Les robots aériens bénéficieront des récepteurs de contrainte alimentés par l’IA

L’intelligence artificielle continue d’apporter des innovations dans les industries aéronautique et robotique. Les développements récents impliquant des récepteurs de contrainte intégrés alimentés par l’IA pourraient rendre possible la création d’options plus agiles et légères dans les années à venir. Voici tout ce que vous devez savoir.

Depuis la nuit des temps, l’homme s’est tourné vers la nature pour mieux comprendre le vol. Cependant, créer des robots qui battent des ailes pour voler s’est avéré beaucoup plus difficile que les engins à voilure traditionnelle. Malheureusement, ce scénario a laissé les robots aériens dépourvus de certaines capacités clés que leurs homologues naturels possèdent, comme la conversion rapide entre le vol stationnaire et le vol optimisé. Heureusement, ce scénario est peut-être sur le point de changer.

Robots aériens à ailes battantes

Aujourd’hui, les robots aériens sont répandus dans de nombreux secteurs, et leur influence, leurs capacités et leur disponibilité sont en hausse. Les gens pensent souvent uniquement aux engins propulsés par des hélices ou à voilure lorsqu’ils parlent de robotique aérienne. Cependant, il existe plusieurs autres options qui ne reçoivent pas toujours l’attention mais qui offrent des avantages uniques les faisant se démarquer.

Ailes battantes

Les ailes battantes offrent le meilleur des deux mondes. Elles permettent aux oiseaux d’obtenir rapidement une portance verticale et de se stabiliser pour planer sur de longues distances. Les insectes à ailes peuvent planer et changer de direction rapidement. Pensez à la façon dont un bourdon ou un colibri se déplace rapidement dans une zone, ou à la façon dont un papillon de nuit tourne autour d’une ampoule.

À ce jour, plusieurs avancées majeures ont été réalisées dans la conception de robots à ailes battantes. Cependant, les contrôleurs de vol nécessaires pour faire fonctionner ces engins de manière fiable dans des conditions changeantes, et non seulement en laboratoire, se sont avérés difficiles à créer. Néanmoins, ces conceptions continuent de captiver l’imagination des développeurs et des créateurs, le film Dune présentant récemment un ornithoptère qui utilise des ailes battantes ressemblant à celles d’une libellule.

Source – Fandom

Étude sur les récepteurs de contrainte alimentés par l’IA

Une étude récente, “Machine Learning-Based Wind Classification by Wing Deformation in Biomimetic Flapping Robots: Biomimetic Flexible Structures Improve Wind Sensing,“¹ s’inspire de la nature pour améliorer les capacités des robots à ailes battantes. Plus précisément, les chercheurs ont examiné plusieurs créatures afin de déterminer comment leurs sens leur permettent d’optimiser avec précision leurs schémas de vol.

Les récepteurs de contrainte alimentés par l’IA s’inspirent de la nature.

L’équipe a remarqué que tous les oiseaux et insectes à ailes battantes possèdent une sorte d’organe sensoriel situé dans leurs ailes. Ils ont supposé que cet organe accomplit différentes tâches selon les animaux, ce qui leur permet de corriger leurs caractéristiques de vol pour améliorer leurs performances. L’équipe a constaté que les sauterelles possèdent des récepteurs de contrainte dans les veines de leurs ailes, tandis que de nombreux oiseaux, comme les poules, ont des capteurs près de leurs follicules de plumes.

Avant cette étude, on comprenait peu quelles données ces capteurs fournissaient exactement à l’animal. Cependant, les chercheurs ont déduit que ces informations sensorielles permettaient aux animaux de détecter le vent, les mouvements du corps et les changements de conditions environnementales en temps réel. Souhaitant offrir aux robots les mêmes capacités, l’équipe s’est lancée dans la création d’un capteur de contrainte fiable alimenté par l’IA, capable d’imiter ses homologues naturels, permettant au robot de « ressentir » son environnement et de s’ajuster en conséquence.

Conception de l’aile

L’équipe s’est inspirée de l’un des volants les plus agiles de la nature, le colibri. Elle a entrepris de créer des ailes mimant le colibri, présentant une structure similaire à celle des os de l’oiseau. Les axes s’amincissent aux extrémités et servent de veines d’aile, ajoutant une couche supplémentaire de stabilité à la structure de l’aile.

Ces ailes flexibles ont été imprimées en 3D à l’aide d’une imprimante à dépôt de filament à double buse. Cette méthode a permis à l’équipe d’imprimer avec un polymère copolyester d’une épaisseur de 12,5 μm et du polyéthylène téréphtalate renforcé de fibres de carbone. Cette approche a fourni les caractéristiques d’une aile naturelle capable de fléchir et de se déplacer le long de sa trajectoire.

Mouvement libre

Plus précisément, l’aile pouvait se déployer librement jusqu’à un angle de ±23°. Elle se tordait également le long du bord d’attaque à chaque battement. Ce mouvement fournissait une puissance supplémentaire en maximisant la force de portance, similaire à celle des insectes. Les ingénieurs ont fixé l’amplitude du battement des ailes à 158°, et la fréquence de battement a été ajustée à ≈12 Hz pour les expériences.

Source – Advanced Intelligent Systems

Récepteurs de contrainte alimentés par l’IA

L’équipe a intégré des jauges de contrainte dans la structure de l’aile semblable à celle du colibri. Concrètement, sept récepteurs de contrainte à faible coût, disponibles dans le commerce, d’une largeur de base de 1,4 mm et d’une longueur de 4,2 mm, ont été collés à des emplacements spécifiques sur les ailes de test. Ces capteurs ont ensuite été utilisés pour mesurer la pression et la contrainte de l’aile selon sept directions de vent différentes. Les directions utilisées comprenaient 0°, 15°, 30°, 45°, 60°, 75° et 90°.

Moteur

Pour faire battre les ailes, un moteur à courant continu a été installé. Le moteur utilisait un mécanisme à bielle et manivelle (Scotch yoke) ainsi que des engrenages de réduction pour fournir des mouvements de battement réalistes. Le dispositif a été réglé à 12 cycles par seconde, et les fils de capteurs ont été acheminés à travers des connecteurs sur les ailes vers un registre de données. Notamment, les ingénieurs ont utilisé un dispositif TEXIO TECHNOLOGY avec une alimentation à tension constante afin d’assurer uniformité et mesurabilité.

Modèle de réseau de neurones convolutif pour les récepteurs de contrainte alimentés par l’IA

L’un des principaux composants de l’expérience était l’utilisation d’un réseau de neurones convolutif. Ce modèle a permis aux chercheurs d’enregistrer, de classer et d’entraîner un contrôleur de vol capable d’effectuer des ajustements en temps réel en utilisant les données recueillies par les capteurs de contrainte et comparées au modèle CNN.

Les données de détection de contrainte permettent à l’algorithme d’apprentissage automatique de classer avec précision les conditions de vent. Dans le cadre de l’entraînement, les données du capteur ont été utilisées pour émuler un vol stationnaire dans une soufflerie. Notamment, 720 ensembles de données de contrainte et de phase ont été obtenus pour chaque condition de vent. Ces données ont été décomposées en battements individuels de l’aile.

Test des récepteurs de contrainte alimentés par l’IA

L’équipe a commencé la phase de test en enregistrant les données des capteurs des ailes sans vent. L’absence de flux d’air a permis aux capteurs de se mettre à zéro et d’effectuer des comparaisons précises lorsque les conditions ont été augmentées. De plus, l’équipe a testé trois ailes différentes avec les mêmes données de jauge de contrainte et a comparé les résultats.

Un encodeur rotatif magnétique a été utilisé pour capturer l’état de l’aile avec précision sous différentes conditions. Le dispositif était placé directement au-dessus des ailes, offrant une résolution de 0,703° pendant la phase de battement. Curieusement, l’équipe a lancé le processus en réglant une rotation unique de l’encodeur sur un cycle de battement unique.

Soufflerie

La soufflerie était une partie cruciale de ces expériences. Elle a permis à l’équipe de simuler un vol stationnaire sous des conditions de vent allant de douces à sévères. Plus précisément, huit conditions de vent alternées ont été utilisées lors de la phase de test. Chaque condition a fait l’objet de 3 mesures prises pendant un seul cycle de battement.

Résultats du test des récepteurs de contrainte alimentés par l’IA

Les résultats de l’étude étaient impressionnants. L’équipe a pu déterminer les conditions de vent avec une précision de 99 %. De manière remarquable, la détermination n’a nécessité qu’un seul battement et, dans certains cas, aussi peu que 0,2 cycle de battement a fourni des résultats très précis. De plus, l’étude a constaté que les capteurs les plus proches des axes de l’aile donnaient les résultats les plus rapides.

Le temps de cycle est important

Le temps de cycle de chaque mesure a eu un impact majeur sur les résultats. L’équipe a remarqué qu’en dessous de 0,2 cycle, la fiabilité des données chutait fortement. En revanche, à 0,2, les capteurs atteignaient une précision de 85 %. Cette précision peut être améliorée ou réduite en fonction du nombre de capteurs présents dans l’aile.

Les structures d’axe d’aile biomimétiques améliorent les résultats des récepteurs de contrainte alimentés par l’IA

Les tests ont montré que la structure de l’axe de l’aile joue un rôle essentiel dans la récupération des données et la précision. Ainsi, les ailes structurées testées pouvaient déterminer les conditions de vent beaucoup plus rapidement qu’un sujet de test non structuré. Cette découverte a conduit les ingénieurs à conclure que l’amélioration de la structure de l’aile et du placement des capteurs pourrait offrir une précision encore plus grande à l’avenir.

Avantages des récepteurs de contrainte alimentés par l’IA

Cette étude apporte une longue liste d’avantages au marché. Tout d’abord, elle a fourni aux ingénieurs en robotique une capacité simple de détection de contrainte sur l’aile, reposant sur des composants commerciaux, prêts à l’emploi et abordables. Ces dispositifs à faible coût et à faible consommation d’énergie s’intègrent facilement aux robots volants sans nécessiter de modifications majeures.

Agilité

L’agilité que les bourdons atteignent est presque surnaturelle. Ces animaux à ailes peuvent s’arrêter rapidement, planer et changer de direction sans trop d’effort. Les scientifiques espèrent créer des drones avec les mêmes capacités, ouvrant un nouveau niveau d’intégration.

Adaptabilité

Personne ne peut prédire la direction du vent en permanence. Cependant, l’entrée sensorielle des ailes testées peut reconnaître directement les conditions de flux sans l’aide d’appareils supplémentaires. Ces données peuvent être utilisées pour améliorer la conscience environnementale, offrant un meilleur contrôle et un encodage rapide des informations en fonction des conditions environnementales.

Approche simpliste

Un autre avantage majeur des ailes battantes par rapport aux autres technologies de vol stationnaire est la simplicité. Les hovercrafts nécessitent beaucoup de flux d’air et ne peuvent atteindre qu’une certaine hauteur. À l’inverse, les hélicoptères sont extrêmement complexes, nécessitant des milliers de pièces mobiles à calibrer parfaitement pour atteindre un état de stationnaire. Cette dernière étude pourrait rendre possible l’impression 3D d’ailes de véhicules capables de planer de manière stable et de changer rapidement de direction sans une multitude de pièces mobiles et complexes.

Cas d’utilisation des récepteurs de contrainte alimentés par l’IA

Il existe plusieurs cas d’utilisation pour les robots à ailes battantes. Ces dispositifs pourraient aider à atteindre des zones difficiles d’accès ou à assurer un balayage fluide des catastrophes naturelles ou des zones de guerre. Les petits robots aériens souffrent actuellement de limitations sévères en poids et en taille. L’utilisation d’ailes battantes pourrait augmenter leur charge utile en réduisant le poids nécessaire aux appareils de vol.

Chercheurs des récepteurs de contrainte alimentés par l’IA

Cette étude a été menée par des chercheurs de l’Institute of Science Tokyo. Le rapport a été dirigé par le professeur associé Hiroto Tanaka et incluait le travail de Hiroto Tanaka. De plus, Tomoya Fujii a contribué à la conception de l’aile. Notamment, les chercheurs ont reçu le soutien du JSPS KAKENHI Grant-in-Aid for Scientific Research on Innovative Areas « Science of Soft Robots » sous le numéro de subvention JP18H05468.

Entreprises qui pourraient bénéficier des récepteurs de contrainte alimentés par l’IA

La capacité de déterminer avec précision et rapidité les conditions de vent est une option que de nombreuses entreprises pourraient exploiter pour améliorer leurs offres. L’utilisation de ces capteurs sur des robots à ailes battantes ouvre la porte aux fabricants de drones pour développer cette technologie afin de créer des options plus agiles et uniques. Voici une entreprise qui pourra accomplir cette tâche dans les mois à venir.

Kratos Defense & Security Solutions Inc

Kratos Defense & Security Solutions Inc (KTOS ) est entrée sur le marché en 1994 en tant que fournisseur d’infrastructures de télécommunications avant de réorienter sa mission et ses objectifs vers la fabrication de drones. L’entreprise est basée à San Diego, CA.

En 2004, Kratos Defense & Security Solutions Inc. a commencé à réaliser des acquisitions de haut niveau sur le marché. Ces acquisitions ont donné à l’entreprise l’accès à des technologies avancées et ont conduit la société à changer de nom et à réorienter son focus vers les technologies de défense militaire.

Aujourd’hui, Kratos est reconnu comme un fournisseur de premier plan de drones militaires et de logiciels. L’action de l’entreprise, KTOS, a connu une croissance régulière au cours de l’année grâce à divers facteurs, notamment l’innovation continue de ses offres parallèlement à la demande croissante pour les drones de guerre automatisés et alimentés par l’IA.

Les liens étroits de Kratos Defense & Security Solutions Inc. avec les investisseurs institutionnels, les gouvernements et son historique de succès en font l’entreprise idéale pour intégrer cette technologie dans les mois à venir.

Avenir des récepteurs de contrainte alimentés par l’IA

Les ingénieurs à l’origine de l’étude sur les capteurs de contrainte alimentés par l’IA estiment qu’il reste beaucoup à faire pour que cette technologie atteigne son plein potentiel. Actuellement, le secteur des drones à ailes est encore un marché naissant.

Cependant, les avantages du vol à ailes, tels que le stationnaire stable et les changements rapides de direction, créent des opportunités uniques, et l’on peut s’attendre à une demande croissante pour ces robots. Ainsi, l’équipe prévoit de mener d’autres études sur des conditions de vent plus complexes et sur des combinaisons de différents emplacements de capteurs de contrainte afin d’optimiser leur conception.

Récepteurs de contrainte alimentés par l’IA – Rendre les ailes intelligentes

L’introduction de récepteurs de contrainte fiables et abordables, alimentés par l’IA, dans les robots à ailes devrait améliorer les performances globales. Cette étude rapproche l’industrie d’un pas de plus vers l’imitation de la nature et le déverrouillage de mystères séculaires entourant le vol. Dans les mois à venir, cette étude pourrait conduire à la création de nombreux nouveaux engins à ailes battantes performants.

Découvrez d’autres projets robotiques intéressants ici.

Référence de l’étude :

^{1. Kubota, K., & Tanaka, H. (2024). Machine learning-based wind classification by wing deformation in biomimetic flapping robots: Biomimetic flexible structures improve wind sensing. Advanced Intelligent Systems, 6(11), 2400473. https://doi.org/10.1002/aisy.202400473}