Student World

V současné době jsme svědky prudkého rozvoje v oblasti bezpilotních letounů (Unmanned Aerial Vehicle – UAV). V souvislosti s vývojem v oblastech palubní elektroniky, pohonů či napájení, kde došlo v uplynulých letech k výrazné miniaturizaci, nárůstu výpočetního výkonu a prodloužení doby letu, se tyto prostředky začaly rychle šířit z původního nasazení ryze pro vojenské účely nejprve do civilního sektoru a následně i mezi rekreační uživatele a amatérské hobby piloty.

Výhodou využití bezpilotních prostředků oproti klasickým letounům či vrtulníkům je jejich výrazně nižší pořizovací cena, menší provozní náklady a možnost jejich nasazení v oblastech, kde klasické prostředky nasadit nelze. Aplikační spektrum je široké: jedná se o úlohy mapování, tvorby trojrozměrných modelů budov a terénu, monitoringu oblastí, hledání osob, detekci znečištění, inspekci produktovodů a konstrukcí a řadu dalších. Možnosti nasazení jsou závislé na konkrétních senzorech, kterými jsou bezpilotní prostředky vybavené. V současnosti jsou nejrozšířenější fotoaparáty a kamery, a to jak pro denní, tak i noční vidění, hyperspektrální kamery, termokamery a laserové scannery. Výrobci senzorů jsou si tohoto vědomi a věnují výzkumu v této oblasti velkou pozornost. Dochází jak k miniaturizaci existujících senzorů, aby je bylo možné nasadit na bezpilotní prostředky, tak i k vývoji zcela nových.

Letouny umí společně vyjednávat…

Bezpilotní letouny jsou v současnosti provozovány nejčastěji v tzv. RPAS (Remotely Piloted Aircraft Systems) režimu, kdy pilot na dálku ovládá jejich pohyb přímo pomocí radiových vysílaček, případně definováním bodů zájmu s využitím software pozemního pracoviště.

Výzkumu v oblasti bezpilotních prostředků se dlouhodobě věnuje i Centrum agentních technologií na Katedře počítačů Fakulty elektrotechnické ČVUT v rámci projektu AgentFly. Hlavní náplní práce je modelování a simulace letového provozu a vývoj algoritmů pro řízení týmů autonomních bezpilotních letounů. Cílem je umožnit jednomu operátorovi ovládat celou skupinu letounů zadáváním úkolů na vyšší úrovni. Příkladem takové úlohy může být monitorování hranic nebo ochrana kritických infrastruktur. Letouny po zadání takového úkolu začnou v týmu společně vyjednávat o možnostech jeho splnění a o přiřazení dílčích cílů jednotlivým letounům s ohledem na jejich fyzikální vlastnosti, aktuální polohu, stav baterií, senzorické vybavení, ostatní plněné úlohy a další optimalizační kritéria.

K tomuto vyjednávání jsou využívány algoritmy z oboru distribuované umělé inteligence. V systému neexistuje žádný centrální bod, ve kterém by probíhalo plánování pro všechny entity, ale vše se děje decentralizovaně na základě výměny informací prostřednictvím modemů, kterými jsou všechny letouny vybavené. To zvyšuje robustnost systému pro případ výpadku takového centrálního uzlu. Výsledkem tohoto vyjednávání je přiřazení cílů a naplánování konkrétních letových trajektorií jednotlivým letounům.

Při vykonávání těchto plánů by mohlo dojít mezi jednotlivými letouny ke kolizním situacím. Letouny proto sdílí své letové plány s ostatními, vzájemně je porovnávají a detekují možnosti vzniku nebezpečných situací. V případě, že by k takové situaci mělo v budoucnu dojít, letouny provedou nezbytné úpravy svých letových plánů, aby kolize eliminovaly, např. změnou své letové hladiny, rychlosti nebo vychýlením z původního kurzu.

Systém AgentFly umožňuje i dynamickou rekonfiguraci přiřazení dílčích úloh v případech, kdy by došlo např. k poruše některého z letounů, jeho sestřelení nebo byl nucen přistát z důvodu nedostatku energie. Ostatní letouny jsou schopné detekovat tyto případy a přeplánovat úlohu tak, aby byla splněna mise i bez tohoto letounu. Stejně tak je možné úkoly rekonfigurovat i v opačném případě, kdy se k týmu připojí nový letoun, převezme část úkolů a zlepší tak senzorické pokrytí nebo zkrátí dobu potřebnou ke splnění mise.

Využití všech těchto algoritmů umožňuje operátorovi soustředit se na plnění úkolů mise a zpracovávat data, která jsou mu zasílána ze senzorů, aniž by se musel zabývat detaily pohybu jednotlivých letounů jako v případě jejich řízení v režimu RPAS.

Celý koncept s sebou samozřejmě nese řadu technických problémů. Na rozdíl od provozu v režimu RPAS, je nezbytné vybavit všechny bezpilotní letouny vlastní výpočetní jednotkou umístěnou na palubě. Na té běží všechny výše uvedené algoritmy a je odpovědná za komunikaci s autopilotem. Druhým nezbytným hardwarovým prvkem je modem, který je využíván pro komunikaci s ostatními letouny v týmu a zároveň i s pozemním pracovištěm.

Simulace řízení letového provozu

Výzkum je provázaný s další aktivitou pracoviště v rámci projektu AgentFly a to simulací ATM (Air Traffic Management – řízení letového provozu). ATM simulace je nezbytnou součástí procesu pro zlepšování efektivnosti současného provozu a vývoje nových nástrojů a přístupů pro bezpečné řízení provozu v budoucnosti. Aby simulace mohla být použita pro nejrůznější scénáře a možné budoucí situace, musí být flexibilní a modulární a modely musí pokrývat co nejvíce součástí řízení ATM. Je třeba modelovat prostředí, samotná letadla a řízení letového provozu.

Simulace prostředí obsahuje výškovou mapu, model počasí a informace pro řízení. Při modelování počasí hraje nejvýznamnější roli vítr (má vliv na rychlost letu i o stovky km/h) a bouřky, které neumožňují bezpečný průlet. Informace pro řízení obsahují např. navigační body, letové tratě nebo definice sektorů (oblasti obsluhované jedním řídícím letového provozu).

Simulace letu je založena na kinematickém modelu, který umožňuje vypočítat letovou obálku (do jaké výšky a rychlosti je letadlo schopné letět), aktuální odpor vzduchu, vztlak, tah motoru nebo spotřebované palivo. Modely jsou poskytnuty přímo výrobci letadel (např. Boeing, Airbus) a umožňují tak provádět realistickou simulaci.

Klíčovou součástí ATM simulace je kognitivní model chování řídícího letového provozu. Tento model umožňuje simulovat reálnou činnost rozdělením na jednotlivé aktivity (např. kontrola obrazovky, komunikace s piloty, změny letových tratí apod.). U těchto aktivit je možné určovat dobu jejich trvání a intenzitu zátěže, kterou kladou na řídícího během jejich plnění. Jejich složením je pak možné určit zatížení a rychlost reakce řídícího a jeho schopnost celkově plnit zadané úkoly.

Spolupráce s americkými agenturami i NASA

S rozvojem množství a schopností bezpilotních prostředků vyvstává nutnost jejich integrace do řízení letového provozu. Jedná se o komplexní problém, který vyžaduje výzkum a vývoj nových přístupů. AgentFly simulace umožňuje propojit tyto systémy a zkoumat jejich vzájemné ovlivňování – např. jaké požadavky musí splňovat bezpilotní prostředky pro provoz v civilním letovém provozu, jaký vliv mají bezpilotní prostředky na zátěž řídících letového prostoru, jakým způsobem bude ovlivněna kapacita letového prostoru.

Výzkumu v této oblasti se pracoviště věnuje již téměř deset let. Od počátku jej financují dvě americké obranné agentury – U.S. Air Force Research Laboratory a U.S. Army CERDEC. Simulaci řízení letového provozu vyvíjíme ve spolupráci s americkým úřadem pro letectví (Federal Aviation Administration), americkou NASA a českým Řízením letového provozu. Máme též řadu průmyslových partnerů, mezi něž patří například švédský SAAB nebo britský BAE Systems. Spolupracujeme též se zahraničními univerzitami (Drexel University ve Filadelfii nebo Technická univerzita v Drážďanech).

Ing. Milan Rollo, Ph.D.
Mgr. Přemysl Volf, Ph.D.

Vyšlo v časopise Tecnicall 1/2015 (čtvrtletník ČVUT Praha)

http://www.tecnicall.cz/

autor