Algoritmo de planejamento permite voo de alto desempenho para aeronaves tailsitter

Um tailsitter é uma aeronave de asa fixa que decola e pousa verticalmente (fica de cauda na plataforma de pouso) e depois se inclina horizontalmente para voar para frente. Mais rápidas e eficientes que os drones quadricópteros, essas aeronaves versáteis podem sobrevoar uma grande área como um avião, mas também pairar como um helicóptero, tornando-as adequadas para tarefas como busca e resgate ou entrega de encomendas.

Pesquisadores do MIT desenvolveram novos algoritmos para planejamento e controle de trajetória de um tailsitter que aproveitam a manobrabilidade e versatilidade desse tipo de aeronave. Seus algoritmos podem executar manobras desafiadoras, como vôo lateral ou de cabeça para baixo, e são tão eficientes em termos computacionais que podem planejar trajetórias complexas em tempo real.

Normalmente, outros métodos simplificam a dinâmica do sistema em seu algoritmo de planejamento de trajetória ou usam dois modelos diferentes, um para modo helicóptero e outro para modo avião. Nenhuma das abordagens consegue planear e executar trajetórias tão agressivas como as demonstradas pela equipa do MIT.

“Queríamos realmente explorar toda a potência do sistema. Essas aeronaves, mesmo sendo muito pequenas, são bastante poderosas e capazes de manobras acrobáticas emocionantes. Com a nossa abordagem, usando um modelo, podemos cobrir todo o envelope de voo – todos as condições em que o veículo pode voar”, diz Ezra Tal, cientista pesquisador do Laboratório de Sistemas de Informação e Decisão (LIDS) e principal autor de um novo artigo que descreve o trabalho.

Tal e seus colaboradores usaram seus algoritmos de geração e controle de trajetória para demonstrar tailsitters que executam manobras complexas como loops, rolls e curvas de subida, e até apresentaram uma corrida de drones onde três tailsitters aceleraram através de portões aéreos e realizaram várias manobras acrobáticas sincronizadas.

Esses algoritmos poderiam permitir que os tailsitters executassem de forma autônoma movimentos complexos em ambientes dinâmicos, como voar para um prédio desabado e evitar obstáculos durante uma busca rápida por sobreviventes.

Juntando-se a Tal no artigo estão Gilhyun Ryou, estudante de pós-graduação do Departamento de Engenharia Elétrica e Ciência da Computação (EECS); e o autor sênior Sertac Karaman, professor associado de aeronáutica e astronáutica e diretor do LIDS. A pesquisa está publicada em Transações IEEE em Robótica.

Lidando com trajetórias de tailsitter

O projeto de um tailsitter foi inventado por Nikolai Tesla em 1928, mas ninguém tentou construir um seriamente até quase 20 anos após o registro de sua patente. Ainda hoje, devido à complexidade do movimento do tailsitter, a pesquisa e as aplicações comerciais tendem a se concentrar em aeronaves que são mais fáceis de controlar, como os drones quadricópteros.

Os algoritmos de geração e controle de trajetória que existem para os tailsitters concentram-se principalmente em trajetórias calmas e transições lentas, em vez das manobras rápidas e acrobáticas que essas aeronaves são capazes de realizar.

Com condições de voo tão desafiadoras, Tal e seus colaboradores sabiam que precisariam projetar algoritmos de planejamento e controle de trajetória especificamente para trajetórias ágeis com acelerações em rápida mudança, a fim de permitir que essas aeronaves únicas atingissem o desempenho máximo.

Para fazer isso, eles usaram um modelo de dinâmica global, ou seja, um modelo que se aplica a todas as condições de voo, desde a decolagem vertical até o voo para frente, ou mesmo lateral. Em seguida, eles aproveitaram uma propriedade técnica conhecida como planicidade diferencial para garantir que o modelo teria um desempenho eficiente.

Na geração da trajetória, um passo fundamental é garantir que a aeronave possa realmente voar na trajetória planejada – talvez ela tenha um raio de giro mínimo que torne inviável uma curva particularmente acentuada. Como os tailsitters são sistemas complexos, com flaps e rotores, e exibem movimentos aéreos tão complicados, normalmente são necessários vários cálculos para determinar se uma trajetória é viável, o que dificulta os algoritmos de planejamento tradicionais.

Ao empregar planicidade diferencial, os pesquisadores do MIT podem usar uma função matemática para verificar rapidamente se uma trajetória é viável. Sua abordagem evita muitas das complicadas dinâmicas do sistema e planeja uma trajetória para o acompanhante como uma curva matemática através do espaço. O algoritmo então usa planicidade diferencial para verificar rapidamente a viabilidade dessa trajetória.

“Essa verificação é computacionalmente muito barata, por isso, com nosso algoritmo, você pode realmente planejar trajetórias em tempo real”, explica Tal.

Estas trajetórias podem ser muito complexas, transitando rapidamente entre o voo vertical e horizontal, ao mesmo tempo que incorporam manobras laterais e invertidas, porque os investigadores conceberam o seu algoritmo de tal forma que considera uniformemente todas estas diversas condições de voo.

“Muitas equipes de pesquisa se concentraram na aeronave quadricóptero, que é uma configuração muito comum para quase todos os drones de consumo. Os tailsitters, por outro lado, são muito mais eficientes no vôo para frente. mais difícil de pilotar”, diz Karaman. “Mas, o tipo de tecnologia de autonomia que desenvolvemos subitamente torna-as disponíveis em muitas aplicações, desde tecnologia de consumo até inspeções industriais em grande escala”.

Um show aéreo de tailsitter

Eles testaram seu método planejando e executando uma série de trajetórias desafiadoras para os acompanhantes no espaço de voo interno do MIT. Em um teste, eles demonstram um tailsitter executando uma curva ascendente onde a aeronave vira para a esquerda e então acelera rapidamente e inclina de volta para a direita.

Eles também apresentaram um “show aéreo” de tailsitter no qual três tailsitters sincronizados realizaram loops, curvas fechadas e voaram perfeitamente através dos portões aéreos. Essas manobras não seriam possíveis de planejar em tempo real sem o uso de planicidade diferencial em seu modelo, diz Tal.

“A planicidade diferencial foi desenvolvida e aplicada para gerar trajetórias suaves para sistemas mecânicos básicos, como um pêndulo motorizado. Agora, mais de 30 anos depois, nós a aplicamos a aeronaves de asa fixa. Pode haver muitas outras aplicações que poderíamos aplicar isso no futuro”, acrescenta Ryou.

O próximo passo para os investigadores do MIT é alargar o seu algoritmo para que possa ser utilizado de forma eficaz para voos exteriores totalmente autónomos, onde os ventos e outras condições ambientais podem afectar drasticamente a dinâmica de uma aeronave de asa fixa.

Esta história foi republicada como cortesia do MIT News (web.mit.edu/newsoffice/), um site popular que cobre notícias sobre pesquisa, inovação e ensino do MIT.