导航:EXPO21XX>机器人21 xx>飞行机器人研究> Ecole Polytechnique Fédérale de Lausanne
Ecole Polytechnique Fédérale de Lausanne
视频
加载玩家…
  • 提供配置文件
  • 智能系统实验室
    智能系统实验室(LIS)由达里奥·弗洛里亚诺(Dario Floreano)教授领导，专注于受生物自组织原理启发的机器人系统和人工智能方法的开发。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

  • Bioinspired Microflyers建立

  • 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性。

    这个项目的目标是发展控制策略而且神经形态芯片为自治microflyers的能力在狭窄或杂乱的区域航行例如房屋或小型建筑环境以视觉为主要信息来源．

    在这样的环境中飞行意味着许多挑战，这是高空、基于gps的无人机(uav)所没有的。这些包括小尺寸而且速度慢的可操作性,重量轻为了保持空气,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仿生控制策略都是很有希望解决这一挑战的方法。

    该项目围绕三个紧密结合的研究方向展开:

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

    我们计划飞虫的灵感用于视觉芯片的设计和控制架构的选择。相反，对于微型飞行器的设计，我们打算在现有的微型直升机和微型飞机的基础上开发创新的解决方案和改进。

    我们的最终目标是通过在微型飞行器上测试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。

    一个10克重的微型飞行器，在7x6m的测试场上自动飞行

    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正方形房间(全息甲板)中演示一个10克的微型飞行器(MC2)的自动驾驶。在转向aVLSI传感器之前，这将首先通过传统的线性相机实现。

    • 艺术家对项目的看法

    • Microflyer

    • MC2是基于一个微celine，一个5克的客厅传单，由DIDEL生产，配备了一个4毫米齿轮减速电机(一)还有两个线圈内磁铁驱动器(b)控制舵和升降舵(b)．如果安装了自主导航所需的电子设备，总重量将达到10克。定制电子产品包括一个微控制器板(c)具有一个运行在32MHz的PIC18LF4620，一个蓝牙无线电模块(用于参数监控)和两个摄像头模块，其中包括一个CMOS线性摄像头(TSL3301)和一个MEMS速率陀螺(ADXRS150)。其中一个摄像头模块(d)它的速率陀螺测量偏航旋转，主要用于避障。第二摄像头模块(c)是向下的，纵向地看着地面，而它的速率陀螺测量旋转关于俯仰轴。每个相机有102个灰度像素横跨120°的视野。为了测量它的空速，MC2还配备了一个风速表(e)由一个自由螺旋桨和霍尔效应传感器组成。这个风速表被放置在一个不是由主螺旋桨吹的区域(一)。65mAh锂聚合物电池(f)确保大约10分钟的自主时间。

  • 模拟遗传编码(AGE)
    复杂模拟网络的进化综合与逆向工程

  • 模拟网络的综合和逆向工程被认为是知识密集型的活动，很少有系统的技术存在。鉴于模拟网络的重要性和普遍性，发展能够处理这两个问题的自动技术是有基础的兴趣。进化方法似乎是实现这一目标的最有希望的方法之一。

    模拟遗传编码(AGE)是模拟网络的一种新的表示和进化方法。模拟遗传编码的遗传表示是受生物遗传调控网络(GRNs)工作的启发。像基因调控网络一样，模拟基因编码使用一种隐式的方式来表示构成网络的设备之间的相互作用。这导致了一个紧凑的基因组和非常宽容的基因组重组，从而允许应用遗传操作，超越了遗传算法中通常使用的简单的突变和交叉操作。特别是，模拟遗传编码允许对基因组片段的复制、删除和转位操作符的应用，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。

    • 时代的基因组

    • AGE基因组由一个有限的遗传字母表中的一串或多串字符(称为染色体)组成。实验者定义一个设备集，该设备集指定了网络中可以出现的设备类型。例如，一个针对模拟电子电路合成的进化实验的设备集可以包含几种类型的晶体管，一个针对神经网络合成的进化实验的设备集可以包含几种类型的人工神经元模型。实验人员还规定了每种设备的终端数。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具有一个输出端子和一个输入端子。AGE基因组包含每个设备的一个基因，每个设备将出现在从基因组解码的网络中，如图所示

    • 破译AGE基因组

    • 模拟遗传编码通过一组特定的字符序列(我们称之为令牌)来指定基因组中与设备及其终端和参数相对应的区域。实验人员为设备集的每个元素定义一个特定的设备令牌。设备令牌标志着编码相应设备实例的基因组片段的开始。实验员还定义了一个终端标记，用于分隔与终端相关联的字符序列。基因之间的相互作用用设备相互作用图I表示，该图将与两个不同的设备终端相关联的字符序列转换为连接两个终端的链路的数值。最终的结果是一个从基因组解码的模拟网络，如动画所示

  • ECAgents:具身和通信代理

  • ECAgents是一个跨学科的欧洲研究项目。它的目标是提供一个更好的理解在具体和位置代理(真实和模拟机器人)集合中的通信作用。这个项目涉及不同领域的人，如计算机科学、机器人、生物、物理和数学。

    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，这需要在具体化的代理开始引导任何复杂的通信系统之前就位。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集任务的复杂性。

    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，代理应该寻找食物，但食物的位置以及食物的特征，如颜色，都是动态的。世界上一些潜在的食物来源是“好的”，但其他的是“坏的”。agent需要探索并向其他agent报告他们的发现，以使群体适应性最大化。
    • 遗传亲缘和选择水平。同质组比异质组表现更好吗?个人选择好还是团体选择好?我们能否从不同的实验中找到一个通用的原理，涉及不同的任务和环境动力学?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形态权重(预处理视觉，因为它的几个像素)?记忆(循环神经元)是强制性的吗?如果是，有多少个，和哪些联系?
    • 通信媒介结构。一种媒介就足够了吗(比如视觉)?是否有必要拥有不同属性的不同渠道(如声音和视觉)?本地通信是强制性的吗?

    我们的代理是S-bots，是Swarmbot项目的一部分。模拟的和真实的都使用了。

    进步

    我们正在探索和分析Enki中使用虚拟s-机器人的几种启动条件、神经结构和进化条件下的自引导通信。

    我们正在将一些实验移植到真正的s-bot机器人上。

    我们也在探索是什么机制为信号的进化提供了一条平滑的路径。

    为了进行我们的实验，我们开发了一个快速的基于物理的2D模拟器和一个进化框架。都是开源的。

    • s-bots

    • 这些s型机器人直径12厘米，高度15厘米，拥有2块Lilon电池，可以自主运行大约1小时。采用400mhz的自定义Xscale CPU板，64mb RAM和32mb闪存进行处理，以及12个分布式PIC微控制器进行低级处理。
    • 图1所示。左:在我们的实验中测试了四种条件。
    • 图1所示。右:在四种情况下，有沟通和没有沟通的平均绩效比较。
    • 图2所示。左:进化的食物信号传递策略。
    • 图2所示。右:进化出毒药信号策略

  • Swarm-bots项目

  • 这个项目的目标是研究一种新的硬件实现设计方法，用于测试和使用机器人系统的自组装、自组织和变形的能力，称为SWARM-BOTS。这种方法的理论根源在于最近的群体智能研究，即对社会性动物表现出的自组织和自组装能力的研究(见图1)。

    该项目的一个重要部分包括至少一个集群机器人的物理构造，即由若干(30-35)个更小的设备组成的自组装和自组织的机器人群体，称为s-机器人。每个s-bot都是能够执行自主导航、感知周围环境、抓取物体等基本任务的完全自主移动机器人。人们还认为，s-bot能够与其他对等单位进行通信，并在物理上严格或灵活地加入它们，从而形成蜂群机器人。蜂群机器人被认为能够在非常粗糙的地形上进行探索、导航和运输重物，特别是当一个s-机器人单独完成任务存在重大问题时。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3所示。可以看到，机动性是由轨道系统保证的。每个轨迹都由电机控制，机器人可以在环境中自由移动，就地旋转。

    这些轨迹使每个s-机器人即使在比较粗糙的地形上也能移动，更复杂的情况则由群-机器人配置来解决。

    所述具有履带的电机底座可通过机动轴相对于主体旋转。

    s -bot可以通过两种可能的物理连接方式相互连接:刚性连接和半柔性连接。

    两个机器人之间的刚性连接由安装在水平活动轴上的夹具实现。这个夹具有一个非常大的接收区域，可以安全地抓取任何角度和举起(如果需要)另一个s-bot。

    半柔性连接由位于主体上连接点的三个电机驱动的柔性臂实现。这三个自由度允许手臂横向和纵向移动，以及伸展和收缩它。

    通过使用刚性和柔性连接，s-bots可以形成一个群体——机器人拥有可以弯曲并形成3D形状的1D或2D结构。

    刚性连接和柔性连接在机器人的运行中具有互补作用。刚性连接主要用于形成刚性链，必须通过较大的间隙，如图5所示。

    柔性连接适用于每个机器人在结构内仍然具有自己的机动性的配置。蜂群机器人当然也可以有混合配置，包括刚性连接和柔性连接，如图4所示。

    这种类型的群体机器人的潜在应用是，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，使用一个或多个机器人。

    在软件方面，XScale处理器板运行的是熟悉/GNU/Linux和无线以太网。

    我们还将真实数据与模拟器同步，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

    • 这些s型机器人直径12厘米，高度15厘米，拥有2块Lilon电池，可以自主运行大约1小时。采用400mhz的自定义Xscale CPU板，64mb RAM和32mb闪存进行处理，以及12个分布式PIC微控制器进行低级处理。
    • 图1:S-bot原型。
    • 图左:刚性连接可以形成链条，通过非常大的障碍物和大的缝隙。
    • 图右:Swarm-bot机器人配置通过一个较大的空隙。

  • 的Eyebots
    “一群新的室内飞行机器人能够与一群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机器人，具有强大的传感和通信能力，可在人造环境中进行搜索、监测和寻路。眼睛机器人像蜜蜂一样以蜂群的形式运作，可以有效地探索已建造的环境，定位预定目标，并引导其他机器人或人类(图1)。

    眼睛机器人是Swarmanoid的一部分，这是一个欧洲研究项目，旨在开发一群不同种类的轮式、爬行和飞行机器人，可以执行通常分配给人形机器人的任务。在Swarmanoid中，Eyebots扮演着眼睛的角色，并通过更简单的感知能力引导其他机器人。

    眼睛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物质的踪迹。它们的可编程性，结合个体学习和群体智能，使它们能够快速适应几种可能对人类构成危险的情况。

    人眼机器人目前正在LIS, EPFL进行开发。一旦技术文件公开，我们将在本网站发布更多信息。
    • 图1左:眼机器人-在机场使用的眼机器人的艺术印象
    • 图1右图:眼机器人——城市房屋中使用的眼机器人的艺术印象

  • 自我部署Microglider
    开发一种混合机器人飞行器，能够在空中展开并执行目标导向滑翔

  • 滑翔飞行是强大的——克服障碍，从A地飞到B地。

    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型滑翔机，拥有从地面或墙壁展开的能力，然后打开它的翅膀，从几乎每一个位置在半空中恢复，并执行后续目标定向滑翔。

    如何有效地完成这项任务的一个潜在灵感来源是自然。在动物王国里，许多小动物都能通过跳跃、快速奔跑或从树上掉下来的方式飞到空中。一旦在空气中飞行，它们会被动或主动地恢复和稳定，并执行有目标的空中降落(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地改变速度和攻角来优化飞行轨迹，以增加滑翔比或就地降落。同样的原理也适用于小型空中机器人。

    在这种规模下实现高效展开的微型滑翔机的关键问题是(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(< 10000)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的适用性变得不可能;(iii)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上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，并在自然、崎岖的地形中行走。作为实现自部署微滑翔机的第二步，我们提出了一个新颖的5cm, 7g跳跃机器人的发展和表征。它可以跳过24倍于自身大小的障碍物，在每体重跳高和每体型跳高方面优于现有的跳跃机器人。它采用了弹性元件的四杆连杆腿系统，允许非常强大的跳跃和调整跳跃力，起飞角度和力剖面在加速阶段。

    • 1.5g SMA驱动的微滑翔机寻找光明

    • 作为探索滑翔作为微型机器人替代或补充运动原理的第一步，我们开发了一个1.5克的超轻微滑翔器。它配备了传感器和电子设备，以实现趋光性(飞向光)，这可以被视为最低水平的控制自主权。为了描述机器人的自主操作特性，我们设计了一个由发射装置和光源组成的实验装置，光源位于距离机器人1米的下方，与发射方向成不同的角度。统计分析了36次自主飞行的飞行效率和趋光性。

  • 身体传感
    一种用于监测睡眠和防止疲劳的自适应可穿戴设备

  • 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。

    睡眠和清醒时间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。

    由于与睡眠和醒来相关的身体信号因人而异，我们的设备结合了我们在自主机器人方面的研究成果中的学习技术。这允许设备根据用户的需要进行自调。

    睡眠/唤醒设备的输出将被纳入疲劳模型，该模型还考虑到其他身体信号，并能适应用户的风格和生理状况。

    睡眠/唤醒装置的一个版本将在“阳光动力”的框架内进行测试，飞行员必须在整个飞行过程中保持警惕，这可能需要5天零5夜。我们的设备可以用来预测飞行员的疲劳，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
    • 阳光动力号飞机在EPFL校园上空飞行(镜头蒙太奇)

  • 主动视觉项目

  • 主动视觉与特征选择的协同进化

    研究表明，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互动过程。相反，特征选择是对视觉场景中相关特征的敏感性的发展，系统对这些特征有选择地做出反应。每一个过程都被研究和采用在机器视觉。然而，主动视觉与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，具有原始视觉系统和视觉神经元与运动神经元之间的直接通路的行为机器在与环境自由互动时进化。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。我们发现，这些系统发展出了对许多定向的、视网膜主题的、视觉特征定向的边缘、角、高度和行为保留库的敏感性。这种敏感度被用来定位、携带和保持这些特征在视觉系统的特定区域，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感受野的个体发育。与之前的研究(感受野和行为的突触权重都是在相同的时间尺度上进行基因编码和进化的)相比，这里的感受野的突触权重是在个体的一生中发展的。在这些实验中，行为能力和感受野在两个不同的时间尺度上发展，分别是系统发育和个体发育。在基于物理仿真的基础上进行了进化实验，并在室外环境下对物理机器人进行了进化控制器测试。

    这种对自由运动的行为系统具有视觉可塑性的神经结构，也允许我们探索主动身体运动在视觉系统形成中的作用。更具体地说，我们研究机器人在主动和被动运动条件下的视觉感受野和行为的发展。研究表明，在主动条件下发展的机器人的感受野和行为明显不同于被动条件下发展的机器人。一组分析表明，在主动状态下形成的感知场的一致性对机器人的性能起着重要的作用。

    全向积极的愿景

    全向摄像机是一种相对较新的光学设备，具有360度的视场，已广泛应用于监视系统和机器人导航等许多实际应用中。然而，在大多数应用中，视觉系统对整个图像进行统一处理，在需要详细信息的情况下，计算成本较高。在其他情况下，焦点是由设计人员或用户为特定用途确定的。也就是说，系统不允许与环境自由交互，不允许有选择地选择视觉特征。

    相反，所有脊椎动物和几种昆虫——即使是那些视野非常大的动物——都有一双带有中央凹区域的可操纵的眼睛，这意味着它们被迫在任何给定的时间从巨大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:结合全向摄像头，方形人工视网膜可以立即获取任何方向上的任何视觉特征，这是传统的泛倾斜摄像头由于机械约束而无法实现的。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具有挑战性的。

    3D地标导航的主动视觉

    当地标关系需要主动扫描环境时，主动视觉可能有助于执行基于地标的导航。在这个项目中，我们通过进化神经系统来控制一个装有平移/倾斜摄像头的移动机器人的视觉和行为，使其能够区分视觉模式并到达目标区域，从而探索这一假设。本文采用的实验装置要求机器人主动移动注视方向，并随着时间的推移整合信息以完成任务。研究表明，进化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。从目前的研究结果中得出了一个关于昆虫基于路标导航的有趣假设。

  • SMAVNET项目
    用于通信中继的群集微型飞行器网络

  • 大图片

    “SMAVNET”项目旨在开发可部署在灾区的飞行机器人群，为救援人员快速建立通信网络。飞行机器人在这类应用中很有趣，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。

    为了使空中蜂拥而至成为现实，机器人和控制器需要尽可能简单。

    从硬件的角度来看，机器人被设计成坚固、安全、轻便和低成本的。此外，还开发了协议和人机群界面，使非专家能够轻松安全地操作大型机器人群。

    从软件的角度来看，控制器可以让飞行机器人一起工作。对于群集，机器人会对与邻近机器人或救援者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，而且相对较远。此外，这种策略减轻了对位置的需求，这是所有现有的空中蜂群算法所需要的，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、快速的空中蜂群实验原型设计的。

      它们重量很轻(420克，翼展80厘米)，由膨胀聚丙烯(EPP)制成，背面安装有电机，两个控制面作为升降副翼(合并副翼和升降舵)。机器人依靠LiPo电池运行，具有30分钟的自主能力。它们配备了自动驾驶仪，可以控制高度、空速和转弯速度。在自动驾驶仪中嵌入了一个微控制器，它运行一个极简控制策略，仅基于3个传感器的输入:一个陀螺仪和两个压力传感器。

      集群控制器在运行Linux操作系统的Toradex Colibri PXA270 CPU板上实现，并连接到现成的USB WiFi加密狗。这些控制器的输出，即期望的转弯速度、速度或高度，作为控制命令发送给自动驾驶仪。

      为了记录飞行轨迹，机器人进一步配备了u-blox LEA-5H GPS模块和ZigBee (XBee PRO)发射机。

    • 蜂群算法

    • 设计群体控制器是一个典型的挑战，因为机器人个体行为和整个群体的突发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意想不到的机器人控制器的潜力。好的进化控制器然后被逆向工程，以便捕获通过进化在手工设计的控制器中找到的简单和有效的解决方案，这些控制器易于理解和建模。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，还可以扩展它们以适应全新的应用程序。逆向工程控制器展示了多种行为，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，在自然界中寻找并维持通往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

    • 在本项目范围内，开发了10个飞行机器人进行实验所需的所有软件和硬件。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，必须将蜂群操作员的输入减少到最低限度。因此，必须最大限度地提高机器人的可靠性、安全性和自主性，使操作人员可以在没有安全飞行员的情况下轻松进行实验。在我们的设置中，机器人在被操作人员发射之前会自动校准并进行自检。机器人可以通过运行在一台计算机上的集群接口进行监控和控制。

      通过轻量化、低惯性平台设计和在软件中实现几个安全特性，操作安全的关键问题得到了解决。除此之外，我们还研究了利用局部通信链接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)提供地面碰撞和空中碰撞的风险分析，我们获得了在我们的测试地点进行超视距群操作的官方授权。

  • 仿生视觉飞行机器人
    将仿生方法应用于室内飞行机器人的自主视觉导航。

  • 机器人视觉打开了一个问题:如何有效地、实时地利用通过受体收集到的大量信息。主流的计算机视觉方法基于一系列的预处理，分割，对象提取，和模式识别每一个单独的图像是不可行的行为系统，必须在他们的环境中做出非常迅速的反应。行为自主和精力自主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，通过几个视觉-运动组件的协调，可以直接将简单的视觉特征与运动命令联系起来，从而产生基于视觉的健壮行为。生物灵感来自昆虫的视觉和进化算法进化高效的神经网络。由此产生的控制器选择、开发和利用视觉运动组件，这些组件根据特定环境、机器人形态和行为的相关信息量身定制。

    基于视觉导航的进化神经网络

    故事从一个不会飞的机器人开始。Floreano等人(2001)证明了进化的尖刺神经网络能够控制Khepera在墙壁上随机大小的黑白图案的竞技场中进行基于视觉的平滑漫游。最优秀的个体能够向前移动，非常可靠地避开墙壁。然而，这种地面机器人动力学的复杂性要比飞行设备简单得多，我们目前正在探索是否可以将这种方法扩展到飞行机器人。

    • 进化应用于物理飞行机器人: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，飞艇控制系统的开发(例如使用goevo)的主要问题是:(1)扩展到三维，(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，(4)更复杂的动力学。例如，Khepera在速度上被控制，飞艇在推力(速度导数)上被控制并且可以侧向滑动。此外，惯性和气动力发挥了主要作用。人工进化是自动开发复杂机器人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类干预的情况下长时间移动，并能承受冲击。
    • 这些要求促使我们开发了图中所示的飞艇2。所有机载电子元件都连接到一个微控制器，通过无线连接到桌面计算机。与台式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米的范围。能量由锂电池提供，在正常运行下持续超过3小时，在演化运行与goevo。目前，一个简单的线性摄像机安装在贡多拉的前面，指向前方。我们目前正在研究其他种类的微型摄像机。其他嵌入式传感器包括用于适应度评估的风速表、用于估计偏航转速的MEMS陀螺仪和用于测量高度的距离传感器。

    • 最终目标:基于自主视觉的室内飞机

    • 为了进一步证明这一概念，我们选择了室内慢速飞行者作为一个非常适合的试验台，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。我们的新型号F2(左图)具有以下特点:使用蓝牙进行双向数字通信，总重量30克，翼展80厘米，自主飞行20多分钟，最小飞行速度1.1米/秒，最小飞行空间约7 × 7米，2或3个线性相机，1个陀螺仪，1个2轴加速度计)。
      相对于飞艇，这种飞机稍微快一点，而且有两个多自由度(俯仰和滚转)。此外，它们不能在房间里进化。因此，我们目前正在研究一个机器人飞行模拟器(见下文)。物理和模拟的室内慢速飞行器都与goevo兼容。

      **最初的实验使用了光流法，没有进化方法，以一架30克重的飞机以大约2米/秒的速度飞行(模型F2，见左图)，证明了基于视觉的避障。实验环境是一个配备有纹理墙壁的16x16米的竞技场。
      飞机的行为灵感来自于苍蝇(参见Tammero和Dickinson，《实验生物学杂志》205,pp. 327-343, 2002)。这种超轻型飞机主要以直线运动飞行，同时利用陀螺仪信息来抵消小的扰动并保持其航向。每当正面光流扩张超过一个固定的阈值时，它就会进行扫视(快速转身动作)，这包含了一系列预定义的运动命令，以便快速避开障碍物(见下面的视频)。扫视的方向(左或右)选择这样的方向，以避开经历更高光流的一侧(对应较近的物体)。
      在机翼前缘安装了两个水平线性相机，以提供运行在嵌入式8位微控制器中的光流估计算法。因此，包括避障在内的航向控制是真正自主的，而操作人员只通过操纵杆和蓝牙通信链路控制飞机的高度(俯仰)。
      到目前为止，这个重达30克的机器人已经能够在没有任何干扰的情况下飞行4分钟以上。只有20%的时间用于扫视，这表明飞机总是沿着直线飞行，除了非常接近墙壁的时候。在这4分钟里，空中机器人进行了50次扫视，并直线移动了大约300米。

    • 机器人飞行模拟器

    • 一个基于Webots4的飞行模拟器帮助我们加速进化奔跑，并快速(快10倍)测试新想法。使用OpenGL和ODE (Open Dynamics Engine)， Webots4能够准确地模拟带有重力、惯性、冲击、摩擦等物理效果的3D运动。我们的飞艇动力学模型包括浮力、阻力、科里奥利和附加的质量效应(参考Webots官方发布的简化模型示例)。到目前为止，我们能够证明模拟的飞艇2b和它的物理对应物(见下面的电影)之间有很好的行为一致性，当与goevo进化。

      在我写这篇文章的时候，我们正在开发一种室内慢速飞行器的简单模型。我们的计划是让进化在模拟中发生，最好的进化控制器被用来形成一个小种群，在物理飞机上在人类的帮助下逐渐进化，以防即将发生的碰撞。然而，我们预计进化的神经控制器不会很好地传递，因为模拟飞行器和物理飞行器之间的差异可能相当大。这个问题可能会通过进化的hebbian样突触可塑性来解决，我们已经证明这种可塑性支持对变化的环境的快速自我适应(cf. Urzelai和Floreano, 2000)。