Virtual Omnidirectional Perception for Downwash Prediction within a Team of Nano Multirotors Flying in Close Proximity

要約

飛行ロボットのチームは、互いに非常に接近して飛行する必要がある検査、配送、建設作業に使用できます。
このような接近の場合、非線形の空気力学効果により壊滅的な衝突が発生する可能性があり、各ロボットが周囲を認識する必要があります。
既存のアプローチは、複数の高価な、または重い知覚センサーに依存しています。
このような認識方法は、重量、計算量、価格の点で制約のあるナノ マルチコプターで使用するのは非現実的です。
その代わりに、無視されがちなマルチコプターのヨー自由度を利用して、安価で軽量な単一の単眼カメラを高い角速度で回転させ、隣接するロボットを全方向から認識することを提案します。
私たちは、現実世界の物理的な飛行と 3D レンダリングされたシーンで収集されたデータセットを提供し、成功率、相対位置推定、ダウンウォッシュ予測精度に関して、異なる設定で 2 つの既存の学習ベースの手法を比較します。
私たちが提案する回転カメラは、困難な交換タスクにおいて 80% 以上の $F_1$ スコアで空気力学的ダウンウォッシュの存在を予測できることを実証します。

要約(オリジナル)

Teams of flying robots can be used for inspection, delivery, and construction tasks, in which they might be required to fly very close to each other. In such close-proximity cases, nonlinear aerodynamic effects can cause catastrophic crashes, necessitating each robots’ awareness of the surrounding. Existing approaches rely on multiple, expensive or heavy perception sensors. Such perception methods are impractical to use on nano multirotors that are constrained with respect to weight, computation, and price. Instead, we propose to use the often ignored yaw degree-of-freedom of multirotors to spin a single, cheap and lightweight monocular camera at a high angular rate for omnidirectional awareness of the neighboring robots. We provide a dataset collected with real-world physical flights as well as with 3D-rendered scenes and compare two existing learning-based methods in different settings with respect to success rate, relative position estimation, and downwash prediction accuracy. We demonstrate that our proposed spinning camera is capable of predicting the presence of aerodynamic downwash with an $F_1$ score of over 80% in a challenging swapping task.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google