Table of Contents

Rakendusvaldkonnad – õhu-, maa- ja meresõidukite arhitektuurid

Rakenduse domeenide ülevaade

Autonoomsed süsteemid töötavad erinevates keskkondades, mis seavad ainulaadsed piirangud tajule, suhtlusele, juhtimisele ja ohutusele. Kuigi kõik jagavad modulaarset kihilist arhitektuuri, mõjutab töövaldkond tugevalt nende kihtide rakendamist 1). UAV-arhitektuurid on sageli tihedalt seotud lennujuhtimisriistvaraga, mis viib jagatud arhitektuurini:

  1. Sisseehitatud süsteem (reaalajas juhtimine ja tajumine)
  2. maapealne juhtimissüsteem (missiooni juhtimine, järelevalve)
UAV Architecture
Figure 1: Lihtsustatud UAV-arhitektuur (PX4 ja ArduPiloti raamistike alusel)

Mõned kõige populaarsemad arhitektuurid:

PX4 autopiloot Avatud lähtekoodiga lennujuhtimissüsteem, mis toetab multirootoreid, fikseeritud tiibadega ja VTOL-lennukeid. PX4 arhitektuur jaguneb andmeside jaoks Flight Stackiks (hinnang, juhtimine) ja Middleware Layeriks (uORB) 2)). Arhitektuuri tehniline teostus tagab ühilduvuse MAVLinki side ja ROS 2 integratsiooniga, muutes selle väga populaarseks ja laialdaselt kasutatavaks lahenduseks.ArduPilot Võrdluseks, ArduPilot on moodularhitektuur, millel on HAL-i (riistvaraabstraktsioonikiht), sõidukispetsiifilise koodi ja missiooni juhtimise kihid. Kogukond kasutab tehnilist teostust laialdaselt ning seda kasutatakse teadusuuringutes ja kaubanduslikes UAV-des kaardistamiseks, seireks ja logistikas 3).)

Siiski on mõned väljakutsed alles:

Maapealsete sõidukite arhitektuur

Maapealsed autonoomsed süsteemid hõlmavad isejuhtivaid autosid, mehitamata maapealseid sõidukeid (UGV) ja kohaletoimetamisroboteid. Nende arhitektuur peab haldama keerulisi interaktsioone dünaamiliste keskkondadega, mitme anduri fusiooniga ja rangete ohutusnõuetega 5). Maapealse sõiduki tarkvarapakk integreerib kõrgetasemelise otsustusprotsessi madala tasemega sõiduki dünaamikaga, tagades vastavuse ISO 26262 funktsionaalsetele ohutusstandarditele 6). Üks kasutatud võrdlusarhitektuur on Autoware.AI (ja selle järglane Autoware.Auto), mis on avatud lähtekoodiga tugiarhitektuur autonoomse sõidu jaoks, mis on üles ehitatud ROS/ROS 2-le. See rakendab kõiki L4 autonoomia jaoks vajalikke funktsionaalseid mooduleid, sealhulgas:

Autoware rõhutab modulaarsust, võimaldades integreerimist riistvara-in-the-loop (HIL) simulaatorite ja tõeliste sõidukiplatvormidega 7)) (ICCPS))). Praegu kasutab autotööstus tulevaste autonoomsete maismaatranspordisüsteemide väljatöötamise ja praktilise rakendamise edendamiseks mitmeid standardeid:

Meresõidukite arhitektuur

Autonoomsed meresõidukid töötavad karmides ettearvamatutes keskkondades, mida iseloomustavad side latentsusaeg, piiratud juurdepääs GPS-ile ja energiapiirangud. Nende hulka kuuluvad AUV-d (autonoomsed veealused sõidukid), ASV-d (autonoomsed pinnasõidukid) ja ROV-id (kaugjuhitavad sõidukid). Need sõidukid toetuvad suuresti akustilisele kommunikatsioonile ja inertsiaalsele navigatsioonile, nõudes arhitektuure, mis suudavad töötada iseseisvalt pikka aega ilma inimese sekkumiseta (1).

Marine Vehicle Architecture
Figure 2: Lihtsustatud meresõidukite arhitektuur (põhineb MOOS-IvP-l)

Võrdlusarhitektuur põhineb MOOS-i (Mission-Oriented Operating Suite) IvP arhitektuuril, millest on varem juttu olnud. See pakub protsessidevahelist suhtlust ja logimist, samas kui IvP Helm võimaldab otsustusmootorit, kasutades käitumispõhist optimeerimist IvP funktsioonide kaudu. Arhitektuur toetab hajutatud koordineerimist (mitme sõiduki missioonid) ja jõulist madala ribalaiusega sidet (2). Arhitektuuri kasutatakse laialdaselt NATO CMRE ja MIT Marine Robotics uurimistöös 8).

Domeenidevaheline võrdlev analüüs

Kuigi üldine suundumus on modulaarsuse, abstraktsiooni ja taaskasutamise eelised, on rakendusvaldkondade vahel olulisi erinevusi.

Aspekt Õhu Maa Mere
Esmased raamistikud PX4, ArduPilot, ROS 2 Autotarbed, ROS 2, AUTOSAR MOOS-IvP
Suhtlemine MAVLink, RF, 4G/5G Ethernet, V2X, CAN Akustiline, Wi-Fi
Lokaliseerimine GPS, IMU, Vision GPS, LiDAR, HD kaardid DVL, IMU, Akustiline
Peamine väljakutse Reaalajas stabiilsus Anduri sulandumine ja ohutus Navigatsiooni ja side viivitus
Ohutusstandard DO-178C ISO 26262 IMCA juhised
Emerging Trend Sülemi autonoomia Edge AI Ühistute laevastikud

Kokkuvõtteks võib öelda, et edukas autonoomia põhineb kindlal tarkvaraarhitektuuril, mitte konkreetsel üksikul algoritmil. Väljatöötatud raamistikud pakuvad praktilisi plaane, mida saab kohandada, segada ja laiendada, et täita missiooni nõudmisi õhus, maal ja merel.

1)
Kendoul, F. (2012). Four-dimensional guidance and control of autonomous aerial vehicles. IEEE Transactions on Control Systems Technology, 20(1), 283–297.), P.,(Corsrie)(J,,,Corsrie) S. (2017): Suuremahulise autonoomia loomine kontrollis, 43, 19–35). Mõned kõige olulisemad väljakutsed ja erinevused on loetletud järgmises tabelis.
Domeen Keskkonnapiirangud Arhitektuurilised väljakutsed
Õhust 3D-liikumine, range ohutus ja stabiilsus, piiratud võimsus Reaalajas juhtimine, õhuruumi koordineerimine, tõrkeohutusseadmed
Maa Struktureeritud/struktureerimata maastik, suhtlemine inimestega. Kompleksne lokaliseerimine ja kaardistamine Andurite liitmine, dünaamilise tee planeerimine, V2X side
Mere Veealune akustika, side latentsus ja lokaliseerimise triiv Halva nähtavuse korral navigeerimine, adaptiivne juhtimine ja energiahaldus
===== Õhusõidukite arhitektuur ===== Autonoomsete õhusüsteemide hulka kuuluvad mehitamata õhusõidukid (UAV), droonid ja autonoomsed õhusõidukid. Nende tarkvaraarhitektuur peab tagama lennu stabiilsuse, reaalajas juhtimise ja ohutuse järgimise, toetades samal ajal missioonitaseme autonoomiat ((Kendoul, F. (2012). Autonoomsete õhusõidukite neljadimensionaalne juhtimine ja juhtimine. IEEE Transactions on Control Systems Technology, 20(1), 283–297
2)
Meier, L., Tanskanen, P., Heng, L., Lee, G. H., Fraundorfer, F., & Pollefeys, M. (2015). PX4: A node-based autopilot/EERS Conference Robot EE/Intelliot International. ja süsteemid (IROS
3)
ArduPiloti arendusmeeskond. (2023). ArduPiloti dokumentatsioon. https://ardupilot.org
4)
EUROCONTROL. (2022). UAS Traffic Management (UTM) Framework 2.0. Brüssel: EUROCONTROL
5)
Bojarski, M. et al. (2016). End to end learning for self-driving cars. arXiv preprint arXiv:1604.07316.
6)
Broy, M., et al. (2021). Modeling Automotive Software Architectures with AUTOSAR. Springer
7)
Kato, S., et al. (2018). Autoware on board: Enabling autonomous vehicles with embedded systems. Proceedings of the 9th ACM/IEEE International Conference on Cyber-Physical Systems
8)
Curcio, J. A., Leonard, J. J., & Patrikalakis, A. (2005). IEEE/MTS OCEANS konverentsi materjalid.