Flight control in dynamic environments
- Reference number
- FFL09-0056
- Start and end dates
- 110101-161231
- Amount granted
- 9 700 000 SEK
- Administrative organization
- Lund University
- Research area
- Life Sciences
Summary
Over the last decade, research has shown that solutions to the challenges of autonomous flight can be found by taking inspiration from biology. One major and, as yet, unsolved problem encountered by visually guided autonomous aircraft is mid-air collision avoidance. Despite their small brains and visual systems, flying insects readily avoid collisions with moving obstacles. However, little is known about the mechanisms that underlie this behaviour. The aim of this proposal is to draw inspiration from insects to develop computationally efficient visually guided collision avoidance strategies that can be implemented in autonomous aircraft. We will use bumblebees and wasps as model animals. By recording the flights at a high frame rate it is possible to detect any changes in orientation, flight speed and trajectory in response to changes in the available visual stimuli. Mathematical models will be developed from the different flight control mechanisms and then studied and tested in computer simulations. The mathematical models of flight control in insects will finally be scrutinized further, but now with the perspective of their implementation in light-weight autonomous aircraft. In short, this multi-disciplinary project exploits the interface between neurobiology, cognition and robotics with aim to understand the principles and limitations behind how animals and machines extract information from the visual world and use it for their flight control.
Popular science description
Lätta, flygande robotar, som själva kan navigera genom komplexa och växlande miljöer, kan få stor betydelse inom många områden. I städer skulle de kunna övervaka trafik, eller snabbt transportera blodprover mellan sjukhus och vårdcentraler. Polis och brandkår skulle kunna använda dem för att effektivt få en överblick vid olyckor. Under de senaste åren har det skett en snabb utveckling autonoma flygande robotar, och mycket av inspirationen har kommit från insekter, men flera problem återstår att lösa. En humla som flyger genom ett fält av vajande blommor måste ständigt byta kurs och ändra sin hastighet för att inte krocka med gungande blomstjälkar eller andra insekter. I all sin enkelhet löser den ett problem som hittills gäckat de ingenjörer och programmerare som utformar självständigt manövrerande flygande robotar; förmågan att undvika kollisioner med andra flygande föremål. Trots att insekter har små hjärnor och relativt enkla nervsystem kan de utföra spektakulära luftkonster, och enkelt och effektivt navigera genom ständigt växlande miljöer. Även om denna luftakrobatik länge har fascinerat forskare är det fortfarande okänt vilka metoder de använder för att lycka med detta konststycke. Vårt mål är att hämta inspiration från insekter för att utveckla effektiva strategier för att undvika kollisioner, baserade på visuell information. Genom att undersöka vilka metoder insekter använder för att förutsäga kommande hinder och aktivt manövrera undan, vill vi utveckla en matematisk modell som i sin tur kan appliceras på självständigt flygande robotar. Vi kommer att arbeta med humlor och getingar, att studera två olika arter ger oss en mer grundläggande och robust förståelse för hur insekter hanterar växlande miljöer. Insekterna tränas att flyga i en tunnel med rörliga hinder, och experimenten filmas med två höghastighetskameror. Detta ger en tredimensionell bild av insekternas flykt och en möjlighet att undersöka exakt när, var och hur de reagerar på hinder. Utifrån insekternas beteende kan vi utveckla matematiska modeller för datorsimulationer. I ett slutgiltigt steg kommer de matematiska modellerna att appliceras på självständigt manövrerande flygande robotar. Projektet kommer att bygga på ett nära samarbete mellan biologer, kognitionsvetare, matematiker och ingenjörer, med ett övergipande mål att förstå hur flygande djur och robotar kan utnyttja visuell information för att manövrera genom komplexa miljöer.