Drahtlose Kommunikation für KI-gesteuerte unbemannte Fluggeräte
A-UAM mit UAV-Schwärmen
Die Integration von Lokalisierungs- und Trackingfunktionen in drahtlose Kommunikationssysteme stellt einen vielversprechenden Ansatz zur Realisierung eines sicheren und effizienten unbemannten Luftverkehrs im Kontext der Advanced Urban Air Mobility (A-UAM) dar. Ziel des Projekts ist die Entwicklung eines intelligenten Verfahrens zur Flugroutenplanung für autonome Luftfahrzeuge, das den Luftverkehr unter Berücksichtigung kommunikationsrelevanter Randbedingungen wie Übertragungsverzögerung, Datendurchsatz und Zuverlässigkeit optimiert. Hierfür werden Verfahren des maschinellen Lernens eingesetzt, um eine adaptive und leistungsfähige Flugbahnplanung zu ermöglichen.
Die Steuerung und Kontrolle der Luftfahrzeuge erfolgt im Rahmen eines netzwerkgestützten autonomen Flugkonzepts, bei dem das Mobilfunknetz aktiv mit den Luftfahrzeugen interagiert. Dabei werden Wegpunkte und Geschwindigkeitsvorgaben an die Luftfahrzeuge übermittelt, während kontinuierlich Positions- und Geschwindigkeitsinformationen an das Kommunikationsnetz zurückgemeldet werden. Dadurch wird eine zuverlässige, effiziente und dynamische Koordination autonomer Flugbewegungen ermöglicht.
Navigation für einen UAV-Schwarm
Herausforderungen
Definition der Konnektivität unter Berücksichtigung der Unsicherheit im Funkkanal 1
Verteilte Positionsbestimmung/Verfolgung unter Berücksichtigung der Latenz
Aufrechterhaltung der Sichtbarkeit des Schwarms durch Überwachung
Energieeffizienz2
Autonomer Flug
Flugbahn für einen UAV-Schwarm
Wie robust/zuverlässig sind die Verbindungen:
1) UAV-zu-UAV (Formationssteuerung)
2) UAV-zu-I* (autonomer Flug/Navigation)
* I: Infrastructure such as Wireless base station/vertiport
Fragen zu Wissenschaft und Technik
Varianz und CRLB-Leistungskennzahlen für Latenz und Positionsbestimmung
Varianzreduktion durch maschinelles Lernen
Vernetzung von Vertiports für die Sensorik zur Positionsverfolgung des UAV-Schwarms
Flugstreckenplanung unter Berücksichtigung von Energieverbrauchs- und Latenzbeschränkungen
Die Verzögerungsstreuung ist die Differenz zwischen den Ausbreitungsverzögerungen zweier Signale3. Wie lässt sich die Verzögerungsstreuung im Funkkanal am besten bewältigen?
Quellen:
1 T. Zeng, M. Mozaffari, O. Semiari, W. Saad, M. Bennis and M. Debbah, "Wireless Communications and Control for Swarms of Cellular-Connected UAVs," 2018 52nd Asilomar, pp. 719-723
2 M. Hayajneh, M. Ndong, N. A. Ali and H. Tembine, "Non-asymptotic linear growth of energy efficiency in distributed autonomous D2D MIMO wireless communications", IEEE Access, vol. 8, pp. 105914-105921, 2020.
3 D. Tse and P. Viswanath, Fundamentals of Wireless Communications, Cambridge, U.K:Cambridge Univ. Press, 2005.
4 B. Salamat, G. Elsbacher, A. M. Tonello and L. Belzner, "Model-Free Distributed Reinforcement Learning State Estimation of a Dynamical System Using Integral Value Functions," in IEEE Open Journal of Control Systems, vol. 2, pp. 70-78, 2023
Weitere gemeinsame Projekte rund um Unbemannte Flugsysteme und Urban Air Mobility finden Sie auch in dem AImotion Anwendungscluster “Unbemanntes Fliegen”
