Stables comme des bourdons : un nouvel algorithme aide les micro-robots à ailes battantes à garder l'équilibre dans les rafales de vent
Des scientifiques du MIPT et de Skoltech ont développé un algorithme pour stabiliser le vol de mini-robots à ailes battantes, reproduisant l'aérodynamique du vol du bourdon dans un environnement numérique. Le système permet au modèle virtuel de rester stable même dans de fortes rafales de vent, ce qui pourrait permettre à de futurs robots-abeilles de fouiller les décombres après des catastrophes, de polliniser les plantes dans les serres et de mener des reconnaissances secrètes. La recherche a été publiée dans la revue Communications in Nonlinear Science and Numerical Simulation.
Des chercheurs de l'Institut de physique et de technologie de Moscou (MIPT) et de Skoltech ont créé un algorithme pour stabiliser le vol de mini-robots à ailes battantes, ainsi qu'un environnement de calcul pour tester différents algorithmes de contrôle par vents gustatifs. Les bourdons font partie des créatures les plus manœuvrables de la nature, grâce à l'aérodynamique tourbillonnaire où chaque battement d'aile forme des structures vortex stables qui génèrent de la portance. Cependant, le vol battu est intrinsèquement instable, et transposer cette aérodynamique à un robot ou à son modèle numérique le fait perdre l'équilibre au moindre coup de vent. Le nouveau système de stabilisation contrôle trois paramètres clés des ailes : l'amplitude du battement, la position moyenne de la trajectoire et l'angle de rotation de l'aile autour de son propre axe. L'algorithme utilise un contrôleur non linéaire basé sur une fonction de Lyapunov discrète pour calculer les changements de cinématique des ailes qui réduisent l'écart par rapport à la trajectoire souhaitée. L'algorithme a été testé dans une soufflerie numérique avec de fortes rafales verticales : un contrôleur linéaire ne pouvait maintenir l'insecte que si la force du vent ne dépassait pas 50 à 60 % du poids du corps, tandis que le nouvel algorithme hybride stabilisait le vol même lorsque les rafales étaient 1,5 fois le poids de l'objet, avec un temps de stabilisation de 3 à 6 secondes. L'environnement de calcul suit une architecture « perception-calcul-action » et est compatible avec les outils d'apprentissage par renforcement, permettant une comparaison équitable des régulateurs classiques, des algorithmes de réseaux neuronaux et des schémas hybrides. L'équipe prévoit de complexifier davantage le modèle et de tester le contrôleur hybride avec des réseaux neuronaux pour une navigation entièrement autonome des micro-robots à ailes battantes.
Source: CNews —
original