Nature Machine Intelligence 基于强化学习的扑翼无人机机翼应变飞行控制

尽管无人机科技飞速发展，在模仿生物飞行的动态控制机制和风力感应特性方面仍存在巨大挑战。研究证实昆虫翅膀上布满精密的机械式感受装置——钟形式机械式感受装置campaniform sensilla它们专门用于精确感知飞行中的敏感性与复杂气odynamic loading

近日，在Nature Machine Intelligence上发表的一篇论文中指出，在韩国亚洲大学（Ajou University）Taewi Kim、Insic Hong、Sunghoon Im、Je-sung Koh、Seungyong Han及Daeshik Kang等人的带领下（包括来自韩国即时通信Kakao公司的Seungeun Rho团队）的研究中发现：通过模拟这些生物系统而设计出的机器人实验能够证明机翼应变提供了无人机的姿态角参数、空气动力学参数以及风向和风速的关键数据

开发了一种适用于扑翼无人机的“感知飞行”控制技术方案。该技术通过施加于扑翼无人机机翼的气动力特征，计算并得出关键飞行参数例如姿态信息和空气动力学参数，并非依赖于加速度计或陀螺仪。

目前的工作涉及五个关键实验：用于提供状态信息的机翼应变传感器系统处于初始阶段测试阶段；针对风变化情况下的单自由度运动环境进行控制技术研究；针对姿态调节需求而设计的两自由度运动环境中的控制技术；以及在有风条件下进行的位置控制测试；此外，在无风环境下仅通过机翼应变传感器实现精确实现飞行轨迹操控的技术演示实验。

基于强化学习驱动的飞行控制系统中，在线实现了仅依赖机翼应变传感器控制扑翼无人机的技术，并验证了其在多种工作条件下的适用性。研究还探讨了该系统对阵风扰动和基于自主飞行机器人进行的风力辅助飞行等复杂环境下的适应能力，并表明这种适应能力将有助于提升多种应用场景的能力。

预计这种扑翼无人机控制技术的运用范围包括间谍机器人、勘探机器人以及救灾救援救援机器人等具备自主感知风向并精确定位目标区域的自动化设备。

基于飞行应变的飞行控制策略通过强化学习实现。

基于强化学习的扑翼无人机机翼应变飞行控制

图1: 基于感知飞行的飞行控制策略。

图2:从机翼应变数据中，提取气动特征。

图3: 通过感知风向和风速进行位置控制，风向和风速因位置而异。

图4 在两个自由度环境中的的强化学习reinforcement learning，RL。

图5: 具有感知飞行系统的扑翼无人机位置控制。