Luftburna robotar kan dra nytta av AI-drivna töjningsreceptorer

Artificiell intelligens fortsätter att leverera innovationer inom flyg- och robotikindustrin.  Nyliga utvecklingar som involverar integrerade AI-drivna töjningsreceptorer kan göra det möjligt att skapa mer smidiga och lätta alternativ under de kommande åren. Här är allt du behöver veta.

Sedan tidernas begynnelse har människan tittat mot naturen för att få en bättre förståelse för flygning. Att skapa robotar som fladdrar med vingarna för att flyga har dock visat sig vara mycket mer utmanande än traditionella vingfarkoster. Tyvärr har detta gjort att luftburna robotar saknar vissa nyckelförmågor som deras naturliga motsvarigheter har, såsom att snabbt växla mellan svävning och optimerad flygning. Lyckligtvis kan detta scenario vara på väg att förändras.

Fladdrande vingrobotar

Idag är luftburna robotar vanliga inom flera sektorer, och deras påverkan, kapacitet och tillgänglighet ökar. När man diskuterar luftrobotik tänker folk ofta bara på propellerdrivna och vingfarkoster. Det finns dock flera andra alternativ som kanske inte får lika mycket uppmärksamhet men som definitivt har unika fördelar som får dem att sticka ut.

Fladdrande vingar

Fladdrande vingar ger det bästa av två världar. De gör det möjligt för fåglar att snabbt få vertikal lyftkraft och stabilisera för att glida långa sträckor. Vinginsekter kan sväva och snabbt ändra riktning. Tänk på hur ett humle eller en kolibri susar runt ett område, eller hur en mal cirklar kring en glödlampa.

Hittills har det skett betydande framsteg inom design av fladdrande vingrobotar. Men de flygkontroller som behövs för att få dessa farkoster att fungera pålitligt under föränderliga förhållanden, snarare än i ett laboratorium, har visat sig svåra att skapa. Trots detta fångar dessa designer fortfarande utvecklare och skapare, och filmen Dune visade nyligen en Ornithopter som förlitar sig på fladdrande vingar som liknar en trollslända.

Källa – Fandom

Studie om AI-drivna töjningsreceptorer

En nylig studie, “Maskininlärningsbaserad vindklassificering genom vingdeformation i biomimetiska fladdrande robotar: Biomimetiska flexibla strukturer förbättrar vindavkänning”¹ bygger på naturlig inspiration för att förbättra kapaciteten hos fladdrande vingrobotar. Specifikt undersökte forskarna flera varelser för att fastställa hur deras sinnen gör det möjligt att exakt optimera deras flygmönster.

AI-drivna töjningsreceptorer tar naturlig inspiration.

Teamet märkte att alla fladdrande fåglar och insekter har någon form av sensororgan i sina vingar. De antog att detta organ utför olika uppgifter i olika djur, vilket gör att de kan korrigera sina flygegenskaper för att förbättra sina resultat. Teamet observerade att gräshoppor hade töjningsreceptorer i vingarnas vener, medan många fåglar, som höns, har sensorer nära sina fjäderfolliklar.

Före denna studie fanns det liten kunskap om exakt vilka data dessa sensorer gav djuret. Forskarna drog slutsatsen att sensorinformationen gjorde det möjligt för djuren att i realtid upptäcka vind, kroppsrörelser och förändrade miljöförhållanden. För att ge robotar samma förmåga satte teamet igång med att skapa en pålitlig AI-driven töjningssensor som kan efterlikna sina naturliga motsvarigheter, så att roboten kan “känna” sin omgivning och förhållanden och justera sig därefter.

Vingsdesign

Teamet hämtade inspiration från en av naturens mest smidiga flygare, kolibrin. De satte igång med att skapa kolibri‑liknande vingar som har en liknande struktur som fågelns ben. Axlarna smalnar av i ändarna och fungerar som vingvener, vilket ger en extra stabilitetsnivå till vingens struktur.

Dessa flexibla vingar 3D‑skrivits med en dubbla munstycken-fused deposition modeling‑3D‑skrivare. Detta tillvägagångssätt gjorde det möjligt för teamet att skriva ut med ett 12,5 μm tjockt kopolyesterpolymer och kolfiberförstärkt polyetentereftalat. Detta gav egenskaperna hos en naturlig vinge som kan böjas och röra sig längs sin bana.

Fri rörelse

Specifikt kunde vingarna fritt fjädras upp till en vinkel på ±23°. Vingen skulle också vridas längs den främre kanten under varje slag. Denna rörelse gav extra kraft genom att maximera lyftkraften, likt insekter. Ingenjörerna satte vingarnas fladdrande amplitud till 158° och fladdringsfrekvensen justerades till ≈12 Hz för experimenten.

Källa – Advanced Intelligent Systems

AI-drivna töjningsreceptorer

Teamet integrerade töjningsmätare i den kolibri‑liknande vingstrukturen. Specifikt limmades sju kommersiellt tillgängliga lågkostnadstöjningsreceptorer med basbredd och -längd på 1,4 respektive 4,2 mm på specifika platser på testvingarna. Dessa sensorer användes sedan för att mäta vingens tryck och töjning i sju olika vindriktningar. De använda riktningarna var 0°, 15°, 30°, 45°, 60°, 75° och 90°.

Motor

För att få vingarna att fladdra fästes en DC‑motor. Motorn använde en Scotch‑yoke‑mekanism och reduktionsväxlar för att ge realistiska fladdrande rörelser. Enheten ställdes in på 12 cykler per sekund, och sensorledningar leddes genom anslutningar på vingarna till ett dataregister. Noterbart är att ingenjörerna använde en TEXIO TECHNOLOGY‑enhet med en konstant spänningskälla för att säkerställa enhetlighet och mätbarhet.

AI-drivna töjningsreceptorer konvolutionella neurala nätverksmodell

En av huvudkomponenterna i experimentet var användningen av ett konvolutionellt neuralt nätverk. Denna modell gjorde det möjligt för forskarna att registrera, klassificera och träna en flygkontroller som kunde göra justeringar i realtid med hjälp av data från töjningssensorerna och jämföra dem med CNN‑modellen.

Töjningsdata låter maskininlärningsalgoritmen klassificera vindförhållanden exakt. Som en del av träningen erhölls sensorens data för att efterlikna svävande flygning i en vindtunnel. Noterbart är att 720 töjnings‑ och fas‑datamängder erhölls för varje vindförhållande. Dessa data delades upp i enskilda vingslag.

AI-drivna töjningsreceptorer test

Teamet påbörjade testfasen genom att registrera sensorinformationen från vingarna utan vind. Avsaknaden av luftflöde gjorde att sensorerna kunde nollställas och möjliggjorde exakta jämförelser när förhållandena förbättrades. Dessutom testade teamet tre olika vingar med samma töjningsmätardata och jämförde resultaten.

En magnetisk roterande kodare användes för att exakt fånga vingens tillstånd under olika förhållanden. Enheten placerades direkt ovanpå vingarna, vilket gav en upplösning på 0,703° under fladdringsfasen. Intressant nog initierade teamet processen genom att ställa in en enda rotation av kodaren till en enda fladdringscykel.

Vindtunnel

Vindtunneln var en avgörande del av dessa experiment. Den gjorde det möjligt för teamet att simulera svävande flygning under både milda och hårda vindförhållanden. Specifikt användes åtta växlande vindförhållanden under testfasen. Varje förhållande hade tre mätningar under en enda fladdringscykel.

Resultat från AI-drivna töjningsreceptorer test

Resultaten från studien var imponerande. Teamet kunde bestämma vindförhållandena med 99 % noggrannhet. Anmärkningsvärt nog tog bestämningen bara ett enda vingslag och i vissa fall gav redan 0,2 fladdringscykel mycket exakta resultat. Dessutom fann studien att sensorerna närmast vingaxlarna gav de snabbaste resultaten.

Cykeltid är viktig

Cykeltiden för varje mätning gjorde en stor skillnad i resultaten. Teamet märkte att under 0,2 cykler föll datatillförlitligheten kraftigt. Vid 0,2 cykler nådde sensorerna en noggrannhet på 85 %. Denna noggrannhet kan förbättras eller minskas beroende på antalet sensorer i vingarna.

Biomimetiska vingaxelstrukturer förbättrar AI-drivna töjningsreceptorers resultat

Testerna visade att vingaxelstrukturen spelar en avgörande roll för datainsamling och noggrannhet. Därför kunde de strukturerade vingarna som testades bestämma vindförhållanden mycket snabbare än ett icke‑strukturerat testobjekt. Denna upptäckt ledde ingenjörerna till slutsatsen att förbättrad vingstruktur och sensorplacering kan ge ännu högre noggrannhet i framtiden.

Fördelar med AI-drivna töjningsreceptorer

Det finns en lång lista med fördelar som denna studie ger till marknaden. För det första gav den robotingenjörer en enkel möjlighet att mäta vingens töjning med komponenter som är kommersiellt tillgängliga, färdiga och prisvärda. Dessa låga kostnads‑ och lågströmsenheter kan enkelt integreras i flygande robotar utan att behöva göra några större förändringar.

Smidighet

Den smidighet som humlor uppnår är nästan overklig. Dessa vingdjur kan snabbt stanna, sväva och ändra riktning utan mycket ansträngning. Forskare hoppas kunna skapa drönare med samma förmågor, vilket möjliggör en ny nivå av integration.

Anpassningsförmåga

Ingen kan säga åt dig i vilken riktning vinden alltid blåser. Men den sensoriska informationen från de testade vingarna kan direkt känna igen flödesförhållanden utan hjälp av ytterligare enheter. Dessa data kan användas för att förbättra miljömedvetenheten, ge bättre kontroll och snabb informationskodning baserat på miljöförhållanden.

Enkel metod

En annan stor fördel med fladdrande vingar jämfört med andra svävande teknologier är enkelheten. Hovercrafts kräver mycket luftflöde och kan bara nå en viss höjd. Omvänt är helikoptrar extremt komplexa och kräver tusentals rörliga delar som måste kalibreras perfekt för att uppnå ett svävande tillstånd. Denna senaste studie kan göra det möjligt att 3D‑skriva fordonvingar som kan sväva stabilt och snabbt ändra riktning utan mängder av rörliga och invecklade delar.

Användningsområden för AI-drivna töjningsreceptorer

Det finns flera användningsområden för fladdrande vingrobotar. Dessa enheter kan hjälpa till att nå svåråtkomliga platser eller möjliggöra smidig skanning av naturkatastrofer eller krigszoner. Små luftburna robotar lider för närvarande av stora begränsningar i vikt och storlek. Användning av fladdrande vingar kan förbättra deras nyttolast genom att minska vikten som krävs för flygapparaten.

Forskare bakom AI-drivna töjningsreceptorer

Denna studie presenterades av forskare vid Institute of Science Tokyo. Rapporten leddes av docent Hiroto Tanaka och inkluderade arbete från Hiroto Tanaka. Dessutom hjälpte Tomoya Fujii till med vingdesignen. Noterbart är att forskarna fick stöd från JSPS KAKENHI Grant-in-Aid för vetenskaplig forskning inom innovativa områden ”Science of Soft Robots” under bidragsnummer JP18H05468.

Företag som kan dra nytta av AI-drivna töjningsreceptorer

Förmågan att exakt och snabbt bestämma vindförhållanden är en möjlighet som många företag kan använda för att förbättra sina erbjudanden. Användningen av dessa sensorer på fladdrande vingrobotar öppnar dörren för drönartillverkare att utveckla denna teknik för att skapa mer smidiga och unika alternativ. Här är ett företag som kan genomföra uppgiften inom de kommande månaderna.

Kratos Defense & Security Solutions Inc

Kratos Defense & Security Solutions Inc (KTOS ) gick ursprungligen in på marknaden 1994 som leverantör av telekommunikationsinfrastruktur innan de bytte sin mission och sina mål till drönartillverkning. Företaget är baserat i San Diego, Kalifornien.

År 2004 började Kratos Defense & Security Solutions Inc. göra högprofilerade förvärv på marknaden. Dessa förvärv gav företaget tillgång till avancerad teknik och ledde till att företaget bytte namn och övergripande fokus till militära försvarsteknologier.

Idag är Kratos erkänt som en ledande leverantör av militära drönare och mjukvara. Företagets aktie, KTOS, har sett en stadig tillväxt under året på grund av en rad faktorer, inklusive företagets kontinuerliga innovation av sina erbjudanden samt den växande efterfrågan på automatiserade och AI-drivna krigsdroner.

Kratos Defense & Security Solutions Inc:s djupa kopplingar till institutionella investerare, regeringar och deras beprövade meritlista gör dem till det perfekta företaget för att integrera denna teknik under de kommande månaderna.

Framtiden för AI-drivna töjningsreceptorer

Ingenjörerna bakom studien om AI-drivna töjningssensorer tror att det finns mycket mer arbete kvar för att säkerställa att tekniken når sin topp. För närvarande är sektorn för vingdrönare fortfarande en ung marknad.

Men eftersom fördelarna med vingflygning, såsom stabil svävning och snabba riktningsändringar, skapar unika möjligheter, kan du förvänta dig en ökad efterfrågan på dessa robotar. Därför planerar teamet att genomföra ytterligare studier på mer komplexa vindförhållanden och kombinationer av olika töjningssensorplaceringar för att optimera deras design.

AI-drivna töjningsreceptorer – Gör vingar smarta

Införandet av pålitliga och prisvärda AI-drivna töjningsreceptorer i vingrobotar kommer säkert att förbättra prestandan över hela linjen. Denna studie tar industrin ett steg närmare att efterlikna naturen och låsa upp urgamla mysterier kring flygning. Under de kommande månaderna kan denna studie leda till skapandet av många nya och kapabla fladdrande vingfarkoster.

Läs om andra spännande robotikprojekt här.

Studierreferens:

^{1. Kubota, K., & Tanaka, H. (2024). Maskininlärningsbaserad vindklassificering genom vingdeformation i biomimetiska fladdrande robotar: Biomimetiska flexibla strukturer förbättrar vindavkänning. Advanced Intelligent Systems, 6(11), 2400473. https://doi.org/10.1002/aisy.202400473}