Luftroboter profitieren von KI-gesteuerten Dehnungssensoren

Künstliche Intelligenz liefert weiterhin Innovationen in der Luftfahrt- und Robotikbranche.  Aktuelle Entwicklungen mit integrierten KI-gesteuerten Dehnungssensoren könnten es ermöglichen, in den kommenden Jahren agilere und leichtere Optionen zu schaffen. Hier finden Sie alles, was Sie wissen müssen.

Seit Anbeginn der Zeit blickt der Mensch zur Natur, um ein besseres Verständnis des Flugs zu erlangen. Das Erstellen von Robotern, die ihre Flügel zum Fliegen schlagen, hat sich jedoch als deutlich schwieriger erwiesen als herkömmliche Fluggeräte. Leider hat dieses Szenario Luftroboter ohne einige Schlüssel­fähigkeiten gelassen, die ihre natürlichen Gegenstücke besitzen, wie das schnelle Umschalten zwischen Schweben und optimiertem Flug. Glücklicherweise könnte sich dieses Szenario bald ändern.

Flatternde Flügel-Luftroboter

Heute sind Luftroboter in vielen Sektoren verbreitet, und ihr Einfluss, ihre Fähigkeiten und Verfügbarkeit nehmen zu. Bei der Diskussion über Luftrobotik denken die Menschen oft nur an propellerbetriebene und geflügelte Geräte. Es gibt jedoch mehrere andere Optionen, die zwar weniger Aufmerksamkeit erhalten, aber eindeutig einzigartige Vorteile bieten, die sie hervorstechen lassen.

Flatternde Flügel

Flatternde Flügel bieten das Beste aus beiden Welten. Sie ermöglichen Vögeln, schnell vertikalen Auftrieb zu erzeugen und für lange Strecken zu gleiten. Geflügelte Insekten können schweben und die Richtung schnell ändern. Denken Sie an eine Hummel oder einen Kolibri, die ein Gebiet zügig durchfliegen, oder an eine Motte, die um eine Glühbirne kreist.

Bis heute gab es einige bedeutende Fortschritte im Design von Flatterflügel‑Robotern. Die Flugcontroller, die nötig sind, um diese Geräte zuverlässig unter wechselnden Bedingungen außerhalb eines Labors zu betreiben, zu entwickeln, hat sich jedoch als schwierig erwiesen. Trotzdem fesseln diese Designs die Vorstellungskraft von Entwicklern und Schöpfern gleichermaßen, wobei der Film „Dune“ kürzlich einen Ornithopter zeigte, der auf flatternden Flügeln basiert, die einer Libelle ähneln.

Quelle – Fandom

Studie zu KI-gesteuerten Dehnungssensoren

Eine aktuelle Studie, „Maschinelles Lernen-basierte Windklassifizierung durch Flügeldeformation bei biomimetischen Flatterrobotern: Biomimetische flexible Strukturen verbessern die Windsensorik“,¹ greift auf natürliche Inspiration zurück, um die Fähigkeiten von Flatterflügelrobotern zu verbessern. Konkret untersuchten die Forscher mehrere Lebewesen, um zu bestimmen, wie deren Sinne ihnen ermöglichen, ihre Flugmuster präzise zu optimieren.

KI-gesteuerte Dehnungssensoren lassen sich von der Natur inspirieren.

Das Team stellte fest, dass alle flatternden Vögel und Insekten eine Art Sinnesorgan in ihren Flügeln besitzen. Sie vermuteten, dass dieses Organ in verschiedenen Tieren unterschiedliche Aufgaben übernimmt, wodurch die Tiere ihre Flugeigenschaften korrigieren und ihre Ergebnisse verbessern können. Das Team bemerkte, dass Heuschrecken Dehnungssensoren in den Adern ihrer Flügel haben, während viele Vögel, wie Hühner, Sensoren in der Nähe ihrer Federfollikel besitzen.

Bis zu dieser Studie war das Verständnis darüber, welche Daten diese Sensoren dem Tier liefern, gering. Die Forscher schlossen jedoch, dass die sensorischen Informationen den Tieren ermöglichen, Wind, Körperbewegungen und sich ändernde Umweltbedingungen in Echtzeit zu erkennen. Um Robotern dieselben Fähigkeiten zu geben, machte sich das Team daran, einen zuverlässigen KI‑gesteuerten Dehnungssensor zu entwickeln, der seine natürlichen Gegenstücke nachahmen kann, sodass der Roboter seine Umgebung „fühlen“ und sich entsprechend anpassen kann.

Flügel-Design

Das Team ließ sich von einem der agilsten Flieger der Natur, dem Kolibri, inspirieren. Sie entwickelten kolibri‑mimetische Flügel, die eine ähnliche Struktur wie die Knochen des Vogels besitzen. Die Schäfte verjüngen sich an den Enden und fungieren als Flügeladern, was der Flügelstruktur eine zusätzliche Stabilität verleiht.

Diese flexiblen Flügel wurden mit einem Dual‑Nozzle‑Fused‑Deposition‑Modeling‑3D‑Drucker hergestellt. Dieser Ansatz ermöglichte dem Team den Druck mit einem 12,5 µm dicken Copolyester‑Polymer und kohlenstofffaserverstärktem Polyethylenterephthalat. Dadurch erhielten die Flügel die Eigenschaften eines natürlichen Flügels, der sich biegen und entlang seines Pfades bewegen kann.

Freie Bewegung

Konkret konnte der Flügel bis zu einem Winkel von ±23° frei „federn“. Der Flügel drehte sich zudem entlang der Vorderkante bei jedem Flügelschlag. Diese Bewegung erzeugte zusätzliche Kraft, indem sie die Auftriebskraft maximierte, ähnlich wie bei Insekten. Die Ingenieure stellten die Flügelschlag‑Amplitude auf 158° ein, und die Flügelschlag‑Frequenz wurde für die Experimente auf ≈12 Hz angepasst.

Quelle – Advanced Intelligent Systems

KI-gesteuerte Dehnungssensoren

Das Team integrierte Dehnungsmessstreifen in die kolibri‑ähnliche Flügelstruktur. Konkret wurden sieben kommerziell erhältliche, kostengünstige Dehnungssensoren mit Basisbreiten und -längen von 1,4 mm bzw. 4,2 mm an spezifischen Stellen der Testflügel befestigt. Diese Sensoren wurden dann verwendet, um den Druck und die Dehnung des Flügels in 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 Untersetzungszahnräder, um realistische Flügelschlagbewegungen zu erzeugen. Das Gerät wurde auf 12 Zyklen pro Sekunde eingestellt, und die Sensorkabel wurden über Anschlüsse an den Flügeln zu einem Datenregister geführt. Bemerkenswert ist, dass die Ingenieure ein TEXIO TECHNOLOGY‑Gerät mit einer konstanten Spannungsversorgung einsetzten, um Einheitlichkeit und Messbarkeit sicherzustellen.

KI-gesteuerte Dehnungssensoren Convolutional Neural Network Modell

Einer der Hauptbestandteile des Experiments war die Nutzung eines Convolutional Neural Network. Dieses Modell ermöglichte es den Forschern, einen Flugcontroller zu registrieren, zu klassifizieren und zu trainieren, der in der Lage war, während des Flugs Anpassungen vorzunehmen, basierend auf den von den Dehnungssensoren gesammelten Daten und dem Abgleich mit dem CNN‑Modell.

Die Dehnungssensordaten lassen den Machine‑Learning‑Algorithmus die Windbedingungen exakt klassifizieren. Im Rahmen des Trainings wurden die Sensordaten verwendet, um einen Schwebe­flug im Windkanal zu simulieren. Bemerkenswert ist, dass für jede Windbedingung 720 Dehnungs‑ und Phasendatensätze gewonnen wurden. Diese Daten wurden in einzelne Flügelschläge unterteilt.

Test der KI-gesteuerten Dehnungssensoren

Das Team begann die Testphase, indem es die Sensordaten der Flügel bei null Wind registrierte. Das Fehlen von Luftströmung ermöglichte es den Sensoren, sich zu nullen und genaue Vergleiche zu ermöglichen, sobald die Bedingungen erhöht wurden. Außerdem testete das Team drei verschiedene Flügel mit denselben Dehnungsmessstreifen‑Daten und verglich die Ergebnisse.

Ein magnetischer Drehgeber wurde verwendet, um den Flügelzustand während verschiedener Bedingungen exakt zu erfassen. Das Gerät lag direkt über den Flügeln und ermöglichte eine Auflösung von 0,703° während der Flügelschlagphase. Interessanterweise startete das Team den Prozess, indem er eine einzelne Umdrehung des Encoders auf einen einzelnen Flügelschlag setzte.

Windkanal

Der Windkanal war ein entscheidender Teil dieser Experimente. Er ermöglichte es dem Team, Schwebe­flüge unter sanften bis harten Windbedingungen zu simulieren. Konkret wurden im Test acht wechselnde Windbedingungen verwendet. Jede Bedingung hatte 3 Messungen, die während eines einzelnen Flügelschlagzyklus durchgeführt wurden.

Ergebnisse des Tests der KI-gesteuerten Dehnungssensoren

Die Ergebnisse der Studie waren beeindruckend. Das Team konnte die Windbedingungen mit 99 % Genauigkeit bestimmen. Bemerkenswert ist, dass die Bestimmung nur einen einzigen Flügelschlag benötigte und in einigen Fällen bereits ein 0,2‑facher Flügelschlag‑Zyklus sehr genaue Ergebnisse lieferte. Zusätzlich stellte die Studie fest, dass die Sensoren, die den Flügelschäften am nächsten lagen, die schnellsten Ergebnisse lieferten.

Zykluszeit ist wichtig

Die Zykluszeit jeder Messung hatte einen großen Einfluss auf die Ergebnisse. Das Team bemerkte, dass bei weniger als 0,2 Zyklen die Datenzuverlässigkeit stark abnahm. Bei 0,2 Zyklen erreichten die Sensoren jedoch eine Genauigkeit von 85 %. Diese Genauigkeit könnte je nach Anzahl der Sensoren im Flügel verbessert oder reduziert werden.

Biomimetische Flügelwellenstrukturen verbessern die Ergebnisse der KI-gesteuerten Dehnungssensoren

Die Tests zeigten, dass die Struktur der Flügelschäfte eine entscheidende Rolle bei der Datengewinnung und Genauigkeit spielt. Daher konnten die strukturierten Flügel die Windbedingungen deutlich schneller bestimmen als ein nicht strukturierter Testgegenstand. Diese Entdeckung führte die Ingenieure zu der Annahme, dass die Verbesserung der Flügelstruktur und der Sensorplatzierung in Zukunft noch höhere Genauigkeiten ermöglichen könnte.

Vorteile der KI-gesteuerten Dehnungssensoren

Es gibt eine lange Liste von Vorteilen, die diese Studie dem Markt bietet. Erstens stellte sie Robotik‑Ingenieuren eine einfache Flügel‑Dehnungssensor‑Fähigkeit zur Verfügung, die auf kommerziell erhältlichen, kostengünstigen und leicht verfügbaren Bauteilen basiert. Diese kostengünstigen und energieeffizienten Geräte lassen sich problemlos in fliegende Bots integrieren, ohne dass größere Änderungen erforderlich sind.

Agilität

Die Agilität, die Hummeln erreichen, ist fast übernatürlich. Diese geflügelten Tiere können schnell stoppen, schweben und die Richtung ohne großen Aufwand ändern. Wissenschaftler hoffen, Drohnen mit denselben Fähigkeiten zu schaffen, um ein neues Integrationsniveau zu ermöglichen.

Anpassungsfähigkeit

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

Einfacher Ansatz

Ein weiterer großer Vorteil von Flatterflügeln gegenüber anderen Schwebe‑Technologien ist die Einfachheit. Luftkissenfahrzeuge benötigen viel Luftstrom und können nur eine bestimmte Höhe erreichen. Im Gegensatz dazu sind Hubschrauber extrem komplex und erfordern tausende bewegliche Teile, die perfekt kalibriert sein müssen, um einen Schwebezustand zu erreichen. Diese aktuelle Studie könnte es ermöglichen, Fahrzeugflügel per 3D‑Druck zu fertigen, die stabile Schwebe‑ und schnelle Richtungswechsel ermöglichen, ohne zahlreiche bewegliche und komplexe Bauteile.

Anwendungsfälle der KI-gesteuerten Dehnungssensoren

Es gibt mehrere Anwendungsfälle für flapper‑Flügel‑Roboter. Diese Geräte könnten helfen, schwer zugängliche Orte zu erreichen oder eine reibungslose Erfassung von Naturkatastrophen oder Kriegsgebieten zu ermöglichen. Kleine Luftroboter leiden derzeit unter erheblichen Einschränkungen in Gewicht und Größe. Der Einsatz von Flatterflügeln könnte ihre Nutzlast erhöhen, indem das für Flugapparate benötigte Gewicht reduziert wird.

Forscher der KI-gesteuerten Dehnungssensoren

Diese Studie wurde von Forschern des Institute of Science Tokyo durchgeführt. Der Bericht wurde von Associate Professor Hiroto Tanaka geleitet und beinhaltete Arbeiten von Hiroto Tanaka. Zusätzlich half Tomoya Fujii beim Flügel‑Design. Bemerkenswert ist, dass die Forscher Unterstützung vom JSPS KAKENHI Grant‑in‑Aid for Scientific Research on Innovative Areas „Science of Soft Robots“ unter der Fördernummer JP18H05468 erhielten.

Unternehmen, die von den KI-gesteuerten Dehnungssensoren profitieren könnten

Die Fähigkeit, Windbedingungen genau und schnell zu bestimmen, ist eine Option, die viele Unternehmen nutzen könnten, um ihr Angebot zu verbessern. Der Einsatz dieser Sensoren auf flapper‑Flügel‑Robotern eröffnet Drohnenherstellern die Möglichkeit, diese Technologie weiterzuentwickeln und agilere sowie einzigartigere Optionen zu schaffen. Hier ist ein Unternehmen, das die Aufgabe in den kommenden Monaten umsetzen kann.

Kratos Defense & Security Solutions Inc

Kratos Defense & Security Solutions Inc (KTOS ) trat ursprünglich 1994 als Anbieter von Telekommunikationsinfrastruktur in den Markt ein, bevor es seine Mission und Ziele auf die Drohnenherstellung umstellte. Das Unternehmen hat seinen Sitz in San Diego, Kalifornien.

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

Heute wird Kratos als führender Anbieter von Militärdrohnen und -software anerkannt. Die Aktie des Unternehmens, KTOS, verzeichnete im Jahresverlauf ein stetiges Wachstum, bedingt durch verschiedene Faktoren, darunter die kontinuierliche Innovation des Unternehmens sowie die wachsende Nachfrage nach automatisierten und KI‑gesteuerten Kriegsdrohnen.

Kratos Defense & Security Solutions Inc.s enge Verbindungen zu institutionellen Investoren, Regierungen und seine nachgewiesene Erfolgsbilanz machen das Unternehmen zum idealen Kandidaten, diese Technologie in den kommenden Monaten zu integrieren.

Zukunft der KI-gesteuerten Dehnungssensoren

Die Ingenieure hinter der Studie zu KI‑gesteuerten Dehnungssensoren glauben, dass noch viel Arbeit nötig ist, um sicherzustellen, dass diese Technologie ihr volles Potenzial erreicht. Derzeit ist der Markt für flügelbasierte Drohnen noch ein aufstrebender Sektor.

Da jedoch die Vorteile des Flügelflugs, wie stabiles Schweben und schnelle Richtungswechsel, einzigartige Möglichkeiten schaffen, kann mit einer steigenden Nachfrage nach diesen Bots gerechnet werden. Das Team plant daher, weitere Studien zu komplexeren Windbedingungen und Kombinationen verschiedener Dehnungssensor‑Standorte durchzuführen, um das Design weiter zu optimieren.

KI-gesteuerte Dehnungssensoren – Flügel intelligent machen

Die Einführung zuverlässiger und erschwinglicher KI‑gesteuerter Dehnungssensoren in geflügelte Roboter wird die Leistung insgesamt steigern. Diese Studie bringt die Branche einen Schritt näher daran, die Natur nachzuahmen und jahrhundertealte Geheimnisse des Flugs zu entschlüsseln. In den kommenden Monaten könnte diese Studie zur Schaffung vieler neuer und leistungsfähiger Flatterflügel‑Konstruktionen führen.

Erfahren Sie mehr über andere coole Robotikprojekte hier.

Studienreferenz:

^{1. Kubota, K., & Tanaka, H. (2024). Maschinelles Lernen-basierte Windklassifizierung durch Flügeldeformation bei biomimetischen Flatterrobotern: Biomimetische flexible Strukturen verbessern die Windsensorik. Advanced Intelligent Systems, 6(11), 2400473. https://doi.org/10.1002/aisy.202400473}