Ingeniører bygger droner for at teste hypersonisk teknologi

Sandia National Laboratories udvikler autonomi og kunstig intelligens til flysystemer, der stiger til mere end 3, 800 mph. Teknologierne for at komme dertil vil i første omgang blive testet på droner, der blander rundt omkring 5 mph.

"Vi vil sikre succes, før vi tester teknologier på hypersoniske flyvninger, "sagde Sandia -manager Jay Brown.

Et team af universitetspraktikanter på Sandia National Laboratories bidrog til det hypersoniske mål denne sommer ved at fuldføre de to første droner, laboratorierne vil bruge til at afprøve nye algoritmer til autonom navigation, vejledning og kontrol, og målgenkendelse.

Praktikopholdene blev leveret af Autonomy New Mexico, en akademisk koalition ledet af Sandia for at opnå autonom hypersonisk flyvning.

"AutonomyNM -dronerne giver Sandia en smidig platform til hurtigt at evaluere vores evner, "Sagde Brown.

Hver drone - en quadcopter og en hexakopter - bestod en sidste flyvetest, før eleverne vendte tilbage til skolen i efterårssemesteret. Køretøjerne demonstrerede en evne til at positionere sig, opdatere deres positionskoordinater og genkende og lande på et mål.

Køretøjer designet til forskellige eksperimenter

Disse droner er bygget til fleksibilitet. Brugere uploader og opdaterer algoritmer eksternt, i en række programmeringssprog, via en Wi-Fi-forbindelse. Et USB -kamera kan poppes ud og udskiftes for at eksperimentere med forskellige sensorer.

Hvert køretøj er udstyret med to indbyggede computere - en mindre, der styrer rotorerne, og en mere kraftfuld, der behandler visuel information fra kameraet. Begge computere, imidlertid, havde strenge størrelses- og vægtbegrænsninger for at holde dronerne lette nok til at flyve. Denne begrænsning udfordrede teamet til at komme med effektive programmeringsstrategier.

"Algoritmen skal kunne køre hurtigt nok til at give brugbare resultater, "sagde Sandia -videnskabsmanden Logan Wright, der fungerede som rådgiver for teamet. "En forhindringsdetekteringsalgoritme er ikke særlig nyttig, hvis den opdager en forhindring, når du allerede har stødt på den."

Gruppen testede deres synsalgoritmer ved at gå gennem et testrum med et kamera, tager billeder. De uploadede billederne til dronerne sammen med en algoritme til at samle billederne til et 3D-kort. Derefter, teamet sendte instruktioner til dronerne om at flytte til bestemte koordinater. Dronerne orienterede sig ved at sammenligne, hvad de så gennem deres kameraer med deres interne kort og fløj derefter til de korrekte steder.

Autonom flyvning en tværfaglig udfordring

Hypersoniske køretøjer flyver miles over jorden, så ingeniører har en enorm kreativ bredde, når de udvikler og programmerer køretøjer til åben himmel. Men denne frihed kan også være en udfordring.

"Når du har at gøre med selvkørende biler, du har at gøre med et meget begrænset regelsæt, fordi der er vejregler, "sagde AutonomyNM praktikant Lauren Risany, en sophomore på Lafayette, Indiana-baserede Purdue University. "Du stopper ved et stopskilt. Du går, når lyset bliver grønt. Men når du har at gøre med en quadcopter, du har ikke nødvendigvis disse regler. "

For at bygge dronerne og oprette algoritmerne, studerende samlede forskellige oplevelsesniveauer og baggrunde, lige fra rumfartsteknik til computerteknik og maskinlæring.

"Mit hovedstyrehus er sandsynligvis i mekanisk design, "sagde Jared Li, medlem af teamet og en kandidatstuderende ved Georgia Institute of Technology i Atlanta, Georgien. "Det er det, jeg tidligere har arbejdet med i flere job, men det har aldrig lad mig faktisk udvide mit færdighedssæt eller lære noget nyt eller endda være begejstret for, hvad jeg laver. Men her, det er anderledes. Og det kan jeg meget lide. "