Ilmarobotit Hyötyvät AI-pohjaisista Jännitevastuksista

Tekoäly jatkaa innovaatioiden tuottamista ilmailu- ja robotiikkateollisuuksissa. Äskettäiset kehitykset, jotka sisältävät integroidut AI-pohjaiset jännitevastukset, voivat tehdä mahdolliseksi kevyempien ja ketterämpien vaihtoehtojen luomisen tulevina vuosina. Tässä kaikki, mitä sinun tarvitsee tietää.

Ihmiskunnan alusta lähtien ihmiset ovat katsonneet luontoon saadakseen paremman ymmärryksen lentämisestä. Kuitenkin robottien, jotka räpyttelevät siipiään lentääkseen, luominen on osoittautunut paljon vaikeammaksi kuin perinteisten siipialusten. Valitettavasti tämä on jättänyt ilmarobotit ilman joitakin keskeisiä kykyjä, joita niiden luonnollisilla vastineilla on, kuten nopea siirtyminen leijumisen ja optimoidun lennon välillä. Onneksi tämä tilanne saattaa olla muuttumassa.

Laukkulevyt Aerial Robotit

Tänään ilmarobotit ovat yleisiä useilla sektoreilla, ja niiden vaikutus, kyvyt ja saatavuus kasvavat. Ihmiset ajattelevat usein vain propellorikäyttöisiä ja siipialuksia, kun puhutaan ilmarobotiikasta. Kuitenkin on olemassa useita muita vaihtoehtoja, jotka eivät välttämättä saa huomiota, mutta joilla on ehdottomasti ainutlaatuisia etuja, jotka erottavat ne joukosta.

Laukkulevyt

Laukkulevyt tarjoavat parhaan kahdesta maailmasta. Ne mahdollistavat lintujen nopean pystysuoran noston ja vakauttavat niiden liitämisen pitkille matkoille. Siipiset hyönteiset voivat leijua ja vaihtaa suuntaa nopeasti. Ajattele, miten mehiläisharma tai kolibri liukuu alueella, tai miten perhonen kiertää valosäteen ympärillä.

Nykyhetkeen mennessä on tapahtunut merkittäviä edistysaskeleita räpyttelevien siipirobottien suunnittelussa. Kuitenkin lentokontrollerien kehittäminen, jotka saavat nämä alukset toimimaan luotettavasti muuttuvissa olosuhteissa eikä vain laboratoriossa, on osoittautunut vaikeaksi. Näistä suunnitelmista huolimatta ne kiehtovat kehittäjiä ja luojia, ja elokuvassa Dune esiteltiin äskettäin Ornithopter, joka perustuu räpytteleviin siipiin, jotka muistuttavat sudenkorentaa.

Lähde – Fandom

AI-pohjaiset Jännitevastus Tutkimus

Äskettäinen tutkimus, “Koneoppimiseen perustuva tuuliluokittelu siipien deformaatioiden perusteella biomimeettisissä räpyttelevissä roboteissa: Biomimeettiset joustavat rakenteet parantavat tuulen havaitsemista”¹ ammentaa luonnollisesta inspiraatiosta parantaakseen räpyttelevien siipirobottien kykyjä. Erityisesti tutkijat tarkastelivat useita eläimiä selvittääkseen, miten niiden aistit mahdollistavat tarkat lentomallien optimoinnit.

AI-pohjaiset Jännitevastukset Ottavat Luonnosta Inspiraation.

Tiimi huomasi, että kaikilla räpyttelevillä siipilinnuilla ja -hyönteisillä on jokin aistielin siivissä. He päättelivät, että tämä elin suorittaa erilaisia tehtäviä eri eläimissä, mikä mahdollistaa lentomallien korjaamisen parempien tulosten saavuttamiseksi. Tiimi havaitsi, että heinäsirkkojen jännitevastukset sijaitsevat siipien suonissa, kun taas monilla linnuilla, kuten kanoilla, anturit ovat lähellä höyhenjuuria.

Ennen tätä tutkimusta oli vähän tietoa siitä, mitä dataa nämä anturit antoivat eläimille. Tutkijat päätelivät, että aistitieto mahdollisti eläinten havaita tuulen, kehon liikkeet ja muuttuvat ympäristöolosuhteet reaaliajassa. Haluamalla antaa robotteille samat kyvyt, tiimi pyrki luomaan luotettavan AI-pohjaisen jänniteanturin, joka voisi jäljitellä luonnollisia vastineita, jolloin robotti “tuntee” ympäristönsä ja säätää toimintaansa sen mukaan.

Siiven Suunnittelu

Tiimi ammensi inspiraatiota yhdestä luonnon ketterimmästä lentäjästä, kolibrista. He pyrkivät luomaan kolibrin kaltaiset siivet, joilla on samanlainen rakenne kuin linnun luissa. Akselit kapenevat päissä ja toimivat siiven suonina, lisäten ylimääräisen vakauskerroksen siiven rakenteeseen.

Nämä joustavat siivet tulostettiin 3D-tulostimella, jossa oli kaksois-suutin sulautettu kerrostusmallinnus (FDM). Tämä mahdollisti 12,5 µm-paksuisen kopolyesteripolymeerin ja hiilikuituvahvistetun polyeteenitereftalaatin (PET) käytön. Tämä lähestymistapa antoi ominaisuuksia, jotka muistuttavat luonnollista siipeä, joka voi taivuttaa ja liikkua sen polkua pitkin.

Vapaa Liike

Erityisesti siipi pystyi vapaasti höyhenöitymään kulmaan ±23°. Siipi myös kiersi etureunan aikana jokaisessa räpytelmässä. Tämä liike tarjosi lisätehoa maksimoimalla nostovoiman, samankaltaisesti kuin hyönteiset. Insinöörit asettivat siipien räpytelmäamplitudin 158°, ja räpytelmätaajuus säädettiin ≈12 Hz kokeita varten.

Lähde – Advanced Intelligent Systems

AI-pohjaiset Jännitevastukset

Tiimi integroi venymämittarit kolibrin kaltaiseen siipirakenteeseen. Erityisesti seitsemän kaupallisesti saatavilla olevaa edullista jännitevastusta, joiden pohjaleveys ja pituus olivat 1,4 mm ja 4,2 mm, kiinnitettiin liimalla tarkasti testisiipien tiettyihin kohtiin. Näitä antureita käytettiin mittaamaan siiven painetta ja venymää seitsemässä eri tuulisuunnassa. Suunnat olivat 0°, 15°, 30°, 45°, 60°, 75° ja 90°.

Moottori

Jotta siivet voisivat räpytellä, kiinnitettiin DC-moottori. Moottori käytti Scotch‑yoke‑mekanismia ja vähennysvaihteita realististen räpytelmäsarjojen tuottamiseksi. Laite asetettiin 12 sykliä sekunnissa, ja anturijohtoja johdettiin liittimiin siivissä ja datarekisteriin. Merkittävää on, että insinöörit käyttivät TEXIO TECHNOLOGY -laitetta, jossa oli vakiojännitevirransyöttö tasaisuuden ja mitattavuuden varmistamiseksi.

AI-pohjaisten Jännitevastusten Konvoluutiohermoverkkomalli

Yksi kokeen pääkomponenteista oli konvoluutiohermoverkon (CNN) hyödyntäminen. Tämä malli mahdollisti tutkijoille rekisteröidä, luokitella ja kouluttaa lentokontrollerin, joka pystyi tekemään säätöjä lennossa käyttäen jänniteantureista kerättyä dataa ja vertaamalla sitä CNN‑malliin.

Jänniteantureiden data antaa koneoppimisalgoritmille mahdollisuuden luokitella tuuliolosuhteet tarkasti. Koulutuksen osana anturien dataa käytettiin leijumislennon simulointiin tuulikanavassa. Merkittävää on, että 720 jännite‑ ja vaihe‑datapistettä kerättiin jokaisesta tuuliolosuhteesta. Tämä data hajotettiin yksittäisiin siiven räpytelmiin.

AI-pohjaisten Jännitevastusten Testi

Tiimi aloitti testausvaiheen rekisteröimällä siipien anturidatan ilman tuulta. Ilman ilmavirtaa anturit nollasivat itsensä ja pystyivät tekemään tarkkoja vertailuja, kun olosuhteita parannettiin. Lisäksi tiimi testasi kolme erilaista siipeä samalla jänniteanturidatalla ja vertasi tuloksia.

Magneettista pyörösenkooderia käytettiin siiven tilan tarkkaan tallentamiseen eri olosuhteissa. Laite sijoitettiin suoraan siipien päälle, mikä mahdollisti tarkkuuden 0,703° räpytelmävaiheessa. Mielenkiintoista on, että tiimi aloitti prosessin asettamalla enkooderin yhden pyörähdyksen yhdeksi räpytelmäkierrokseksi.

Tuulikanava

Tuulikanava oli keskeinen osa näitä kokeita. Se mahdollisti tiimin simuloida leijumislentoa lievistä aina koviin tuuliolosuhteisiin. Erityisesti kahdeksan vuorottelevaa tuuliolosuhdetta otettiin testausvaiheessa. Jokaisesta olosuhteesta tehtiin kolme mittausta yhden räpytelmäkierroksen aikana.

AI-pohjaisten Jännitevastusten Testitulokset

Tutkimuksen tulokset olivat vaikuttavia. Tiimi pystyi määrittämään tuuliolosuhteet 99 % tarkkuudella. Huomattavaa on, että määrittely tapahtui yhden räpytelmän aikana, ja joissain tapauksissa vain 0,2‑kierroksen räpytelmä riitti erittäin tarkkoihin tuloksiin. Lisäksi tutkimus havaitsi, että anturit, jotka olivat lähimpänä siiven akselia, antoivat nopeimmat tulokset.

Sykliaika On Tärkeä

Jokaisen mittauksen sykliaika vaikutti merkittävästi tuloksiin. Tiimi huomasi, että alle 0,2‑kierroksen syklissä datan luotettavuus laski jyrkästi. Kuitenkin 0,2‑kierroksessa anturit saavuttivat 85 % tarkkuuden. Tämä tarkkuus voidaan parantaa tai heikentää anturien määrän perusteella siivessä.

Biomimeettiset Siiven Akselirakenteet Parantavat AI-pohjaisten Jännitevastusten Tuloksia

Testaus osoitti, että siiven akselirakenne näyttelee keskeistä roolia datan hakemisessa ja tarkkuudessa. Rakenteelliset siivet pystyivät määrittämään tuuliolosuhteet paljon nopeammin kuin rakenteeton koe­kohde. Tämä löytö johti insinöörit päätelmään, että siiven rakenteen ja anturien sijoittelun parantaminen voisi tulevaisuudessa tuottaa entistä tarkempia tuloksia.

AI-pohjaisten Jännitevastusten Hyödyt

Markkinoille tuodulla tutkimuksella on pitkä lista hyötyjä. Yksi merkittävä etu on, että se tarjoaa robotiikkainsinööreille yksinkertaisen siiven jänniteanturin, joka perustuu kaupallisesti saatavilla oleviin edullisiin komponentteihin. Nämä edulliset ja vähän virtaa kuluttavat laitteet on helppo integroida lentäviin botteihin ilman suuria muutoksia.

Ketteryys

Bumblebees:n ketteryys on lähes yliluonnollista. Nämä siivekkäät eläimet voivat pysähtyä nopeasti, leijua ja vaihtaa suuntaa ilman suurta rasitusta. Tutkijat toivovat luovansa droneja, joilla on samat kyvyt, mahdollistaen uuden tason integraatiota.

Sopeutuvuus

Kukaan ei voi ennustaa, mihin suuntaan tuuli puhaltaa koko ajan. Kuitenkin testattujen siipien anturisyöte pystyy suoraan tunnistamaan virtauksen olosuhteet ilman lisälaitteita. Tätä dataa voidaan käyttää parantamaan ympäristötietoisuutta, tarjoten paremman hallinnan ja nopean tiedonkoodauksen ympäristöolosuhteiden perusteella.

Yksinkertainen Lähestymistapa

Toinen merkittävä hyöty räpyttelevissä siivissä verrattuna muihin leijumisteknologioihin on yksinkertaisuus. Leijukoneet vaativat paljon ilmavirtaa ja voivat saavuttaa vain tietyn korkeuden. Toisaalta helikopterit ovat massiivisesti monimutkaisia, vaativat tuhansia liikkuvia osia, jotka on kalibroitu täydellisesti leijumistilan saavuttamiseksi. Tämä viimeisin tutkimus voi mahdollistaa 3D‑tulostettujen siipien, jotka pystyvät vakaaseen leijumiseen ja nopeisiin suuntamuutoksiin ilman massiivista määrää liikkuvia ja monimutkaisia osia.

AI-pohjaisten Jännitevastusten Käyttötapaukset

Räpyttelevillä siiviroboteilla on useita käyttötapauksia. Nämä laitteet voivat auttaa pääsemään vaikeasti saavutettaviin paikkoihin tai tarjota sujuvaa skannausta luonnonkatastrofien tai sotilasalueiden aikana. Pienet ilmarobotit kärsivät tällä hetkellä vakavista rajoituksista painon ja koon suhteen. Räpyttelevien siipien käyttö voisi parantaa niiden kantokykyä vähentämällä lentolaitteiden painoa.

AI-pohjaisten Jännitevastusten Tutkijat

Tämä tutkimus on toteutettu Tokion Tiedekorkeakoulun tutkijoiden toimesta. Raporttia johti dosentti Hiroto Tanaka, ja siihen osallistui myös Hiroto Tanaka. Lisäksi Tomoya Fujii auttoi siipien suunnittelussa. Merkittävää on, että tutkijat saivat tukea JSPS KAKENHI -tutkimusrahoituksesta, joka on myönnetty tieteelliselle tutkimukselle innovatiivisilla aloilla “Pehmeiden robottien tiede” rahoitustunnuksella JP18H05468.

Yritykset, jotka Voisivat Hyötyä AI-pohjaisista Jännitevastuksista

Tarkka ja nopea tuuliolosuhteiden määrittäminen on ominaisuus, jota monet yritykset voisivat hyödyntää parantaakseen tarjontaansa. Näiden antureiden käyttö räpyttelevissä siiviroboteissa avaa ovet dronevalmistajille laajentaa tätä tekniikkaa luodakseen ketterämpiä ja ainutlaatuisempia vaihtoehtoja. Tässä on yksi yritys, joka voi toteuttaa tehtävän tulevina kuukausina.

Kratos Defense & Security Solutions Inc

Kratos Defense & Security Solutions Inc (KTOS ) aloitti markkinoilla vuonna 1994 telekommunikaatioinfrastruktuurin tarjoajana ennen kuin siirtyi dronevalmistukseen. Yritys sijaitsee San Diegossa, Kaliforniassa.

Vuonna 2004 Kratos Defense & Security Solutions Inc aloitti merkittäviä yritysostoja eri markkinoilla. Nämä ostot antoivat yritykselle pääsyn kehittyneisiin teknologioihin ja johtivat nimen ja keskittymän siirtymiseen sotilaspuolustusteknologioihin.

Tänä päivänä Kratos tunnetaan johtavana sotilasdroonien ja -ohjelmistojen tarjoajana. Yrityksen osake, KTOS, on kasvanut tasaisesti vuoden aikana monien tekijöiden, kuten jatkuvan innovaation ja kasvavan kysynnän automaattisille ja AI-pohjaisille sotilasdronille, ansiosta.

Kratos Defense & Security Solutions Inc:n syvät yhteydet institutionaalisiin sijoittajiin, hallituksiin ja todistettu kokemus tekevät siitä ihanteellisen yrityksen integroimaan tämän tekniikan tulevina kuukausina.

AI-pohjaisten Jännitevastusten Tulevaisuus

AI-pohjaisten jänniteantureiden tutkimuksen takana olevat insinöörit uskovat, että paljon työtä on vielä tehtävänä, jotta teknologia saavuttaa täyden potentiaalinsa. Tällä hetkellä siivekkäiden dronejen sektori on vielä nuori markkina.

Kuitenkin siivekkään lennon edut, kuten vakaa leijuminen ja nopea suuntamuutos, luovat ainutlaatuisia mahdollisuuksia, ja voit odottaa kysynnän näille roboteille kasvavan. Tiimi aikoo jatkaa tutkimuksia monimutkaisemmissa tuuliolosuhteissa ja erilaisissa jänniteantureiden sijoittelukombinaatioissa optimoidakseen suunnittelua.

AI-pohjaiset Jännitevastukset – Tekemässä Siivet Älykkäiksi

Luotettavien ja edullisten AI-pohjaisten jännitevastusten käyttöönotto siivekkäissä roboteissa parantaa suorituskykyä kaikilla tasoilla. Tämä tutkimus vie teollisuuden askeleen lähemmäs luonnon jäljittelemistä ja avaa ikivanhojen lentoon liittyvien mysteerien salaisuuksia. Tulevina kuukausina tämä tutkimus voi johtaa monien uusien ja kykenevien räpyttelevien siipialusten luomiseen.

Lisätietoa muista hienoista robotiikkaprojekteista täällä.

Tutkimusviite:

^{1. Kubota, K., & Tanaka, H. (2024). Koneoppimiseen perustuva tuuliluokittelu siipien deformaatioiden perusteella biomimeettisissä räpyttelevissä roboteissa: Biomimeettiset joustavat rakenteet parantavat tuulen havaitsemista. Advanced Intelligent Systems, 6(11), 2400473. https://doi.org/10.1002/aisy.202400473}