتی شود.

هدف از ادغام این نوآوری‌ها، توسعه پهپادهای کوچک، اقتصادی و کم‌مصرف است تا بتوانند در محیط‌هایی که سیستم‌های بینایی سنتی ناکارآمد هستند، به‌طور موثر عمل کنند. سانکت در بیانیه‌ای تاکید کرد: «این پروژه امکان استقرار سریع ربات‌ها در محیط‌های دشوار مانند فضاهای پر از دود یا بلایای طبیعی را فراهم می‌کند و ابزارهایی مقرون‌به‌صرفه، مقیاس‌پذیر و قابل استقرار برای حفاظت، پیشگیری و نگهداری ارائه می‌دهد.»

02

از 02

دید فراصوتی پهپاد

در بخش نرم‌افزاری، تیم تحقیقاتی با به‌کارگیری یادگیری عمیق مبتنی بر اصول فیزیک، سیگنال‌های فراصوت را پردازش و تفسیر می‌کند تا ناوبری خودران پهپادها ممکن شود. یک سیستم یادگیری تقویتی سلسله‌مراتبی به ربات‌ها امکان می‌دهد تا به سمت اهداف از پیش تعیین‌شده حرکت کنند و در عین حال موانع را به‌ صورت پویا دور بزنند. شبکه‌های عصبی برای اجرای مستقیم روی پهپاد بهینه‌سازی شده‌اند تا تمامی محاسبات بدون نیاز به زیرساخت خارجی انجام شود.

براساس گزارش The Robot Report (TRR)، هدف پروژه توسعه گروهی از پهپادهای کوچک، کم‌مصرف و هوشمند است تا در محیط‌هایی عمل کنند که سیستم‌های بینایی سنتی کارایی ندارند. این پهپادها با ترکیب هوش مصنوعی الهام‌گرفته از طبیعت، توانایی درک محیطی ربات‌ها و یادگیری تطبیقی، همچنین از طریق ادغام داده‌های فراصوت، اینرسی و سایر حسگرهای سیستم‌های ناوبری صوتی، دقت و اعتمادپذیری ناوبری را در شرایط دشوار به‌طور چشمگیری افزایش می‌دهند.

نسخه‌های آینده این فناوری ممکن است امکان استفاده از اولتراسونوگرافی برای شناسایی ضربان قلب بازماندگان را فراهم کند و عملکرد عملیات جست‌وجو و نجات را به‌طور قابل توجهی بهبود دهد. حتی در صورت عملکرد مؤثر سیستم‌های موجود برای اجتناب از موانع، پژوهش‌ها به منظور افزایش سرعت پرواز بالای دو متر بر ثانیه ادامه دارد تا واکنش در عملیات واقعی سریع‌تر انجام شود. تیم تحقیقاتی پیش‌بینی می‌کند که این سیستم‌ها طی سه تا پنج سال آینده از آزمایشگاه به میادین عملیاتی منتقل شوند. علاوه بر کاربردهای نجات، این فناوری می‌تواند نقش حیاتی در پایش بلایا، بازرسی محیط‌های خطرناک و حفاظت از محیط زیست ایفا کند، جایی که ناوبری مبتنی بر بینایی سنتی قابل اعتماد نیست.