Ricercatori del MIT presentano SANDO, un pianificatore di traiettorie per droni con una garanzia formale di assenza di collisioni

Ricercatori del MIT hanno descritto un pianificatore di traiettorie per veicoli aerei senza pilota (UAV) chiamato SANDO, acronimo di Safe AutoNomous trajectory planning for Dynamic unknOwn environments (pianificazione autonoma e sicura delle traiettorie per ambienti dinamici sconosciuti). Secondo MIT News, che ha annunciato il lavoro il 7 ottobre, il sistema traccia un percorso attraverso ambienti che il drone non ha mai mappato, anche quando gli oggetti al loro interno si muovono in modi che nessuno può prevedere, e il team ha dimostrato matematicamente che le traiettorie risultanti evitano le collisioni. L'articolo è pubblicato su IEEE Transactions on Robotics. I ricercatori indicano impieghi come voli di ricerca e soccorso all'interno di edifici crollati, l'esplorazione di reti di gallerie nascoste nelle miniere o la consegna di pacchi in quartieri trafficati.

I pianificatori di questo tipo trasformano i dati delle telecamere e dei sensori del velivolo in un percorso verso la destinazione. Secondo il MIT, la maggior parte di quelli esistenti presuppone che gli ostacoli in uno spazio sconosciuto restino fermi, oppure aggira gli ostacoli in movimento senza alcuna promessa formale che non avverrà uno schianto; i sistemi molto diffusi che offrono tali garanzie richiedono in genere una scena statica o ostacoli noti in anticipo. Verificare ogni possibile collisione in una scena che cambia sarebbe troppo lento per un uso pratico, secondo i ricercatori. L'autore principale, Kota Kondo, lo spiega così nell'annuncio del MIT: «In un ambiente dinamico sconosciuto, non ci sono molte ipotesi su cui fare affidamento».

SANDO costruisce innanzitutto un corridoio di sicurezza, una catena di regioni 3D collegate tra loro, prive di ostacoli, attraverso cui il drone può volare. A differenza dei corridoi precedenti, questo cambia nel tempo. Un modulo dedicato rileva gli ostacoli in movimento, li raggruppa e li traccia per stimare dove sono diretti. Poiché il loro percorso futuro esatto è sconosciuto, il pianificatore prende la velocità massima di ciascun ostacolo, calcola fin dove potrebbe arrivare entro un dato tempo e lo racchiude in una sfera che copre ogni punto che potrebbe raggiungere; il corridoio viene poi modellato attorno a queste sfere. Un pianificatore basato su mappe di calore segnala le aree affollate, «calde», in modo che il drone venga guidato lontano da esse. All'interno del corridoio, SANDO cerca il percorso più rapido verso la destinazione e continua a rivedere sia il corridoio sia la traiettoria durante il volo. Il team ha semplificato l'ottimizzazione sottostante affinché il computer di bordo possa ripianificare rapidamente.

Nelle simulazioni, riferiscono i ricercatori, SANDO ha raggiunto la destinazione più velocemente di diversi sistemi allo stato dell'arte e non ha avuto collisioni in nessuno degli ambienti testati. In 12 voli di prova con un UAV reale, funzionando con il computer e i sensori di bordo del velivolo, ha evitato tutti gli ostacoli in movimento. «La parte più difficile dello sviluppo di SANDO è stata la matematica», dice Kondo. Kondo, che ha recentemente completato il dottorato in aeronautica e astronautica al MIT, ha scritto l'articolo con Jesús Tordesillas, ora professore assistente presso l'Università Pontificia Comillas di Madrid, e tre studenti post-laurea del MIT, Juan Rached, Lili Sun e Yixuan Jia. Jonathan P. How, che lavora presso il Laboratory for Information and Decision Systems (LIDS) del MIT e il suo Aerospace Controls Laboratory, è l'autore senior. La Defense Science and Technology Agency di Singapore ha finanziato in parte il lavoro.

Fei Gao della Zhejiang University in Cina, professore associato che non ha preso parte al progetto, ha riassunto il problema a cui mira il pianificatore: «un percorso che è sicuro quando viene pianificato può diventare non sicuro man mano che l'ambiente cambia». Gao riconosce ai corridoi di volo tempo-varianti di SANDO, all'ottimizzazione delle traiettorie con vincoli rigidi e ai test su hardware il merito di offrire un approccio pratico per contesti dinamici complessi. Come passi successivi, i ricercatori dicono che potrebbero rendere SANDO meno oneroso dal punto di vista computazionale e abbinarlo a modelli di machine learning, in modo che gli utenti possano dare istruzioni a un robot in linguaggio semplice. MIT News riporta inoltre un link al codice di SANDO accanto all'articolo.