昆虫複眼システムに基づく完全自律型ドローンの開発と３次元観測ネットワークの構築
| Project/Area Number |
20H02354
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Single-year Grants |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 24010:Aerospace engineering-related
|
|---|
| Research Institution | Kyushu University |
|---|
Principal Investigator |
外本 伸治 九州大学, 工学研究院, 教授 (80199463)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
坂東 麻衣 九州大学, 工学研究院, 准教授 (40512041)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Project Status |
Granted (Fiscal Year 2021)
|
| Budget Amount *help |
¥17,420,000 (Direct Cost: ¥13,400,000、Indirect Cost: ¥4,020,000)
Fiscal Year 2022: ¥3,120,000 (Direct Cost: ¥2,400,000、Indirect Cost: ¥720,000)
Fiscal Year 2021: ¥4,940,000 (Direct Cost: ¥3,800,000、Indirect Cost: ¥1,140,000)
Fiscal Year 2020: ¥7,670,000 (Direct Cost: ¥5,900,000、Indirect Cost: ¥1,770,000)
|
|---|
| Keywords | 自律飛行システム / 障害物検知・回避 / 観測ネットワーク / ドローン / 障害物検知 / 障害物回避 / 自律システム |
|---|
| Outline of Research at the Start |
本研究では、昆虫の複眼システムを模倣した工学システムについての研究を発展させ、障害物が存在する空間においてもドローンが自在に飛行できる完全自律型の航法誘導システムを開発する。これは、ドローンに搭載された画像センサから、ドローンの飛行状態、周囲にある障害物までの距離、障害物の形状を高速に推定するシステムである。さらに、自律飛行するドローンを空中プラットフォームとして捉え、複数の自律ドローンを用いて、これまでにない能動的３次元観測ネットワークを構築する。
|
| Outline of Annual Research Achievements |
本研究は、昆虫の複眼システムを工学的に模擬した「オプティックフローの広域統合（WFI (: Wide-Field-Integration) of optic flow）」を用いて、障害物がある空間を搭載センサだけで自在に飛行できるシステムを実現することを目指す。さらに、そのシステムを搭載した自律飛行ドローンを空中の観測プラットフォームとして捉えることで、複数の自律ドローンによって形成される能動的な３次元観測ネットワークについて研究する。
2020年度は、障害物がある空間での飛行ドローンの自律化に向けて、障害物の形状認識システムについて検討した。静止障害物を考え、計算機シミュレーションを用いて形状推定の研究を行った。WFI of optic flowの手法を用いて、まず飛行体の運動変数を推定し（第1段）、続いて運動推定値を用いて（小領域への）距離推定（第2段）、さらに小領域の畳み込みによる形状推定（第3段）、という一連の推定手法について検討した。それぞれの過程におけるノイズが最終的な障害物形状に及ぼす影響を数値的に調べると共に、各段階におけるノイズ低減手法とその効果について検討した。
複数の自律ドローンによる能動的な３次元観測ネットワークについては、強化学習の手法を用いて、ドローン数や環境の変化に対応可能なシステムについて研究した。まだ検討すべき点は多いが、学習に要する時間をかなり削減しながら、ドローン数の変化に柔軟に対応できそうなネットワークの構築についての見通しが得られた。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
静止した障害物に対する形状推定については、第1段階の運動変数における誤差が、第2・第3段階の距離推定において、大きく拡大される方向があることが分かった。そこで、まずはフィルタを併用することにより第1段階の誤差を低減することの効果について数値的に調べた。また、障害物上の小領域への距離を求める際の推定法について検討し、optic flowから障害物表面の凹凸を予備推定した後にWFI of optic flowを適用し、距離を推定する手法を考案した。その効果を定量的に評価するために、センサより出力されるoptic flowの誤差の大きさを変えて推定精度を調べた。その結果、現在実験で用いているセンサでも精度の向上が期待できるが、optic flowの誤差をより小さくできれば格段に推定精度が向上することが分かった。このほか、障害物の全体形状を推定するために個々の小領域をスライドさせるが、このときの移動量が推定精度に及ぼす影響についても調べた。
３次元観測ネットワークについては、強化学習を用いて各ドローンの“適切な”位置を逐次変更するネットワークについて研究した。このとき、ドローンの位置を細かく調整しようとすると空間の分割数が増大し、学習に要する時間が爆発的に増大し現実的ではないことが分かった。さらに、ある条件下で学習したシステムを用いても、ドローン数や環境が変化するとその結果が適応できないことが明確になった。加えて、構成すべきネットワークをどのように評価すればよいかは強化学習における重要な設計パラメターでありながら、一般性を持った指針を設定することが難しいことも分かった。そこで、まずは学習時間の低減化に取り組み、シンプルな学習プロセスでありながら、ドローン数や環境設定の変化にも適用可能なシステムについて検討した。
|
| Strategy for Future Research Activity |
2020年度に実施した、静止した障害物に対する形状認識システムについての研究は、計算機シミュレーションを用いた検討であった。これは、当初の予定では実験検証を並行して行うことになっていたが、コロナ禍で実験実施に大きな制限があったためである。そこで今後の方策としては、まず実際のWFI of optic flowセンサと静止障害物を用いて、障害物までの距離と形状を推定する実験を行い、シミュレーションの結果を検証する。その結果を用いて、障害物を回避するために必要な距離マージン、飛行体の現実的な経路設計の指針について検討する。計算機シミュレーションと実験の両面から、静止した障害物に対する形状認識システムの確立に目処が立った後に、移動する障害物の検知・形状認識の研究を開始する。
３次元観測ネットワークの構築に向けては、現在取り組んでいる強化学習をベースとして、学習に要する時間を低減しながら、ドローン数や環境の変化に適用可能なシステムについての研究を進める。また、構築したネットワークの評価の方法についても検討・研究が必要であり、その解決に向けた研究を進める。
|
Report
(1 results)
Research Products
(4 results)
