我承认对于将有效载荷悬挂在长绳上以进行无人机运输的策略有些怀疑。我的意思是，我明白了Wing这么做的原因-它使无人驾驶飞机及其所有尖刺部件远离未经培训的用户，同时保留了向可能有附近障碍物的非常特定区域交付货物的能力。
但这似乎还增加了一些风险，因为一旦您的有效负载不在那条较长的绳索上，至少在两个轴上就会或多或少地失去控制中国机械网okmao.com。而且您会忘记无人机在进行此操作时会做任何事情，因为如果无人机开始四处移动，谁会知道您的有效载荷会发生什么呢？
纽约大学的机器人专家就是这样。
这项研究是由纽约大学敏捷机器人与感知实验室（ARPL）的Guanuii Li，Alex Tunchez和Giuseppe Loianno进行的。正如您从视频中看到的那样，无人驾驶飞机使对悬浮的有效载荷的坚如磐石的控制看起来很容易，但是要做到这一点却并非如此，尤其是考虑到您看到的一切都是以500Hz的频率在无人驾驶飞机上运行的，只需要一个IMU向下的单眼相机，以及无人机的Snapdragon处理器。
为了使其正常工作，无人机必须考虑两件事。首先，有状态估计，这是无人机本身的行为以及系绳末端的有效载荷。无人机通过使用摄像头观察有效载荷的移动方式并通过IMU跟踪其自身的移动来解决这一问题。
其次，要预测有效载荷下一步将要做什么，以及该无人机将如何（或不愿意）与下一步要做什么。研究人员为此开发了模型预测控制（MPC）系统，并增加了一些感知限制，以确保无人机的行为将有效载荷保持在摄像机的视野范围内。
目前，系统的最高速度为4 m / s，但这听起来像不是在增加单载重机的速度，而是通过使用多架无人机使整个系统变得更加复杂协作管理太大或太重的系留载荷，以至于一架无人机无法独自处理。
有关更多信息，我们与ARPL负责人Giuseppe Loianno进行了交谈。
IEEE Spectrum：我们已经看到了一些交付无人机来交付悬浮负载的示例。这项工作将如何提高他们的能力？
朱塞佩·洛安诺（Giuseppe Loianno）：我们首次联合设计了一种感知受限的模型预测控制和状态估计方法，以通过机载传感和计算实现具有电缆悬挂有效载荷的四旋翼飞机的自主性。
所提出的控制方法保证了机器人摄像机中有效载荷的可见性以及对系统动力学和执行器约束的尊重。这些是至关重要的设计方面，对于涉及物体运输的这种复杂而微妙的任务，要保证安全性和弹性。
额外的挑战涉及以下事实：我们旨在使用最小的传感器套件来解决上述问题，该传感器套件用于由单个摄像机和IMU进行自主导航。这是一个雄心勃勃的目标，因为它同时涉及估计负载和车辆状态。
先前的方法利用GPS或运动捕获系统进行状态估计，并且在解决问题时不考虑感知和物理约束。我们有信心，我们的解决方案将有助于实现目前没有GPS信号或阴影信号的仓库或密集城市地区的自动交付过程。
对于使用致动电缆并且仅使负载保持悬挂状态以进行输送的输送系统，这会有所不同吗？
这当然是一个有趣的问题。我们认为，增加驱动电缆会带来更多的弊大于利。当然，在有风的情况下，可以利用驱动电缆来补偿电缆的摆动运动和/或提高输送精度。然而，引入额外的致动机构和部件是以增加系统质量和惯性为代价的。
这将减少总体飞行时间和车辆的敏捷性，以及系统在运输任务方面的弹性。最后，与被动机制相比，主动机制的设计也更加困难。
在所有这些车载上进行挑战是什么？
解决该问题存在若干挑战。首先，很难在这样的受计算约束的平台上同时运行感知和动作。
第二，如果在我们的情况下考虑基于感知的约束后退水平控制问题，则第一方面将变得更具挑战性，该问题旨在保证运动期间有效载荷的可见性，同时兼顾所有系统的物理和传感限制。最后，以较高的速度运行整个系统以充分释放系统的灵活性一直是一个挑战。我们目前能够达到500 Hz的速率。
您的方法可以适应各种形状，大小和质量的负载吗？空气动力学或风中飞行怎么办？
从技术上讲，我们的方法可以轻松适应各种尺寸和质量的物体。我们以前的贡献已经显示出能够估计车辆/负载配置的在线变化的能力，并且可以潜在地用于在负载特性未知和/或可能在连续飞行中变化的动态条件下操作建议的系统。这对于需要运输或操作不同类型对象的包裹运送或仓库操作都非常有用。
空气动力学问题是一个重点。总的来说，我们过去的工作已经研究了单个机器人在没有负载的情况下风扰的空气动力学特性。为提议的系统提出这些问题是具有挑战性的，并且仍然是一个开放的研究问题。我们有一些想法可以解决这个问题，将贝叶斯估计技术与最新的机器学习方法相结合，我们将在不久的将来解决它。
对系统性能有哪些限制？悬浮的有效负载能达到多快和敏捷？
性能极限由执行机构和传感系统确定。我们的方法本质上既考虑了系统的物理限制，又考虑了系统的感知限制。从传感和计算的角度来看，我们认为速度将接近4 m / s的极限。更快的速度可能会导致运动模糊，同时降低负载跟踪精度。此外，更快的运动以及我们刚才提到的空气动力学扰动都会增加。将来，对这些现象进行建模并将其纳入建议的解决方案中可进一步推动敏捷性。
您的论文谈论将这种方法扩展到合作运输有效载荷的多辆车上，您能告诉我们更多吗？
目前，我们正在研究一种用于协作运输的分布式感知和控制方法。我们已经有一些非常令人兴奋的结果，我们将很快与您分享！总体而言，我们可以雇用一组空中机器人来协作运输有效载荷，以增加有效载荷容量，并在车辆出现故障时赋予系统更多的弹性。
协作式缆线悬挂式有效载荷协作式运输系统还允许同时并独立地控制负载的位置和方向。仅使用刚性连接是不可能的。我们相信，我们的方法将在仓库和GPS密集环境（例如人口稠密的城市地区）中交付和建造的实际环境中产生重大影响。此外，在灾后场景中，
PCMPC：来自纽约大学的Guanrui Li，Alex Tunchez和Giuseppe Loianno（实际上）将在ICRA 2021上（虚拟地）展示使用单摄像机和IMU的具有悬浮负载的四旋翼的感知受限模型预测控制。