TinySense: A Lighter Weight and More Power-efficient Avionics System for Flying Insect-scale Robots

要約

この論文では、重量 1 グラム未満の飛行昆虫ロボット (FIR) の自律制御を実現するためのセンサースイートの展望と課題を調査します。
FIR は、その重量とサイズが非常に小さいため、材料コストと拡張性の点で比類のない利点をもたらします。
ただし、そのサイズにより、特に高速ダイナミクス、制限された電力、および制限されたペイロード容量など、かなりの制御上の課題が生じます。
生物学的システムからインスピレーションを得ることも多く、軽量センサーの開発には目覚ましい進歩が見られましたが、モーション キャプチャ システムなどの外部センシングからのフィードバックに依存せずに持続的なホバリングを達成できるサブグラム航空機はありません。
持続的なホバリング（「センサー自律性」の第 1 レベル）が可能な最軽量の乗り物は、はるかに大きい 28 g の Crazyflie です。
以前の研究では、その車両のアビオニクススイートのサイズが 187 mg および 21 mW に縮小されたことが報告されています。
ここでは、質量と出力がわずか 78.4 mg と 15 mW までさらに減少したことを報告します。
私たちはレーザー距離計をより軽量で効率的な圧力センサーに置き換え、グローバル シャッター イメージング チップの周囲に小型のオプティカル フロー センサーを構築しました。
カルマン フィルター (KF) は、これらの測定値を融合して、ホバリングの制御に必要な状態変数 (ピッチ角、並進速度、高度) を推定します。
私たちのシステムは、飛行中に Crazyflie の推定器と同等のパフォーマンスを達成し、モーション キャプチャと比較した二乗平均平方根誤差はそれぞれ 1.573 度、0.186 m/s、0.139 m でした。

要約(オリジナル)

In this paper, we investigate the prospects and challenges of sensor suites in achieving autonomous control for flying insect robots (FIRs) weighing less than a gram. FIRs, owing to their minuscule weight and size, offer unparalleled advantages in terms of material cost and scalability. However, their size introduces considerable control challenges, notably high-speed dynamics, restricted power, and limited payload capacity. While there have been notable advancements in developing lightweight sensors, often drawing inspiration from biological systems, no sub-gram aircraft has been able to attain sustained hover without relying on feedback from external sensing such as a motion capture system. The lightest vehicle capable of sustained hover — the first level of ‘sensor autonomy’ — is the much larger 28 g Crazyflie. Previous work reported a reduction in size of that vehicle’s avionics suite to 187 mg and 21 mW. Here, we report a further reduction in mass and power to only 78.4 mg and 15 mW. We replaced the laser rangefinder with a lighter and more efficient pressure sensor, and built a smaller optic flow sensor around a global-shutter imaging chip. A Kalman Filter (KF) fuses these measurements to estimate the state variables that are needed to control hover: pitch angle, translational velocity, and altitude. Our system achieved performance comparable to that of the Crazyflie’s estimator while in flight, with root mean squared errors of 1.573 degrees, 0.186 m/s, and 0.139 m, respectively, relative to motion capture.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google