导航:EXPO21XX>机器人21 xx>移动机器人研究>巴黎综合理工学院Fédérale洛桑
洛桑综合理工学院Fédérale
视频
加载播放器…
  • 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，专注于受自组织生物学原理启发的机器人系统和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Microflyers

  • 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。

    这个项目的目标是开发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导航比如房子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在高空、基于gps的无人驾驶飞行器(uav)中没有的挑战。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仿生控制策略都是很有希望解决这一挑战的方法。

    该项目沿着三个紧密结合的研究方向进行阐述:

    室内微型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，还是控制架构的选择。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学模型，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克重的微型飞行器，在7x6m的测试场地中自主飞行

    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10克微型飞行器(MC2)的自动转向。在迁移到aVLSI传感器之前，这将首先用传统的线性摄像机实现。

    • 项目的艺术家视图

    • Microflyer

    • MC2基于DIDEL生产的microCeline，这是一个5克重的起居室传单，配备了一个4毫米的减速电机(一)还有两个线圈磁体驱动器(b)控制舵和升降舵(b)．当配备自动导航所需的电子设备时，总重量可达10克。定制的电子器件包括一个微控制器板(c)PIC18LF4620运行在32MHz，一个蓝牙无线电模块(用于参数监控)，两个摄像头模块，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)它的速率陀螺仪是用来测量偏航旋转的，主要用于避障。第二摄像模块(c)向下，纵向地看着地面，而它的速率陀螺仪测量围绕俯仰轴的旋转。每个相机都有102个灰度像素，覆盖120°的总视野。为了测量空速，MC2还配备了风速计(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的区域(一)。65mAh锂聚合物电池(f)确保大约10分钟的自主权。

  • 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活动，其中很少有系统的技术存在。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化技术已经引起了广泛的兴趣。进化方法似乎是最有希望实现这一目标的方法之一。

    模拟遗传编码(AGE)是一种表示和演化模拟网络的新方法。模拟遗传编码的遗传表示是受到生物遗传调节网络(GRNs)的启发。像遗传调控网络一样，模拟遗传编码使用了构成网络的设备之间相互作用的隐式表示。这导致了一个紧凑的基因组，非常耐受基因组重组，从而允许遗传算子的应用，超越了通常在遗传算法中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复制、删除和基因组片段转位的操作符，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综合和逆向工程中显示了最先进的性能。

    • AGE基因组

    • AGE基因组是由有限的遗传字母表中的一个或多个字符(称为染色体)组成的。实验者定义了一个设备集，它指定了可以出现在网络中的设备类型。例如，一个旨在合成模拟电子电路的进化实验的器件组可以包含几种类型的晶体管，一个旨在合成神经网络的进化实验的器件组可以包含几种类型的人工神经元模型。实验者还指定了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基因组包含每个设备的一个基因，这些设备将出现在从基因组解码的网络中，如图所示

    • 破解AGE基因组

    • 模拟遗传编码指定了基因组中与设备及其终端和参数相对应的区域，方法是我们称为标记的特定字符序列的集合。一个特定的设备令牌由实验人员为设备集的每个元素定义。设备令牌表示编码相应设备实例的基因组片段的开始。实验者还定义了一个终端令牌，它划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，它将与两个不同的设备终端相关联的对字符序列转换为表征连接两个终端的链接的数值。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:具体的和通信的代理

  • ECAgents是一个跨学科的欧洲研究项目。它的目标是提供一个更好的理解通信的作用在集合具体化和定位代理(真实和模拟机器人)。该项目涉及计算机科学、机器人、生物学、物理学和数学等不同领域的人员。

    我们对ECAgent项目的贡献

    我们的工作重点是通信的先决条件，在嵌入代理开始引导任何复杂的通信系统之前，这些先决条件都需要具备。这些先决条件取决于代理的复杂性、环境的复杂性和代理的集合任务的复杂性。

    我们使用人工进化来寻找通信和神经网络的出现作为潜在的代理控制机制。

    具体来说，我们正在探索以下先决条件:
    • 环境的动态。例如，智能体应该寻找食物，但食物的位置以及食物的特征(如颜色)是动态的。世界上一些潜在的食物来源是“好的”，但其他的是“坏的”。智能体需要探索并将其发现报告给其他智能体，以最大化群体适合度。
    • 遗传相关性和选择水平。同质的团队比异质的团队表现更好吗?个人选择好还是团体选择好?我们能从不同任务和环境动态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?是否需要平衡传感器模态权重(因为它有几个像素，所以需要预处理视觉)?记忆(最近的神经元)是强制性的吗?如果是，有多少，有哪些联系?
    • 通信媒介结构。一种媒介是否足够(如视觉)?是否有必要使用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，它是作为Swarmbot项目的一部分创建的。采用了模拟和真实两种方法。

    进步

    我们正在探索和分析在Enki中使用虚拟s-bots的几个起始条件、神经结构和进化条件下的通信引导。

    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的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物理的快速2D模拟器和进化框架。两者都是开源的。

    • s-bots

    • s型机器人直径12厘米，高15厘米，装有2节Lilon电池，可提供大约一小时的自主驾驶时间。400mhz自定义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:我们实验中测试的四个条件。
    • 图1所示。右:在四种情况下，有和没有沟通的平均表现的比较。
    • 图2所示。左:进化的食物信号策略。
    • 图2所示。右图:进化的毒素信号策略

  • Swarm-bots项目

  • 该项目的目标是研究一种新颖的硬件实现设计方法，用于测试和使用称为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，即社会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群集机器人的物理构造，即由许多(30-35个)小型设备(称为s-bots)组成的自组装和自组织机器人群体。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通信，并在物理上刚性或灵活地加入到它们，从而形成群集机器人。蜂群机器人应该能够在非常崎岖的地形上执行探索、导航和运输重物的任务，特别是当单个s-bot单独完成任务时存在重大问题时。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。从这里可以看到，机动性是由轨道系统保证的。每条轨道都由电机控制，使机器人可以在环境中自由移动，并在现场旋转。

    这些轨道允许每个s-bot即使在中等粗糙的地形上移动，更复杂的情况由群集机器人配置解决。

    带有履带的电机底座可以通过机动轴相对于主体旋转。

    S-bots可以通过两种可能的物理互连相互连接:刚性和半柔性。

    两个s型机器人之间的刚性连接由安装在水平主动轴上的夹持器实现。这个夹持器有一个非常大的接受区域，可以安全地抓住任何角度，并举起(如有必要)另一个s-bot。

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

    使用刚性和柔性连接，s-bots可以形成具有1D或2D结构的群集机器人，可以弯曲并获得3D形状。

    刚性连接和柔性连接在群机器人的功能中是互补的。刚性连接主要用于形成必须通过较大间隙的刚性链条，如图5所示。

    柔性连接适用于每个机器人仍然可以在结构内拥有自己的机动性的配置。群集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。

    这种类型的蜂群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。

    我们现在有了两个功能原型。我们正在研究一些行为，使用单个机器人，甚至使用多个机器人。

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

    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

    • s型机器人直径12厘米，高15厘米，装有2节Lilon电池，可提供大约一小时的自主驾驶时间。400mhz自定义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:刚性连接可以用来形成链条，通过非常大的障碍物和大的间隙。
    • 图右:通过大间隙的Swarm-bot机器人配置。

  • 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:

    Eyebots是一种自主飞行机器人，具有强大的传感和通信能力，可在建筑环境中进行搜索、监控和寻路。Eyebots以蜂群形式运行，就像蜜蜂一样，可以有效地探索建造的环境，定位预定义的目标，并指导其他机器人或人类(图1)。

    Eyebots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，这些机器人可以执行通常分配给人形机器人的任务。在Swarmanoid中，Eyebots扮演眼睛的角色，并以更简单的传感能力指导其他机器人。

    眼睛机器人还可以在建筑环境中自行部署，以定位可能需要帮助的人类、可疑物体或危险化学品的痕迹。它们的可编程性，加上个体学习和群体智能，使它们能够快速适应可能对人类构成危险的几种情况。

    眼睛机器人目前在LIS, EPFL正在开发中。一旦技术文件向公众公开，我们将在这个网站上发布更多信息。
    • 图1左:眼睛机器人-在机场使用的眼睛机器人的艺术印象
    • 图1右图:眼睛机器人——城市房屋中使用的眼睛机器人的艺术印象

  • 自部署微型滑翔机
    开发一种能够将自己部署到空中并执行目标定向滑翔的混合动力机器人车辆

  • 滑翔飞行很强大——可以克服障碍，从A地飞到B地。

    它是一种非常通用且易于使用的微型机器人运动方法。在这个项目中，我们的目标是开发一种手掌大小的微型滑翔机，它具有从地面或墙壁展开的能力，然后打开翅膀，从几乎所有的空中位置恢复，并执行后续的目标定向滑翔。

    如何有效地完成这一任务的潜在灵感来源是大自然。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，它们被动或主动地恢复和稳定，并执行目标定向的空中下降(例如滑翔青蛙，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来优化轨迹，以增加滑翔比或在某个点上着陆。同样的原理也适用于小型空中机器人。

    在实现这种规模的高效部署微型滑路机的道路上，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，使得传统和众所周知的大尺度空气动力学不可能适用，以及(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自动部署到空中的嵌入式机制。

    • 一个小型的7g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、粗糙的地形中行进。作为实现自部署微型滑翔机的第二步，我们介绍了一种新型5cm, 7g跳跃机器人的开发和特性。它可以跳过比自身尺寸高24倍以上的障碍物，并且在单位重量和单位尺寸的跳跃高度方面优于现有的跳跃机器人。它在四连杆腿系统中采用弹性元件，允许非常强大的跳跃和调整跳跃力，起飞角度和加速阶段的力剖面。

    • 一架1.5g SMA驱动的微滑翔机正在寻找光明

    • 作为探索滑翔作为微型机器人的替代或补充运动原理的第一步，我们开发了1.5g超轻重量微型滑翔机。它配备了传感器和电子设备，以实现趋光性(朝着光飞行)，这可以被视为最低限度的控制自主权。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位于下方1m和距离4m处的光源，与发射方向成不同的角度。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，我们首先开发了一种非侵入式的可穿戴设备，用于监测睡眠和清醒阶段。

    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，这些技术来自我们在自主机器人方面的工作。这使得设备能够根据用户进行自我调整。

    睡眠/唤醒设备的输出将被纳入一个疲劳模型，该模型还考虑了其他身体信号，并能适应用户的风格和生理特征。

    该睡眠/唤醒设备的一个版本将在“阳光动力”的框架内进行测试，飞行员在整个飞行过程中必须保持警惕，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，并计算出他的最佳休息时间，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(照片蒙太奇)

  • 主动视觉计划

  • 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共同进化可以大大降低产生给定视觉性能所需的计算复杂性。主动视觉是选择和分析视觉场景各部分的顺序和交互过程。相反，特征选择是对视觉场景中相关特征的敏感性的发展，系统有选择地做出反应。这些过程中的每一个都已被研究并应用于机器视觉。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，配备了原始视觉系统和视觉神经元和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得到了进化。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，这些系统对一些定向的、视网膜定向的、视觉特征定向的边、角、高度和行为剧目具有敏感性。这种灵敏度被用来定位、带来并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。

    主动视觉与感受区发展

    在这个项目中，我们更进一步，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，感受区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，感受区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两个不同的时间尺度上发展，分别是系统发生和个体发生。在基于物理的仿真中进行了进化实验，并在室外环境下对进化控制器进行了测试。

    这样一个具有视觉可塑性的神经结构，对于一个自由移动的行为系统，也使我们能够探索主动身体运动在视觉系统形成中的作用。更具体地说，我们研究了机器人在主动和被动运动条件下视觉感受野的发展和行为。我们发现在主动条件下开发的机器人的接受野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，在主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，可以提供360度的视野，它已经广泛应用于许多实际应用，包括监视系统和机器人导航。然而，在大多数应用中，视觉系统统一地处理整个图像，当需要详细的信息时，这将是昂贵的计算。在其他情况下，重点是由设计师或用户确定的特定用途。换句话说，不允许系统自由地与环境交互，选择性地选择视觉特征。

    相反，所有脊椎动物和一些昆虫——即使是那些视野非常大的昆虫——都有一个中央凹区域，这意味着它们必须在任何给定的时间从广阔的视野中选择必要的信息来生存。这种选择和分析视觉场景中与行为相关部分的顺序和互动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:与全向摄像头相结合，方形人工视网膜可以立即访问位于任何方向的任何视觉特征，这对于传统的泛倾斜摄像头来说是不可能的，因为机械限制。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。

    主动视觉三维地标导航

    主动视觉可能有助于执行基于地标的导航，其中地标关系需要主动扫描环境。在这个项目中，我们通过进化一个装有平移/倾斜摄像头的移动机器人的控制视觉和行为的神经系统来探索这一假设，这样它就可以区分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。我们表明，进化机器人可以以连续的方式检测单独的特征，并区分空间关系。从目前的结果中得出了一个关于昆虫基于地标导航的有趣假设。

  • SMAVNET项目
    用于通信中继的群集微型飞行器网络

  • 大图片

    SMAVNET项目旨在开发飞行机器人群，可以部署在灾区，为救援人员快速建立通信网络。飞行机器人对这种应用很感兴趣，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。

    为了使空中蜂群成为现实，机器人和控制器需要尽可能简单。

    从硬件的角度来看，机器人被设计得坚固、安全、轻便和低成本。此外，还开发了协议和human-swarm接口，以允许非专家轻松安全地操作大群机器人。

    从软件的角度来看，控制器可以让飞行的机器人一起工作。对于群集，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，而且距离相对较远。此外，这种策略减轻了所有现有空中蜂群算法所需的位置需求，通常需要使用依赖于环境的传感器(GPS，摄像机)或昂贵而笨重的传感器(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，翼展80厘米)，由膨胀聚丙烯(EPP)制成，后面装有电动机，两个控制面用作副翼(副翼和升降舵联合)。机器人使用LiPo电池，自主驾驶时间为30分钟。它们配备了自动驾驶仪，可以控制高度、空速和转弯速率。自动驾驶仪中嵌入了一个微控制器，该控制器基于仅3个传感器的输入运行极简控制策略:一个陀螺仪和两个压力传感器。

      Swarm控制器是在运行Linux的Toradex Colibri PXA270 CPU板上实现的，连接到一个现成的USB WiFi加密狗。这些控制器的输出，即期望的转弯速率、速度或高度，作为控制命令发送给自动驾驶仪。

      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，因为机器人个体行为和整个群体的紧急行为之间没有明显的关系。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未经思考的机器人控制器的潜力。然后对良好的进化控制器进行逆向工程，以便在手工设计的控制器中捕获通过进化发现的简单而有效的解决方案，这些解决方案易于理解并且可以建模。因此，所得到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，寻找和保持信息素路径，从而在自然界中找到食物来源。这类似于使用SMAVNET在救援人员之间部署和维护通信通道。

    • 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范围内开发的。据我们所知，这是迄今为止在户外飞行的机器人最多的地方。

      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)，必须将蜂群操作员的输入减少到最低限度。因此，机器人的可靠性、安全性和自主性必须被推到最大，这样操作员就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进行自检。机器人可以通过运行在一台计算机上的群集接口进行监控和控制。

      操作安全的关键问题已通过轻量化、低惯性平台设计和在软件中实现多种安全特性来解决。在其他方面，我们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，我们获得了在我们的测试场地进行超视距蜂群操作的官方授权。

  • 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。

  • 机器人视觉提出了如何有效和实时地利用通过受体收集的大量信息的问题。计算机视觉的主流方法是基于对每个图像进行一系列预处理、分割、对象提取和模式识别，对于必须在环境中快速响应的行为系统来说是不可行的。行为和能量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，从而产生健壮的基于视觉的行为。生物灵感来自昆虫的视觉和进化算法被用来进化有效的神经网络。由此产生的控制器选择、开发和利用视觉电机组件，这些组件是根据特定环境、机器人形态和行为相关的信息量身定制的。

    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)展示了进化的spike神经网络控制Khepera在一个墙壁上有随机大小的黑白图案的竞技场中平滑视觉漫游的能力。最优秀的人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。

    • 应用于物理飞行机器人的进化: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)向三维空间的扩展，(2)不可能通过电缆与计算机通信，(3)难以定义和测量性能，以及(4)更复杂的动力学。例如，Khepera是由速度控制的，而飞艇是由推力(速度导数)控制的，可以侧滑。此外，惯性和空气动力也起着重要作用。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为干预的情况下长时间运动，并且能够承受冲击。
    • 这些要求引导我们开发了图片中显示的飞艇2号。所有机载电子元件都连接到一个微控制器，并通过无线连接到一台台式电脑。与台式电脑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。在goevo的进化运行过程中，由锂- poly电池提供能量，在正常运行下可以持续超过3小时。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类型的微型相机。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器作为非常适合的试验台，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，超过20分钟的自主性，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，这种飞机稍微快一些，并且有2个自由度(俯仰和滚转)。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行兼容goevo。

      **使用光流而不使用进化方法的初步实验已经进行，以演示30克重的飞机以大约2米/秒的速度飞行时基于视觉的障碍物躲避(F2模型，见左图)。实验环境是一个16x16m的竞技场，配有纹理墙。
      飞机的行为受到苍蝇的启发(见Tammero和Dickinson，《实验生物学杂志》205，第327-343页，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抵消微小扰动并保持航向。每当正面光流扩张超过一个固定阈值时，它就会进行扫视(快速转弯动作)，这是由一系列预定义的运动命令组成的，目的是快速转向远离障碍物(见下面的视频)。扫视的方向(左或右)是这样选择的，以远离经历较高光流的一侧(对应于较近的物体)。
      两个水平线性摄像机安装在机翼前缘，为运行在嵌入式8位微控制器上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路控制飞机的高度(俯仰)。
      到目前为止，这个30克重的机器人已经能够在没有任何干扰的情况下无碰撞地飞行4分钟以上。只有20%的时间是扫视，这表明飞机总是在直线轨道飞行，除非非常接近墙壁。在这4分钟内，空中机器人进行了50次扫视，并直线运动了约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(快10倍)测试新想法。通过使用OpenGL和ODE (Open Dynamics Engine)， Webots4能够精确地模拟带有重力、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、科里奥利和附加质量效应(参考Webots官方发布的简化模型示例)。到目前为止，当用goevo进化时，我们能够证明模拟的飞艇2b和它的物理对手(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者的简单模型。我们的计划是在模拟中进行进化，并使用进化最好的控制器来形成一个小种群，在人类的协助下在物理飞机上逐步进化，以防即将发生碰撞。然而，我们预计进化的神经控制器不会传递得很好，因为模拟飞行者和物理飞行者之间的差异可能相当大。这个问题可能会通过进化hebbian-like突触可塑性来解决，我们已经证明，这种可塑性支持快速自我适应不断变化的环境(cf. Urzelai和Floreano, 2000)。