Active propulsion noise shaping for multi-rotor aircraft localization

要約

マルチローター自律飛行体 (MAV) は、主にナビゲーション目的で視覚に依存しています。
ただし、視覚的位置特定およびオドメトリ技術は、弱い日光や直射日光ではパフォーマンスが低下し、視野が限られ、遮蔽に対して脆弱になるという問題があります。
音響センシングは、多くの状況で視覚の補完的または代替手段として機能し、システムコストとエネルギーフットプリントの削減という追加の利点もあり、これは超小型航空機にとって特に重要です。
この論文では、ローターによって生成される航空機の推進騒音を有害な迷惑物と考えるのではなく、位置特定タスクに利益をもたらすように積極的に制御および形成することを提案します。
既知の環境におけるセルフノイズベースの位置特定のためのニューラル ネットワーク アーキテクチャを紹介します。
時変ローター位相変調の学習と同時にトレーニングすることで、正確かつロバストな位置特定が達成されることを示します。
提案された方法は、ローター圧力場の実際の記録に適合する 2D 音響環境における MAV ローターノイズの計算上手頃なシミュレーションを使用して評価されます。

要約(オリジナル)

Multi-rotor aerial autonomous vehicles (MAVs) primarily rely on vision for navigation purposes. However, visual localization and odometry techniques suffer from poor performance in low or direct sunlight, a limited field of view, and vulnerability to occlusions. Acoustic sensing can serve as a complementary or even alternative modality for vision in many situations, and it also has the added benefits of lower system cost and energy footprint, which is especially important for micro aircraft. This paper proposes actively controlling and shaping the aircraft propulsion noise generated by the rotors to benefit localization tasks, rather than considering it a harmful nuisance. We present a neural network architecture for selfnoise-based localization in a known environment. We show that training it simultaneously with learning time-varying rotor phase modulation achieves accurate and robust localization. The proposed methods are evaluated using a computationally affordable simulation of MAV rotor noise in 2D acoustic environments that is fitted to real recordings of rotor pressure fields.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google