导航:EXPO21XX>自动化21 xx>H05:大学和机器人研究>洛桑理工学院Fédérale
洛桑综合理工学院Fédérale
视频
载入播放器…
  • 提供配置文件
  • 智能系统实验室
    智能系统实验室(LIS)由Dario Floreano教授指导,专注于机器人系统和受自组织生物学原理启发的人工智能方法的发展。目前,我们致力于三个相互关联的研究领域:

    飞行机器人

    人工进化

    社会制度
产品组合
  • 移动机器人研究项目

  • 基于生物灵感的视觉微传单

  • 从生物系统中获得灵感,增强机器人在受限环境中飞行的导航自主权。

    这个项目的目标是发展控制策略而且神经形态芯片自治microflyers的能力在狭窄或杂乱的区域航行比如房子或小型建筑环境用视觉作为信息的主要来源

    在这样的环境中飞行意味着在高海拔、基于gps的无人机(uav)中不存在的许多挑战。这些包括小尺寸而且速度慢的可操作性,重量轻为了保持在空中飞行,低能耗电子产品,智能传感与控制.我们相信神经形态视觉芯片和生物控制策略都是很有希望解决这一挑战的方法。

    该项目有三个紧密结合的研究方向:

    室内微飞行器的机电一体化(Adam Klaptocz, EPFL);
    神经形态视觉芯片(Rico Möckel, INI);
    受昆虫启发的飞行控制策略(Antoine Beyeler, EPFL)。

    我们计划飞虫的灵感无论是视觉芯片的设计还是控制体系结构的选择。相反,对于微型飞行器的设计,我们打算开发创新的解决方案,并对现有的微型直升机和微型飞机进行改进。

    我们的最终目标是通过测试微型飞行器的理论和神经生理模型,更好地理解在受限环境中飞行所需的最小机制和策略集。

    一个10克的微型飞行器,在7x6m的测试场地自主飞行

    这个正在进行的实验的目的是在一个墙壁上有不同纹理的方形房间(全息甲板)中演示一个10克微飞飞行器(MC2)的自主转向。在迁移到aVLSI传感器之前,这将首先通过传统的线性相机实现。

    • 项目的艺术家视图

    • Microflyer

    • MC2是基于microCeline,一个由DIDEL生产的配有4毫米减速电机的5克客厅飞行器(一)和两个线圈磁体执行器(b)控制舵和电梯(b).当安装自动导航所需的电子设备时,总重量可达10克。定制的电子产品包括一个微控制器板(c)有一个运行在32MHz的PIC18LF4620,一个蓝牙无线电模块(用于参数监测),和两个相机模块,其中包括一个CMOS线性相机(TSL3301)和一个MEMS速率陀螺(ADXRS150)。其中一个摄像头模块(d)用它的速率陀螺测量偏航旋转,并将主要用于避障。第二摄像模块(c)方向向下,纵向地看着地面,而它的速率陀螺测量旋转的俯仰轴。每台相机都有102个灰度像素,跨越120°的总视场。为了测量它的空速,MC2还配备了风速表(e)由一个自由螺旋桨和一个霍尔效应传感器组成。这个风速计被放置在一个不被主螺旋桨吹到的区域(一)。65mAh锂聚合物电池(f)确保大约10分钟的自主性。
  • 模拟遗传编码(AGE)
    复杂模拟网络的进化综合与逆向工程

  • 模拟网络的合成和逆向工程被认为是知识密集型的活动,系统的技术很少存在。鉴于模拟网络的重要性和广泛性,开发能够处理这两个问题的自动技术是有必要的。进化方法似乎是实现这一目标最有希望的方法之一。

    模拟遗传编码(AGE)是模拟网络表示和进化的一种新方法。模拟遗传编码的遗传表示是受到生物遗传调节网络(GRNs)工作的启发。像基因调节网络一样,模拟遗传编码使用了组成网络的设备之间交互的隐式表示。这导致了一个紧凑的基因组,对基因组重组非常宽容,因此允许遗传算子的应用,超越了遗传算法中通常使用的简单的突变和交叉算子。特别是,模拟遗传编码允许应用基因组片段的复制、删除和转位操作符,这被认为是生物有机体进化和复杂化的基础。由此产生的进化系统在模拟网络的进化合成和逆向工程中显示了最先进的性能。
    • AGE基因组

    • AGE基因组由一个或多个字符串(称为染色体)组成,这些字符串来自有限的遗传字母表。实验者定义一个设备集,它指定了可以出现在网络中的设备的种类。例如,旨在合成模拟电子电路的进化实验的装置集可以包含几种类型的晶体管,而旨在合成神经网络的进化实验的装置集可以包含几种类型的人工神经元模型。实验者还指定每种设备的终端数量。例如,双极晶体管有三个端子,电容器有两个端子,人工神经元可以指定为有一个输出端和一个输入端。AGE基因组包含每个将出现在从基因组解码的网络中的设备的一个基因,如图所示
    • 解码AGE基因组

    • 模拟遗传编码通过我们称为标记的一组特定的字符序列,指定与设备及其终端和参数对应的基因组区域。实验人员为设备集的每个元素定义一个特定的设备令牌。设备令牌标志着对相应设备的实例进行编码的基因组片段的开始。实验者还定义了一个终端标记,它限定了与终端相关联的字符序列。基因之间的相互作用用设备交互映射I表示,它将与两个不同设备终端相关的字符序列对转换为表征连接两个终端的链接的数值。最终的结果是从基因组中解码出来的模拟网络,如动画所示
  • ECAgents:嵌入的和通信的代理

  • ECAgents是一个跨学科的欧洲研究项目。它的目标是更好地理解通信在嵌入和定位代理(真实和模拟机器人)集合中的作用。这个项目涉及不同领域的人,如计算机科学、机器人、生物学、物理学和数学。

    我们对ECAgent项目的贡献

    我们的工作集中在通信的先决条件上,在嵌入的代理开始引导任何复杂的通信系统之前,这些条件都需要具备。这些先决条件取决于代理的复杂性、环境的复杂性以及代理设置的任务的复杂性。

    我们使用人工进化来寻找通信和神经网络作为潜在的代理控制机制的出现。

    具体来说,我们正在探索以下先决条件:
    • 环境的动态。例如,一个代理人应该寻找食物,但食物的放置和食物的特征,如颜色,是动态的。世界上一些潜在的食物来源是“好的”,但另一些是“坏的”。代理需要进行探索,并向其他代理报告他们的发现,以最大化群体的适合度。
    • 基因亲缘性和选择水平。同质群体是否比异质群体表现得更好?是个人选择好,还是团体选择好?我们能从涉及不同任务和环境动力学的不同实验中找到一个普遍的原理吗?这项工作是与EvoAnts项目合作完成的。
    • 神经网络架构。没有隐藏层我们能走到哪一步?是否有必要平衡传感器模态权重(预处理视觉,因为它有几个像素)?记忆(复发神经元)是必需的吗?如果有,有多少,有哪些联系?
    • 通信媒介结构。一种媒介(如视觉)是否足够?是否有必要拥有不同属性的不同渠道(如声音和视觉)?本地通讯是必须的吗?

    我们的代理是s -bot,它们是“蜂群机器人”项目的一部分。模拟和真实都有使用。

    进步

    我们正在探索和分析使用Enki中的虚拟s-bots在几种起始条件、神经架构和进化条件下的自引导通信。

    我们正在把一些实验移植到真正的s-bot机器人上。

    我们也在探索为信号进化提供平稳路径的机制。

    为了进行我们的实验,我们开发了一个基于2D物理的快速模拟器和一个进化框架。两者都是开源的。
    • s-bots

    • s-bot的直径为12厘米,高度为15厘米,装有2节Lilon电池,可自主运行约一小时。400 MHz定制Xscale CPU板,64 MB RAM和32 MB闪存用于处理,以及12个分布式PIC微控制器用于低级处理。
    • 图1所示。左图:我们实验中测试的四个条件。
    • 图1所示。右图:四种情况下交流与不交流的平均绩效比较。
    • 图2所示。左:进化的食物信号策略。
    • 图2所示。右图:进化出的毒素信号策略
  • Swarm-bots项目

  • 本项目的目标是研究一种新的硬件实现设计方法,用于测试和使用被称为SWARM-BOTS的机器人系统的自组装、自组织和变形能力。这种方法的理论根源在于最近的群体智能研究,即群居动物所表现出的自我组织和自我组装能力的研究(见图1)。

    该项目的一个重要部分包括至少一个群集机器人的物理构造,也就是说,一个由许多(30-35)个称为s-bots的小型设备组成的自我组装和自我组织的机器人群体。每个s-bot都是完全自主的移动机器人,能够执行基本任务,如自主导航、感知周围环境和抓取物体。s-bot还被认为能够与其他对等单元进行通信,并在物理上严格或灵活地与它们连接,从而形成一个群集机器人。群集机器人应该能够在非常崎岖的地形上进行探索、导航和运输重物,特别是当单个s-bot独自完成任务时存在重大问题。该硬件结构与基于蚁群行为的分布式自适应控制体系结构相结合。

    s-bot如图2和图3所示。可以看到,机动性是由轨道系统保证的。每条轨迹由电机控制,使机器人可以在环境中自由移动,并在现场旋转。

    这些轨迹允许每个s-bot甚至在中等粗糙的地形上移动,而更复杂的情况则由群集机器人配置来处理。

    带有轨道的电机底座可以通过电机化轴相对于主体旋转。

    s -bot可以通过两种可能的物理互连来相互连接:刚性和半柔性。

    两个s机器人之间的刚性连接是由安装在水平活动轴上的夹持器实现的。这个夹持器有一个非常大的接受区域,可以在任何角度安全地抓取和提升(如果需要)另一个s-bot。

    半柔性连接是由位于主体上连接点的三个电机驱动的柔性臂实现的。这三个自由度使手臂可以纵向和纵向移动,也可以伸展和缩回。

    通过使用刚性和柔性连接,s-bot可以形成具有一维或二维结构的群机器人,它们可以弯曲并获得3D形状。

    刚性连接和柔性连接在群集机器人的功能中起着互补的作用。刚性连接主要用于形成必须通过大间隙的刚性链,如图5所示。

    灵活的连接适用于每个机器人仍然可以在结构内部有自己的移动能力的配置。当然,群集机器人也可以具有混合配置,包括刚性连接和柔性连接,如图4所示。

    这种类型的群机器人的潜在应用,例如,半自动空间探索,搜索救援或水下探索。

    我们现在有两个功能原型。我们正在研究一些行为,使用一个机器人,甚至不止一个机器人。

    在软件方面,XScale处理器板运行的是带无线以太网的Familiar/GNU/Linux。

    我们还将真实的数据与模拟器同步,这样模拟的行为就可以很容易地移植到真实的机器人上。
    • Swarm-bots

    • s-bot的直径为12厘米,高度为15厘米,装有2节Lilon电池,可自主运行约一小时。400 MHz定制Xscale CPU板,64 MB RAM和32 MB闪存用于处理,以及12个分布式PIC微控制器用于低级处理。
    • 图1:S-bot原型。
    • 图左:刚性连接可以形成链条,通过非常大的障碍和大的间隙。
    • 图右:通过大间隙时的Swarm-bot机器人配置。
  • 的Eyebots
    “一群新的室内飞行机器人能够与成群的脚机器人和手机器人协同工作。”

  • 作品简介:

    眼机器人是一种自主飞行的机器人,具有强大的传感和通信能力,可在人工环境中进行搜索、监控和寻路。眼机器人以蜂群的形式运行,就像蜜蜂一样,有效地探索构建的环境,定位预定义的目标,并引导其他机器人或人类(图1)。

    眼机器人是Swarmanoid的一部分,Swarmanoid是欧洲的一个研究项目,旨在开发一个由轮式、攀爬和飞行机器人组成的异类机器人群,可以执行通常分配给类人机器人的任务。在Swarmanoid中,eye机器人扮演眼睛的角色,并引导其他具有更简单感知能力的机器人。

    人工眼机器人还可以在人造环境中自行部署,以定位可能需要帮助的人类、可疑物体或危险化学品的踪迹。它们的可编程性,结合个体学习和群体智能,使它们能够迅速适应几种可能对人类构成危险的情况。

    眼睛机器人目前正在LIS, EPFL的开发中。一旦技术文件可公开披露,我们将在本网站发布更多信息。
    • 图1左:眼机器人——机场使用的眼机器人的艺术印象
    • 图1右:眼机器人——城市房屋中使用的眼机器人的艺术印象
  • 自动展开微滑翔机
    研制一种混合动力机器人飞行器,能够将自己部署到空中并进行目标定向滑翔

  • 滑翔飞行是强大的——克服障碍,从A点飞到B点。

    它可以作为一种非常通用和易于使用的运动方法应用于微型机器人。在这个项目中,我们的目标是开发一个手掌大小的微滑翔机,它拥有从地面或墙壁展开的能力,然后打开它的翅膀,从几乎所有的位置在半空中恢复,并执行后续的目标定向滑翔。

    如何有效地完成这项任务,灵感的潜在来源是大自然。在动物王国里,许多小动物能够通过跳跃、快速奔跑或从树上掉下来飞到空中。一旦在空中飞行,它们会被动或主动地恢复和稳定下来,并进行定向空中下降(例如滑翔蛙、飞行壁虎、滑翔蜥蜴、蝗虫、蟋蟀、飞行松鼠、滑翔鱼、滑翔蚂蚁等)。这些动物不使用稳态滑翔,而是在飞行过程中动态改变速度和迎角,以优化轨迹,以增加滑翔比或降落在一个点上。同样的原理也适用于小型空中机器人。

    在实现这种规模的有效部署微滑翔机的道路上,关键问题是(i)被动稳定性、机动性和最大滑翔比之间的权衡,(ii)低雷诺数(< 10,000)导致边界层效应的影响增加,使传统的和众所周知的大规模空气动力学不可能适用(iii)在恢复和飞行期间的非定常动力学控制。

    正在进行的工作涉及这些方面。下一阶段将考虑从地面或墙壁自动部署到空中的嵌入式机制。
    • 一个7克的微型跳跃机器人

    • 对于小型机器人来说,跳跃是一种非常有效的运动方式,可以克服巨大的障碍,在自然、粗糙的地形中行走。作为实现自展开微滑翔机的第二步,我们介绍了一种新型5cm, 7g跳跃机器人的开发和特性。它可以跳过比自身高24倍的障碍物,在每重量和每尺寸的跳跃高度方面都超过现有的跳跃机器人。它在四杆连杆腿系统中采用弹性元件,以允许非常强大的跳跃和跳跃力的调整,起飞角度和加速阶段的力剖面。
    • 一个1.5g SMA驱动的微滑翔机正在寻找光明

    • 作为探索滑翔作为一种替代或补充的微型机器人运动原理的第一步,我们开发了1.5g超轻重量微滑翔机。它配备了传感器和电子设备,以实现趋光性(朝着光线飞行),这可以被视为最低水平的控制自治。为了表征该机器人的自主操作,我们开发了一个实验装置,包括一个发射装置和一个光源,光源位于下方1米和距离4米处,与发射方向成不同角度。对36次自主飞行的统计分析表明了其飞行和趋光效率。
  • 身体传感
    一种用于监测睡眠和预防疲劳的适应性可穿戴设备

  • 疲劳是当今世界压力和事故的主要来源,但没有客观的方法来监测和防止疲劳的积累。

    睡眠和清醒期是调节疲劳发作的主要因素,但不是唯一的因素。在这个项目中,我们首先开发一种非侵入性的、可穿戴设备,用于监测睡眠和觉醒阶段。

    由于与睡眠和觉醒相关的身体信号因人而异,我们的设备结合了学习技术,这些技术来自于我们在自主机器人方面的工作。这使得设备可以根据用户自行调整。

    然后,睡眠/唤醒设备的输出将被纳入疲劳模型,该模型还考虑了其他身体信号,可以适应用户的风格和生理特征。

    睡眠/唤醒设备的一个版本将在太阳能动力的框架下进行测试,飞行员必须在整个飞行过程中保持警惕,这可能需要五天五夜。我们的设备可以用来预测飞行员的疲劳程度,并计算他的最佳休息时间,总是考虑到任务状态。
    • 飞行员唐娜-身体感应,艺术印象
    • 太阳动力飞机在伦敦理工学院校园上空飞行(照片)
  • 主动视觉项目

  • 主动视觉与特征选择的协同进化

    我们表明,主动视觉和特征选择的协同进化可以大大降低产生给定视觉性能所需的计算复杂度。主动视觉是对视觉场景中各个部分进行选择和分析的顺序的、交互式的过程。相反,特征选择是发展对视觉场景中相关特征的敏感性,系统对这些特征有选择性地做出反应。这些过程中的每一个都在机器视觉中被研究和采用。然而,主动视觉和特征选择的结合在很大程度上仍未被探索。

    在我们的实验中,装有原始视觉系统和视觉神经元和运动神经元之间直接通路的行为机器在与环境自由互动的同时进化。我们描述了该方法在三组实验中的应用,即形状识别、汽车驾驶和机器人导航。我们表明,这些系统发展了对许多定向的、视网膜定向的、视觉特征定向的边缘、角落、高度和一个行为库的敏感性。这种敏感度被用来定位、带来并保持视觉系统特定区域的这些特征,类似于在简单昆虫中观察到的策略。

    积极的视觉和接受区发展

    在这个项目中,我们进一步研究了具有主动视觉的进化移动机器人的感受野的个体发生发展。在之前的研究中,感受野和行为的突触权重都是基因编码并在同一时间尺度上进化的,而在这里,感受野的突触权重是在个体的一生中发展起来的。在这些实验中,行为能力和感受野分别在系统发育和个体发育两个不同的时间尺度上发展。在基于物理的仿真中进行了进化实验,并在室外环境中对进化控制器进行了测试。

    这种对自由移动的行为系统具有视觉可塑性的神经体系结构,也使我们能够探索积极的身体运动在视觉系统形成中的作用。更具体地说,我们研究了机器人在主动和被动运动条件下的视觉感受域和行为的发展。研究表明,在主动条件下开发的机器人的接受域和行为与被动条件下开发的机器人有显著差异。一系列分析表明,机器人在活动状态下形成的感受野的相干性对机器人的性能起着重要作用。

    全向主动视觉

    全向相机是一种相对较新的光学设备,它可以提供360度的视场,在监视系统和机器人导航等许多实际应用中得到了广泛应用。然而,在大多数应用中,视觉系统统一地处理整个图像,当需要详细信息时,这将是计算开销很大的。在其他情况下,重点是由设计师或用户确定的特定用途。也就是说,不允许系统与环境自由交互,也不允许系统选择性地选择视觉特征。

    相反,所有的脊椎动物和一些昆虫——甚至那些视野非常大的昆虫——都有一个中央凹区域,这意味着它们不得不在任何给定的时间从广阔的视野中选择必要的信息以生存。这种选择和分析视觉场景中与行为相关的部分的顺序和交互过程被称为主动视觉。

    在这个项目中,我们探索了全向主动视觉:一个正方形的人工视网膜与一个全向相机相结合,可以立即访问位于任何方向的任何视觉特征,这是传统的泛倾斜相机由于机械限制而无法实现的。对于人工视网膜来说,在如此广阔的视野中选择与行为相关的特征是一项挑战。

    三维地标导航的主动视觉

    主动视觉在执行基于地标的导航时可能很有用,因为地标关系需要对环境进行主动扫描。在本项目中,我们通过进化控制移动机器人的视觉和行为的神经系统来探索这一假设,该移动机器人配备了平移/倾斜相机,以便它能够辨别视觉模式并到达目标区域。本文采用的实验设置要求机器人主动移动其注视方向,并随着时间的推移整合信息,以完成任务。我们证明了进化后的机器人能够以连续的方式检测独立的特征并区分空间关系。一个关于昆虫基于路标导航的有趣假设来自于目前的结果。
  • SMAVNET项目
    用于通信中继的微型飞行器群集网络

  • 大图片

    SMAVNET项目旨在开发成群的飞行机器人,可以部署在灾区,为救援人员快速建立通信网络。飞行机器人在这方面的应用非常有趣,因为它们速度快,可以轻松克服困难的地形,并受益于视距通信。

    为了使空中群集成为现实,机器人和控制器需要尽可能的简单。

    从硬件的角度来看,机器人被设计成健壮、安全、轻便和低成本的。此外,开发了协议和人群接口,以允许非专家轻松和安全地操作大群机器人。

    从软件的角度来看,控制器允许飞行机器人协同工作。对于蜂群,机器人对与邻近机器人或救援人员的无线通信做出反应(基于通信的行为)。使用通信作为传感器是很有趣的,因为大多数飞行机器人通常都配备了现成的无线电模块,这些模块成本低、重量轻、相对远程。此外,该策略减轻了现有所有空中蜂群算法对位置的需求,通常需要使用依赖于环境的传感器(GPS、相机)或昂贵和沉重的传感器(激光、雷达)。
    • 机器人

    • 飞行机器人是专门为安全、廉价和快速的空中蜂群实验原型设计的。

      它们重量很轻(420克,80厘米翼展),由膨胀聚丙烯(EPP)制成,电机安装在后面,两个控制面作为副翼和升降舵的组合。该机器人使用LiPo电池运行,自主时间为30分钟。它们配备了自动驾驶仪,可以控制高度、空速和转弯速度。自动驾驶仪中嵌入了一个微控制器,该控制器基于仅3个传感器的输入执行极简控制策略:一个陀螺仪和两个压力传感器。

      群控制器在运行Linux的Toradex Colibri PXA270 CPU板上实现,连接到一个现成的USB WiFi适配器。这些控制器的输出,即期望的转弯速率、速度或高度,作为控制命令发送到自动驾驶仪。

      为了记录飞行轨迹,机器人还配备了u-blox LEA-5H GPS模块和ZigBee (XBee PRO)发射机。
    • 蜂群算法

    • 设计群体控制器通常具有挑战性,因为个体机器人的行为和整个群体的紧急行为之间不存在明显的关系。因此,我们从生物学中寻找灵感。

      在第一种方法中,人工进化被用于自动发现简单和从未想过的机器人控制器的潜力。然后,对优秀的进化控制器进行逆向工程,以便在手工设计的控制器中获取简单而有效的解决方案,这些控制器易于理解并可建模。因此,由此产生的控制器可以以可预测的方式适应各种场景。此外,它们还可以进行扩展,以适应全新的应用程序。逆向工程控制器表现出各种行为,如探索、同步、区域覆盖和通信中继。

      在第二种方法中,灵感来自于蚂蚁,它们可以优化部署,寻找和维持通往自然界食物来源的信息素路径。这类似于部署和维护使用SMAVNET的救援人员之间的通信路径。
    • 群设置

    • 用10个飞行机器人进行实验所需的所有软件和硬件都是在这个项目的范围内开发的。据我们所知,这个装置是迄今为止户外飞行机器人最多的装置。

      为了快速部署大型蜂群,在机器人校准、测试和飞行的所有阶段(发射、蜂群、着陆)中,来自蜂群操作员的输入必须减少到最小。因此,必须将机器人的可靠性、安全性和自主性发挥到极致,使操作者可以在没有安全飞行员的情况下轻松地进行实验。在我们的设置中,机器人在操作员启动前会自动校准并执行自检。通过运行在一台计算机上的群集接口,可以对机器人进行监控和控制。

      操作安全的关键问题已经通过轻量级、低惯性平台设计和在软件中实现几个安全特性来解决。此外,我们还研究了使用本地通信链路和机器人之间的飞行高度协商来避免空中碰撞。通过向瑞士联邦民用航空办公室(FOCA)提供地面撞击和空中碰撞的风险分析,我们获得了在我们测试场地进行超视距群操作的官方授权。
  • 仿生视觉飞行机器人
    将生物启发方法应用于室内飞行机器人的自主视觉导航。

  • 机器人视觉提出了一个问题,即如何有效、实时地利用通过感受器收集的大量信息。计算机视觉的主流方法基于对每一张图像的一系列预处理、分割、对象提取和模式识别,对于必须在其环境中快速响应的行为系统来说是不可行的。行为和精力自主权将受益于适应简单环境特征的轻型视觉系统。

    在这个项目中,我们探索了一种方法,使健壮的基于视觉的行为从几个视觉马达组件的协调中产生,这些组件可以直接将简单的视觉特征与马达指令联系起来。生物灵感来自昆虫的视觉,进化算法用于进化高效的神经网络。由此产生的控制器选择、开发和利用视觉马达组件,这些组件是根据特定环境、机器人形态和行为的相关信息量身定制的。

    基于视觉导航的进化神经网络

    故事要从一个不会飞的机器人说起。Floreano等人(2001)展示了一种进化的尖刺神经网络能够控制Khepera在一个墙壁上有随机大小的黑白图案的竞技场中平滑的基于视觉的漫游。最优秀的个体能够非常可靠地向前移动并避开墙壁。然而,这种地面机器人的动力学复杂性比飞行设备要简单得多,我们目前正在探索这种方法是否可以扩展到飞行机器人。
    • 物理飞行机器人的进化应用:飞艇

    • 不断发展的空中机器人带来了一系列新的挑战。与轮式机器人相比,为飞艇开发(演变,例如使用goevo)控制系统的主要问题是:(1)向三维空间的扩展,(2)不可能通过电缆与计算机通信,(3)定义和测量性能的困难,以及(4)更复杂的动力学。例如,Khepera是控制速度的,飞艇是控制推力的(速度导数),可以侧滑。此外,惯性和空气动力起着主要作用。人工进化是为复杂机器人自动开发控制系统的一种很有前途的方法,但它要求机器能够在没有人为干预的情况下长时间移动,并承受冲击。
    • 这些要求促使我们开发了图中所示的飞艇2号。所有机载电子元件都连接到一个微控制器,通过无线连接到台式电脑。与桌面计算机的双向数字通信由蓝牙无线电模块处理,允许超过15米的距离。能量由锂- poly电池提供,在goevo进化运行过程中,在正常操作下可以持续超过3小时。目前,一个简单的线性相机被安装在贡多拉前面,指向前方。我们目前正在研究其他种类的微型照相机。其他嵌入式传感器包括用于适应度评估的风速计、用于偏航旋转速度估计的MEMS陀螺和用于高度测量的距离传感器。
    • 最终目标:基于视觉的自主室内飞机

    • 为了进一步演示这一概念,我们选择了室内慢飞器作为一个非常合适的试验台,因为需要非常快的反应,低功耗,和非常轻的设备。室内飞行的可能性通过避免风的影响和对天气的依赖简化了实验,并允许根据需要修改视觉环境。我们的新机型F2(图左)具有以下特点:使用蓝牙的双向数字通信,总重量30克,翼展80厘米,超过20分钟的自主驾驶,1.1米/秒的最低飞行速度,最小飞行空间约7x7米,2或3个线性摄像头,1个陀螺,1个2轴加速度计)。
      与飞艇相比,这种飞机稍微快一些,有两个多的自由度(俯仰和滚动)。此外,它们不能在一个房间里进化。因此,我们目前正在研究一个机器人飞行模拟器(见下文)。无论是物理和模拟室内慢飞与goevo兼容。

      **使用光流而不采用进化方法的初步实验已经完成,以一架30克的飞机以2米/秒的速度飞行(模型F2,见左图),演示了基于视觉的障碍物回避。实验环境是一个16x16米的竞技场,配有纹理墙。
      飞机的行为灵感来自苍蝇的行为(见Tammero和Dickinson,《实验生物学杂志》205,第327-343页,2002)。超轻型飞机主要以直线运动飞行,同时利用陀螺仪信息抵消小扰动并保持航向。每当正面光流扩展超过一个固定的阈值时,它就会进行扫视(快速转向动作),这包括一系列预先定义的电机命令,以便快速从障碍物上转开(见下面的视频)。扫视的方向(左或右)被选为远离经历较高光流的一侧(对应于较近的物体)。
      在机翼前缘安装了两个水平线性摄像机,为在嵌入式8位微控制器中运行的光流估计算法提供数据。因此,包括避障在内的航向控制是真正自主的,而操作员仅通过操纵杆和蓝牙通信链接控制飞机的高度(俯仰)。
      到目前为止,这个重30克的机器人已经能够在没有碰撞的情况下飞行4分钟以上,头部没有任何干扰。只有20%的时间是扫视,这表明飞机总是沿着直线轨迹飞行,除非非常靠近墙壁。在这4分钟内,空中机器人进行了50次扫视,直线运动了约300米。
    • 机器人飞行模拟器

    • 基于Webots4的飞行模拟器帮助我们加速进化运行,并快速(最快10倍)测试新想法。通过使用OpenGL和ODE (Open Dynamics Engine), Webots4能够精确模拟带有重力、惯性、冲击、摩擦等物理效应的3D运动。我们的飞艇动力学模型包括浮力、阻力、科氏力和附加的质量效应(参考Webots官方发布的该模型简化示例)。到目前为止,当使用goevo进化时,我们能够证明模拟飞艇2b和它的物理对应物(见下面的电影)之间非常好的行为对应关系。

      在写这篇文章的时候,我们正在开发一个室内慢飞飞行器的简单模型。我们的计划是在模拟过程中进行进化,并使用进化最好的控制器来形成一个小种群,在人类的帮助下在物理飞机上逐步进化,以防即将发生的碰撞。然而,我们预计进化的神经控制器将不会很好地转移,因为模拟飞行员和物理飞行员之间的差异可能是相当大的。这个问题可能会通过进化hebbian-like突触的可塑性来解决,我们已经证明这种可塑性支持快速自我适应变化的环境(cf. Urzelai和Floreano, 2000)。