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

要約

このホワイトペーパーでは、グラム未満の自律的な空飛ぶ昆虫ロボット（FIR）のセンサースイートに進歩を紹介します。
FIRは、体重とサイズが少ないため、材料コストとスケーラビリティの点で比類のない利点を提供します。
ただし、それらのサイズは、かなりの制御課題、特に高速ダイナミクス、制限された電力、および限られたペイロード容量をもたらします。
軽量センサーの開発には注目に値する進歩があり、多くの場合生物学的システムからインスピレーションを得ていますが、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することなく、サブグラム航空機は持続的なホバーを達成することはできませんでした。
持続的なホバリングが可能な最も軽い車両 – 「センサーの自律性」の最初のレベル – は、はるかに大きい28 g 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と21 MWに減少したことが報告されていました。
ここでは、質量と電力のさらなる減少を78.4 mgと15 mWのみに報告します。
レーザーレンジファインダーをより軽量でより効率的な圧力センサーに置き換え、グローバルシッターイメージングチップの周りに小さな光学フローセンサーを構築しました。
Kalmanフィルター（KF）は、これらの測定値を融合させて、ホバーを制御するために必要な状態変数、つまりピッチ角、翻訳速度、高度を推定します。
私たちのシステムは、フライト中のCrazyFlieの推定器のパフォーマンスに匹敵するパフォーマンスを達成しました。これは、モーションキャプチャと比較して、それぞれ1.573度、0.186 m/s、および0.136 mの根平均四方誤差を備えています。

要約(オリジナル)

In this paper, we introduce advances in the sensor suite of an autonomous flying insect robot (FIR) weighing less than a gram. FIRs, because of their small 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 hovering — 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 deg, 0.186 m/s, and 0.136 m, respectively, relative to motion capture.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google