Řízení a stabilizace roje bezpilotních systémů

Abstract

Tato disertační práce se zabývá multidisciplinárním problémem distribuovaného řízení a stabilizace rojů bezpilotních prostředků (UAV) v nepředvídatelných podmínkách reálného světa. Cílem tohoto výzkumu je obohatit základní schopnosti autonomních rojových systémů tak, aby UAV mohly bezpečně a spolehlivě operovat i za nepříznivých podmínek, při kterých je omezená dostupnost externí lokalizace a komunikační infrastruktury spolu s environmentálními omezeními nebo aktivními vnějšími hrozbami. Disertační práce je strukturována do dvou hlavních částí. První část se zaměřuje na stabilizaci a navigaci rojů UAV v různorodých prostředích, včetně pouští, lesů a travnatých kopců. Tato část zahrnuje návrh nového systému řízení roje, který umožňuje UAV navigovat kohezivně se zabudovaným distribuovaným rozhodováním a všesměrovým vnímáním okolí. Systém umožňuje autonomní navigační rozhodování a konsenzus s okolními agenty i při omezené externí informaci. Tento přístup naráží na omezení současných technik rojování UAV a vytváří základ pro sofistikovanější multi-robotické algoritmy. Kromě zaměření na stabilizaci UAV se první část této práce věnuje také alternativním přístupům pro vnímání a komunikaci mezi agenty. To zahrnuje vývoj systému pro odhad vzájemné relativní polohy UAV založeného na porovnávání environmentálních orientačních bodů, což je obzvláště užitečné v prostředích s hustým výskytem překážek, jako jsou lesy. Přínosem v oblasti komunikace mezi agenty je implementace unikátní metody komunikace pomocí LED diod a kamer, integrované do lokalizačně-komunikačního systému UVDAR-COM. Druhá část práce se zaměřuje na pokročilé strategie multi-robotického odhadu stavu UAV, které umožňují kohezivní let roje UAV bez nutnosti spoléhání se na externí lokalizaci za neurčitých lokalizačních podmínek. Roj UAV tak dosahuje vysoké rychlosti letu ve vizuálně stejnorodých prostředích, jako jsou pouště, díky použití relativních měření, palubních senzorů a adaptivního fúzování stavových odhadů s primárním odhadem stavu. Druhá část této disertační práce je zakončena prezentací nejnovějšího výzkumu autora v oblasti multi-robotického stavového odhadu navrženého pro udržení stability bezpilotních prostředků i v situacích, kdy všechny rojové UAV současně ztratí schopnost odhadovat vlastní stav. Tento záložní systém dovoluje jednotlivým UAV spoléhat se výhradně na pozorování spolupracujících agentů, což jim efektivně umožňuje udržet soudržnost v rámci roje. Tato odolnost je zásadní pro nasazení UAV v průmyslových, nouzových nebo monitorovacích aplikacích, kde mohou být externí lokalizační systémy dočasně nedostupné. Prostřednictvím důkladného experimentálního testování tato práce ukazuje, že autonomní rojové technologie UAV spoléhající na pokročilé metody řízení a odhadu stavu jsou slibné pro odolné decentralizované robotické systémy v průmyslových aplikacích. Tato práce zdůrazňuje nároky moderní společnosti, kde se od autonomních systémů UAV stále více očekává, že budou nejen efektivní, ale také bezpečné a spolehlivé.

This doctoral thesis addresses the multidisciplinary challenge of distributed control and stabilization of UAV swarms in unpredictable, real-world conditions. The research aims to advance the foundational capabilities of autonomous swarm systems, ensuring UAVs can operate safely and resiliently even in adverse conditions, where external localization and communication infrastructure may be limited, alongside environmental constraints or active external threats. The thesis is structured around two main objectives. The first objective focuses on stabilizing and navigating UAV swarms across diverse environments, including deserts, forests, and grassy hills. This objective involves designing a novel flocking control system, enabling UAVs to navigate cohesively with distributed decision-making and omnidirectional sensing. This allows for autonomous navigational decisions and consensus with neighboring agents, even with limited external guidance. The system encounters critical limitations of current swarming techniques, laying a foundation for more sophisticated multi-robot algorithms. Beyond the primary focus on UAV stabilization, the first half of this thesis explores alternative approaches for inter-agent perception and communication. This includes developing a mutual relative localization system based on environmental landmark comparison, which is particularly useful in high-density environments like forests. The contribution to inter-agent communication lies in implementing a unique LED-to-camera communication method integrated into the UVDAR-COM framework. The thesiss second objective centers on advanced multi-robot state estimation strategies that enable cohesive swarm operation without relying on external localization in ambiguous conditions. The swarm achieves high-speed flight in visually uniform environments such as deserts using relative measurements, onboard sensors, and adaptive state fusion with the ego-state estimate. The second half of this thesis concludes with the authors latest research on multi-robot state estimation, designed to maintain operational stability even when all swarm UAVs simultaneously experience a complete loss of ego-state estimation. This fallback system enables individual UAVs to rely solely on observations of co-working agents, effectively allowing them to maintain cohesion within the swarm. This resilience is essential for UAV deployments in industrial, emergency, or surveillance applications, where external localization anchors may be temporarily unavailable. Through rigorous experimentation, this thesis demonstrates that autonomous UAV swarm technologies relying on advanced control and estimation methods are feasible and promising for resilient, decentralized robotic systems in industrial applications. This work highlights the demands of modern society, where autonomous UAV systems are increasingly anticipated yet must prioritize safety and reliability.