Dynamiczne omijanie przeszkód przez bezpilotowe statki powietrzne z wykorzystaniem sterowania opartego na logice rozmytej i sieci neuronowej

Bezzałogowe statki powietrzne (UAV) działające w dynamicznych środowiskach wymagają zaawansowanych systemów nawigacyjnych zdolnych do omijania ruchomych przeszkód w czasie rzeczywistym. W niniejszym artykule przedstawiamy algorytm sterowania oparty na logice rozmytej, zaprojektowany w celu zwiększenia autonomii UAV. Chociaż w wielu badaniach wykorzystuje się dane z różnych czujników, w niniejszej pracy postanowiliśmy posługiwać się wyłącznie kamerą pokładową. Każda klatka jest przetwarzana przez sieć neuronową w celu wykrycia obiektów. W tym przypadku przeszkodą jest inny dron. W tym celu dodatkowo przeszkolono i wykorzystano model YOLO 10. Wykryta przeszkoda jest analizowana pod kątem wielu parametrów: odległości, środka poziomego, środka pionowego, zbliżania się w pionie oraz zbliżania się w poziomie. Po zakończeniu obliczeń uzyskane parametry są wprowadzane do algorytmu wnioskowania rozmytego Mamdaniego. Ponieważ algorytm ten interpretuje reguły lingwistyczne, definiujemy zbiory rozmyte i stosujemy je w celu wygenerowania wyniku opartego na stopniach przynależności. Jako wyniki wybrano ruch poziomy i ruch pionowy. System został przetestowany w środowisku wirtualnym. Wykorzystuje on framework Unity, w którym utworzono prostą scenę. Jako przeszkodę wykorzystano model drona. Rolę sterowanego bezzałogowego statku powietrznego (UAV) pełni kamera. Klatki są wysyłane do skryptu w języku Python na komputerze lokalnym. Pomaga to w symulacji struktury systemu na urządzeniu brzegowym. Parametry wyjściowe są następnie przekazywane z powrotem w celu skorygowania trajektorii, jeśli sterowany UAV musi uniknąć kolizji.