Flugroboter profitieren von KI-gestützten Dehnungsrezeptoren

Künstliche Intelligenz sorgt weiterhin für Innovationen in der Luft- und Raumfahrt- und Robotikbranche. Jüngste Entwicklungen mit integrierten, KI-gestützten Dehnungssensoren könnten in den kommenden Jahren die Entwicklung agilerer und leichterer Lösungen ermöglichen. Hier erfahren Sie alles, was Sie wissen müssen.

Seit Anbeginn der Zeit hat der Mensch blickte in die Natur um das Fliegen besser zu verstehen. Allerdings hat sich die Entwicklung von Robotern, die mit den Flügeln fliegen, als viel gängiger erwiesen als die Entwicklung traditioneller Fluggeräte mit Flügeln. Leider fehlen den Flugrobotern in diesem Szenario einige wichtige Fähigkeiten ihrer natürlichen Gegenstücke, wie z. B. der schnelle Wechsel zwischen Schweben und optimiertem Flug. Glücklicherweise könnte sich dieses Szenario bald ändern.

Flugroboter mit schlagenden Flügeln

Heute sind Flugroboter in vielen Branchen weit verbreitet und ihr Einfluss, ihre Fähigkeiten und ihre Verfügbarkeit nehmen zu. Wenn über Flugroboter gesprochen wird, denkt man oft nur an Propeller- und Flügelfahrzeuge. Es gibt jedoch mehrere andere Optionen, die vielleicht nicht so viel Aufmerksamkeit erhalten, aber definitiv einzigartige Vorteile haben, die sie hervorstechen lassen.

Flügelschlag

Schlagende Flügel bieten das Beste aus beiden Welten. Sie ermöglichen Vögeln, schnell vertikalen Auftrieb zu erlangen und sich zu stabilisieren, um über weite Strecken zu gleiten. Geflügelte Insekten können schweben und schnell die Richtung ändern. Denken Sie daran, wie eine Hummel oder ein Kolibri durch ein Gebiet saust oder wie eine Motte eine Glühbirne umkreist.

Bis heute wurden im Bereich der Entwicklung von Robotern mit Schlagflügeln einige große Fortschritte erzielt. Allerdings hat sich die Entwicklung der Flugsteuerungen, die erforderlich sind, damit diese Flugobjekte zuverlässig unter wechselnden Bedingungen und nicht nur im Labor funktionieren, als schwierig erwiesen. Dennoch regen diese Designs nach wie vor die Fantasie von Entwicklern und Schöpfern an. Im Film Dune wurde kürzlich ein Ornithopter gezeigt, der mit schlagenden Flügeln ausgestattet ist, die an eine Libelle erinnern.

Quelle – Fandom

KI-gestützte Studie zu Stammrezeptoren

Eine aktuelle Studie, „Maschinelles Lernen als Grundlage für die Klassifizierung des Windes anhand der Flügelverformung bei biomimetischen Schlagrobotern: Biomimetische flexible Strukturen verbessern die Windwahrnehmung,"¹ lässt sich von der Natur inspirieren, um die Fähigkeiten von Robotern mit flatternden Flügeln zu verbessern. Konkret untersuchten die Forscher mehrere Lebewesen, um herauszufinden, wie sie mit ihren Sinnen ihre Flugmuster präzise optimieren können.

KI-gestützte Dehnungsrezeptoren lassen sich von der Natur inspirieren.

Dem Team fiel auf, dass alle Vögel und Insekten mit flatternden Flügeln eine Art Sinnesorgan in ihren Flügeln haben. Sie nahmen an, dass dieses Organ bei verschiedenen Tieren unterschiedliche Aufgaben erfüllt, was es ihnen ermöglicht, ihre Flugeigenschaften zu korrigieren, um ihre Ergebnisse zu verbessern. Das Team stellte fest, dass Heuschrecken in den Flügeladern Spannungsrezeptoren haben. Viele Vögel, wie etwa Hühner, haben Sensoren in der Nähe ihrer Federfollikel.

Bis zu dieser Studie war noch nicht klar, welche Daten diese Sensoren den Tieren genau lieferten. Die Forscher kamen jedoch zu dem Schluss, dass die Tiere mithilfe der sensorischen Informationen Wind, Körperbewegungen und sich ändernde Umweltbedingungen in Echtzeit erkennen konnten. Um Robotern dieselben Fähigkeiten zu verleihen, machte sich das Team daran, einen zuverlässigen, KI-gesteuerten Dehnungssensor zu entwickeln, der seine natürlichen Gegenstücke nachahmen kann, sodass der Roboter seine Umgebung und Bedingungen „spüren“ und sich entsprechend anpassen kann.

Flügeldesign

Das Team ließ sich von einem der wendigsten Flieger der Natur inspirieren: dem Kolibri. Es machte sich daran, kolibriähnliche Flügel zu entwickeln, die eine ähnliche Struktur wie die Knochen des Vogels aufweisen. Die Schäfte verjüngen sich an den Enden und dienen als Flügeladern, was der Flügelstruktur zusätzliche Stabilität verleiht.

Diese flexiblen Flügel wurden mit einem 3D-Drucker mit Doppeldüsen-Fused-Deposition-Modeling-Verfahren gedruckt. Mit diesem Ansatz konnte das Team mit einem 3 μm dicken Copolyesterpolymer und kohlenstofffaserverstärktem Polyethylenterephthalat drucken. Dieser Ansatz lieferte die Eigenschaften eines natürlichen Flügels, der sich biegen und entlang seines Weges bewegen kann.

Bewegungsfreiheit

Konkret konnte der Flügel bis zu einem Winkel von ±23° frei ausschlagen. Bei jedem Schlag verdrehte sich der Flügel außerdem entlang der Vorderkante. Diese Bewegung lieferte zusätzliche Leistung, indem sie die Auftriebskraft maximierte, ähnlich wie bei Insekten. Die Ingenieure stellten die Schlagamplitude der Flügel auf 158° ein und die Schlagfrequenz wurde für die Experimente auf ≈12 Hz angepasst.

Quelle – Fortgeschrittene intelligente Systeme

KI-gestützte Dehnungsrezeptoren

Das Team integrierte Dehnungsmessstreifen in die kolibriartige Flügelstruktur. Dazu wurden sieben handelsübliche, kostengünstige Dehnungsaufnehmer mit Basisbreiten und -längen von 1.4 und 4.2 mm an bestimmten Stellen der Testflügel befestigt. Diese Sensoren wurden dann verwendet, um Druck und Dehnung des Flügels bei sieben verschiedenen Windrichtungen zu messen. Die verwendeten Richtungen umfassten 0°, 15°, 30°, 45°, 60°, 75° und 90°.

Motor

Um die Flügel schlagen zu lassen, wurde ein Gleichstrommotor angebracht. Der Motor nutzte einen Scotch-Yoke-Mechanismus und Untersetzungsgetriebe, um realistische Schlagbewegungen zu erzeugen. Das Gerät war auf 12 Zyklen pro Sekunde eingestellt und Sensorkabel wurden durch Anschlüsse an den Flügeln zu einem Datenregister geführt. Insbesondere verwendeten die Ingenieure ein Gerät von TEXIO TECHNOLOGY mit einer Konstantspannungsversorgung, um Gleichmäßigkeit und Messbarkeit zu gewährleisten.

KI-gestütztes Convolutional-Neural-Network-Modell für Dehnungsrezeptoren

Eine der Hauptkomponenten des Experiments war die Nutzung eines Convolutional Neural Network. Dieses Modell ermöglichte es den Forschern, einen Flugregler zu registrieren, zu klassifizieren und zu trainieren, der in der Lage war, mithilfe von Daten, die von den Dehnungssensoren gesammelt und mit dem CNN-Modell abgeglichen wurden, im Flug Anpassungen vorzunehmen.

Die Dehnungsdaten ermöglichen dem maschinellen Lernalgorithmus eine präzise Klassifizierung der Windverhältnisse. Im Rahmen des Trainings wurden die Sensordaten erfasst, um einen Schwebeflug in einem Windkanal zu simulieren. Dabei wurden für jede Windbedingung 720 Dehnungs- und Phasendatensätze gewonnen. Diese Daten wurden in einzelne Flügelschläge zerlegt.

KI-gestützter Dehnungsrezeptortest

Das Team begann die Testphase mit der Registrierung der Sensordaten der Flügel bei Windstille. Durch den fehlenden Luftstrom konnten die Sensoren bei verbesserten Bedingungen auf Null zurückgesetzt werden und konnten so genaue Vergleiche anstellen. Außerdem testete das Team drei verschiedene Flügel mit denselben Dehnungsmessstreifendaten und verglich die Ergebnisse.

Um den Flügelzustand unter verschiedenen Bedingungen genau zu erfassen, wurde ein magnetischer Drehgeber verwendet. Das Gerät saß direkt auf den Flügeln und ermöglichte eine Auflösung von 0.703° während der Schlagphase. Interessanterweise leitete das Team den Prozess ein, indem es eine einzelne Drehung des Drehgebers auf einen einzelnen Schlagzyklus einstellte.

Windkanal

Der Windkanal war ein entscheidender Teil dieser Experimente. Er ermöglichte es dem Team, Schwebeflüge bei sanften bis starken Windverhältnissen zu simulieren. In der Testphase wurden insbesondere acht wechselnde Windverhältnisse verwendet. Bei jedem dieser Zustände wurden während eines einzigen Klappenzyklus drei Messungen durchgeführt.

KI-gestützte Testergebnisse für Dehnungsrezeptoren

Die Ergebnisse der Studie waren beeindruckend. Das Team konnte die Windverhältnisse mit einer Genauigkeit von 99 % bestimmen. Beeindruckenderweise war für die Bestimmung nur ein einziger Flügelschlag erforderlich, und in einigen Fällen lieferte bereits ein Schlagzyklus von 0.2 sehr genaue Ergebnisse. Darüber hinaus ergab die Studie, dass die Sensoren, die den Flügelwellen am nächsten waren, die schnellsten Ergebnisse lieferten.

Die Zykluszeit ist wichtig

Die Zykluszeit jeder Messung machte einen großen Unterschied bei den Ergebnissen. Das Team stellte fest, dass bei weniger als 0.2 Zyklen die Datenzuverlässigkeit stark abnahm. Bei 0.2 erreichten die Sensoren jedoch eine Genauigkeit von 85 %. Diese Genauigkeit könnte je nach Anzahl der Sensoren im Flügel verbessert oder verringert werden.

Biomimetische Flügelschaftstrukturen verbessern Ergebnisse von KI-gestützten Dehnungsrezeptoren

Die Tests ergaben, dass die Struktur des Flügelschafts eine entscheidende Rolle bei der Datenerfassung und -genauigkeit spielt. So konnten die getesteten strukturierten Flügel die Windverhältnisse viel schneller bestimmen als ein nicht strukturiertes Testobjekt. Diese Entdeckung veranlasste die Ingenieure zu der Schlussfolgerung, dass eine Verbesserung der Flügelstruktur und der Sensorplatzierung in Zukunft zu noch mehr Genauigkeit führen könnte.

Vorteile von KI-gestützten Dehnungsrezeptoren

Diese Studie bringt dem Markt eine ganze Reihe von Vorteilen. So konnten Roboteringenieure beispielsweise eine einfache Möglichkeit zur Flügelspannungsmessung entwickeln, die auf handelsüblichen und erschwinglichen Komponenten basiert. Diese kostengünstigen und stromsparenden Geräte lassen sich problemlos und ohne größere Änderungen in Flugroboter integrieren.

Agilität

Die Beweglichkeit der Hummeln ist fast überirdisch. Diese geflügelten Tiere können ohne große Anstrengung schnell anhalten, schweben und die Richtung ändern. Wissenschaftler hoffen, Drohnen mit denselben Fähigkeiten zu entwickeln und damit ein neues Maß an Integration zu erreichen.

Flexibilität

Niemand kann Ihnen sagen, aus welcher Richtung der Wind immer weht. Die sensorischen Eingaben der getesteten Flügel können jedoch Strömungsverhältnisse direkt erkennen, ohne dass zusätzliche Geräte erforderlich sind. Diese Daten können verwendet werden, um das Umweltbewusstsein zu verbessern und eine bessere Kontrolle und eine schnelle Informationskodierung basierend auf den Umweltbedingungen zu ermöglichen.

Vereinfachter Ansatz

Ein weiterer großer Vorteil von Flügelschlag im Vergleich zu anderen Schwebetechnologien ist ihre Einfachheit. Luftkissenfahrzeuge benötigen viel Luftstrom und können nur eine bestimmte Höhe erreichen. Hubschrauber hingegen sind enorm komplex und erfordern Tausende beweglicher Teile, die perfekt kalibriert werden müssen, um einen Schwebezustand zu erreichen. Diese neueste Studie könnte es ermöglichen, 3D-gedruckte Fahrzeugflügel herzustellen, die stabil schweben und schnelle Richtungswechsel ermöglichen, ohne dass Tonnen beweglicher und komplizierter Teile erforderlich sind.

Anwendungsfälle für KI-gestützte Dehnungsrezeptoren

Es gibt mehrere Anwendungsfälle für Roboter mit Schlagflügeln. Diese Geräte könnten dabei helfen, schwer erreichbare Orte zu erreichen oder Naturkatastrophen oder Kriegsgebiete problemlos zu scannen. Kleine Flugroboter sind derzeit in Bezug auf Gewicht und Größe stark eingeschränkt. Der Einsatz von Schlagflügeln könnte ihre Nutzlast erhöhen, indem das für Fluggeräte benötigte Gewicht reduziert wird.

KI-gestützte Stammrezeptor-Forscher

Diese Studie wurde von Forschern des Institute of Science Tokyo durchgeführt. Der Bericht wurde von Associate Professor Hiroto Tanaka geleitet und umfasste Arbeiten von Hiroto Tanaka. Darüber hinaus half Tomoya Fujii beim Flügeldesign. Insbesondere erhielten die Forscher Unterstützung vom JSPS KAKENHI Grant-in-Aid für wissenschaftliche Forschung in innovativen Bereichen „Wissenschaft der Softroboter“ unter der Fördernummer JP18H05468.

Unternehmen, die von den KI-gestützten Stammrezeptoren profitieren könnten

Die Fähigkeit, Windverhältnisse präzise und schnell zu bestimmen, ist eine Option, die viele Unternehmen nutzen könnten, um ihr Angebot zu verbessern. Der Einsatz dieser Sensoren an Flügelrobotern eröffnet Drohnenherstellern die Möglichkeit, diese Technologie zu erweitern und agilere und einzigartigere Optionen zu schaffen. Hier ist ein Unternehmen, das diese Aufgabe in den kommenden Monaten bewältigen kann.

Kratos Defence & Security Solutions Inc.

Kratos Defence & Security Solutions Inc. (KTOS -5.39 %) Ursprünglich trat das Unternehmen 1994 als Anbieter von Telekommunikationsinfrastruktur in den Markt ein, bevor es seine Mission und Ziele auf die Herstellung von Drohnen verlagerte. Das Unternehmen hat seinen Sitz in San Diego, Kalifornien.

Im Jahr 2004 begann Kratos Defense & Security Solutions Inc. mit groß angelegten Akquisitionen auf dem Markt. Diese Akquisitionen verschafften dem Unternehmen Zugang zu fortschrittlichen Technologien und führten dazu, dass das Unternehmen seinen Namen und seinen Gesamtschwerpunkt auf militärische Verteidigungstechnologien verlagerte.

Heute gilt Kratos als führender Anbieter von Militärdrohnen und -software. Die Aktien des Unternehmens, KTOS, verzeichneten im Laufe des Jahres ein stetiges Wachstum. Dies ist auf verschiedene Faktoren zurückzuführen, darunter die kontinuierliche Weiterentwicklung des Unternehmensangebots und die steigende Nachfrage nach automatisierten und KI-gesteuerten Kampfdrohnen.

Aufgrund der engen Beziehungen von Kratos Defense & Security Solutions Inc. zu institutionellen Anlegern und Regierungen sowie seiner nachweislichen Erfolgsbilanz ist das Unternehmen ideal geeignet, um diese Technologie in den kommenden Monaten zu integrieren.

Die Zukunft KI-gestützter Stammrezeptoren

Die Ingenieure hinter der Studie zu KI-gestützten Dehnungssensoren sind überzeugt, dass noch viel Arbeit zu leisten ist, um sicherzustellen, dass diese Technologie ihren Höhepunkt erreicht. Derzeit ist der Sektor der geflügelten Drohnen noch ein junger Markt.

Da die Vorteile des Flugs mit Flügeln, wie stabiles Schweben und schnelle Richtungswechsel, jedoch einzigartige Möglichkeiten schaffen, ist mit einer steigenden Nachfrage nach diesen Bots zu rechnen. Daher beabsichtigt das Team, weitere Studien zu komplexeren Windbedingungen und Kombinationen verschiedener spannungsempfindlicher Standorte durchzuführen, um ihr Design zu optimieren.

KI-gestützte Dehnungsrezeptoren – Flügel werden intelligent

Die Einführung zuverlässiger und erschwinglicher, KI-gestützter Spannungsrezeptoren in geflügelten Robotern wird die Leistung auf ganzer Linie steigern. Diese Studie bringt die Branche der Nachahmung der Natur und der Entschlüsselung uralter Geheimnisse rund um das Fliegen einen Schritt näher. In den kommenden Monaten könnte diese Studie zur Entwicklung vieler neuer und leistungsfähiger Fluggeräte mit Flügelschlag führen.

Erfahren Sie mehr über andere coole Robotikprojekte Sie bitte diese Seite.

Studienreferenz:

^{1. Kubota, K., & Tanaka, H. (2024). Auf maschinellem Lernen basierende Windklassifizierung durch Flügelverformung in biomimetischen Schlagrobotern: Biomimetische flexible Strukturen verbessern die Winderkennung. Fortgeschrittene intelligente Systeme, 6(11), 2400473. https://doi.org/10.1002/aisy.202400473}