美国西北大学研究员提出飞行控制器，“MetaFly”室内飞行新突破

自然界的鸟类和昆虫通过扇动翅膀实现飞行，这一生物现象为仿生飞行机器人的设计提供了丰富的灵感。

法国航空工程师Van Ruymbeke正是受此启发，于2014年成功设计并研发出了仿生无人机“Bionic Bird”。随后，在2019年，他又将仿生无人机技术与现代科技相融合，打造出了一款名为“MetaFly”的商用仿生敏捷鸟形机器人。

▍提出控制器，实现性能倍增

“MetaFly”重量仅为10克，两翅张开时的长度可达29厘米，而机翼的重量则仅为4.2克。这款无人机完全采用了生物拍打翅膀的飞行方式，能够像真正的昆虫一样在空中飞翔，并在狭小的空间内灵活翻飞。通过射频发射器发送速度和转向命令，“MetaFly”能够根据速度指令调整拍打速度，从而控制飞行高度和速度；同时，它也能在转向指令下，通过移动尾翼或不对称扭曲机翼等方式实现飞行方向的调整。

然而，“MetaFly”在飞行过程中也面临一些挑战。其推力和升力矢量存在耦合现象，这与固定翼飞机类似，导致它几乎无法在原地悬停。虽然该无人机在室外空旷地带表现出色，但在有风的环境下室外飞行却几乎很难实现，而在室内环境中持续飞行超过10秒更是成为几乎不可能完成的任务。

针对这一问题，来自美国西北大学的研究人员近期对“MetaFly”的动力学和控制进行了深入研究，并成功研发出了适用于室内飞行的稳定控制器。在这款控制器的助力下，“MetaFly”实现了在封闭的有限空间内持续飞行长达2分钟的突破，相较于此前人类操作员只能控制其飞行10秒的情况，这无疑是一个巨大的进步。

为了进一步测试高级控制策略，研究人员还利用ROS 2（机器人操作系统2）与“MetaFly”的RF发射器和OptiTrack运动捕捉系统进行了交互，开发出了一个完整的端到端系统。这一系统的成功开发，为将“MetaFly”用作通用机器人平台奠定了坚实的基础。

▍控制架构

在控制架构方面，经过数小时的实验和权衡效能与复杂性后，研究人员开发出了一种新型控制架构。这一架构的设计基于一系列对飞鸟行为的细致观察，并遵循以下经验法则：

1.飞鸟持续接收速度和转向指令，且翅膀拍动速度拍打的足够快，使得其实际位置在控制中成为非关键因素。

2.飞鸟的飞行轨迹类似螺旋，其运动方向总位于朝向方向的某个锥角范围内。这一轨迹特性不仅受指令影响，还取决于飞鸟的当前状态及风等外部条件。

3.在转向指令较大时，飞鸟无法产生足够的升力，开始下降。

4.在转向指令较小时，飞鸟可被视为两个并行的单输入单输出（SISO）系统，而非多元输入多元输出（MIMO）系统，其中速度决定垂直速度，滚转决定转弯半径，且方差较小。

控制架构的核心由高度控制器和滚转控制器和组成，前者负责发出速度指令，后者负责输出转向指令。具体控制器描述如下：

前馈速度指令用于维持高度，期望的滚转角度由运动规划器决定，同时计算期望的偏航角和期望的转弯半径。半径误差和偏航误差乘以负项，因为滚转增加意味着半径或偏航减小。该架构包含多个可调参数，分布于各控制器中，便于调整。运动规划器中亦设有更多可调参数。

▍运动规划器

运动规划器的目标是抵消系统随时间积累的整体漂移，确保飞鸟不超出房间限制。

当飞鸟离中心太远或靠近墙壁时，规划器会模拟向中心抛回的动作。由于反应式方法未能取得良好效果，因此规划器通过在长时间范围内切换行为来实现这一目标。

该方法依赖于一种特殊的椭圆流形，并结合了无人机笼子的目标圆和立方体约束。尽管该方法缺乏强烈的理论动机，但模仿该运动规划器功能的基于目标的混合控制器可能更为自然且通用。

同时，椭圆的中心和尺寸、目标圆的圆心和半径、航向矢量切线的范围均为可调参数。

▍系统设计

稳定控制器系统由Linux设备上的ROS 2网络、MetaFly的发射模块、带有OptiTrack的Windows机器以及MetaFly本身组成，共同构成一个闭环系统。

发射机-前馈部分由Arduino Nano、MetaFly遥控器的PCB（已移除电位器）和一个将所有部件组装在一起作为可互换屏蔽的小电路组成，负责通过串行通信接收速度和转向命令并传输给飞鸟。Arduino的模拟输出与大电容器并联，以模拟电位器信号。选择Nano是因其成本低且易于更换。

动作捕捉-反馈部分采用OptiTrack系统，由于MetaFly重量极轻几乎没有任何负载，研究人员使用泡沫球和反射胶带制作了自定义的反射标记。这些标记的重量是类似尺寸的标准动作捕捉标记的 1/5。通过将这些标记附着在飞鸟身上，并将其注册为刚体，可以实时追踪飞鸟的位置。此外，还可以将鸟放置在遥控器上的充电位置，以固定其方向。如需必要，ROS 2监听器节点还可以利用pose_offsets.yaml文件，为鸟的姿势添加固定的变换偏移量。另外，研究人员还在OptiTrack系统周围搭建了一个无人机笼，使用了绳索和棒球网作为围挡。

Windows机器上的广播脚本（由Drew Curtis提供）通过以太网连接将UDP姿势消息发送到ROS 2侦听器节点，实现实时控制。这一连接方式是系统延迟的主要来源，而无线连接的性能表现更佳欠佳，因此，实时控制需依赖以太网连接。

在初始的动作捕捉设置中，研究人员使用了10台摄像机，但未能完全覆盖无人机笼子。为此，又额外连接并重新对焦了6台摄像机，以扩大覆盖范围。经过此番调整，工作区的可观察性得到了显著提升。

▍实验与测试

开发最终控制架构的过程研究人员进行了大量的反复试验，并获得了一些对架构最终设计直观重要的关键发现：

1.螺杆运动轨迹

在封闭空间中持续飞行的最低阶段是绕圈飞行。由于飞鸟的转向涉及翅膀弯曲，影响升力，飞鸟会沿着螺旋轨迹上升和下降。假设这个螺旋的轴与 Z 轴对齐，可以通过在固定轨迹点水平线上的 X 和 Y 坐标上拟合一个圆来测量这个螺旋轨迹的半径、螺距和中心。

2.数据收集

在控制域的研究中，研究人员聚焦于速度的整数值和转向指令这两个关键要素，深入探索了它们对飞行轨迹的影响。研究从所有轨迹均呈现螺旋形态这一现象入手，通过恒定速度输入条件下的实验，对转向域中的轨迹进行了系统表征。

研究发现，随着转向角的增大，俯仰角呈现逐渐减小的趋势。这一重要发现不仅证实了实现闭合轨迹且保持高度稳定的物理可行性，而且为项目目标的达成提供了坚实的理论支撑。通过上图的展示，可以清晰看到，在恒定最大速度输入下，螺距与转向指令之间存在的密切关系，这是实验数据直观体现的有力证明。

进一步地，观察结果揭示了转弯半径与鸟的滚动之间存在的密切且可预测的关系。正转向总是与正滚动相对应，即向左倾斜会引导鸟向左转弯，反之亦然。这一发现揭示了鸟的滚动作为控制参数的巨大潜力，为未来的研究提供了新的思路和方向。上图的展示则进一步验证了这一关系的稳定性和可靠性。

▍关于未来

该研究通过深入探索飞鸟的控制机制，为无功漂移控制、模仿学习、动态调整增益等多个领域提供了理论支持和实践基础。

在无功漂移控制方面，研究提出了使用速度三角形计算漂移的方法，为飞鸟追踪任意闭合轨迹提供了可能。在模仿学习方面，利用PS3控制器控制飞鸟并记录输入数据，为训练模型“学习风”等外部因素提供了新思路。同时，研究还探索了动态调整增益的方法，为在飞行过程中学习调整参数提供了有限数据的测试平台。此外，该研究还关注了从一组约束过渡到另一组约束、最小半径控制、悬停能力以及不依赖OptiTrack的自主飞行等前沿领域。

这些研究不仅拓展了飞鸟控制技术的应用范围，还为未来的研究提供了新的方向和挑战。

展望未来，该研究团队计划继续深入探索这些潜在的研究分支。在无功漂移控制方面，他们将进一步优化计算方法，提高飞鸟的追踪精度和稳定性。在模仿学习方面，他们将探索更多有效的训练方法和模型，提高飞鸟的自主飞行能力。同时，他们还将研究动态调整增益的实时性和准确性，以及从一组约束过渡到另一组约束的平滑性和稳定性。

在最小半径控制和悬停能力方面，研究团队将致力于优化飞鸟的飞行轨迹和姿态控制算法，实现更精确的飞行和悬停。此外，他们还将积极探索不依赖OptiTrack的自主飞行技术，为飞鸟在户外环境中的自主飞行和数据收集提供有力支持。

参考文章

https://adityanairs.website/BirdFlying/