В современной войне все чаще используются беспилотные системы, такие как дроны, беспилотные наземные транспортные средства и беспилотные лодки, которые постепенно внедряются на поле боя.Однако у отдельных беспилотных систем есть ограничения по грузоподъемности и функциональным возможностям, а также ограниченные боевые возможности.Чтобы компенсировать ограничения индивидуальных возможностей и одновременно повысить их адаптивность к боевым задачам, беспилотные системы могут быть задействованы в рое.Тактика роения позволяет полностью использовать их преимущества, такие как широкий радиус мониторинга и высокая устойчивость к повреждениям, наделяя их способностью самостоятельно выполнять сложные миссии и осуществлять междоменные операции в составе роя.

Координация коллективного интеллекта в беспилотных системах означает формирование группы беспилотных систем, выполняющих одну задачу под единым командованием и поддерживающих визуальный или тактический контакт.Технология координации коллективного интеллекта обеспечивает эффективное сотрудничество между узлами в стае посредством совместного восприятия, совместного принятия решений и планирования, а также координированного управления формацией, повышая адаптивность к сложным условиям и многозадачности.

NOKOV достигает реального времени позиционирования на уровне субмиллиметра для нескольких беспилотных систем

Для проверки надежности систем координации коллективного интеллекта обычно проектируются платформы, такие как формации беспилотных летательных аппаратов, наземных и морских беспилотных транспортных средств, предназначенные для валидации эффективности. Эти платформы систематически проверяют технологии совместного восприятия, принятия решений и управления формацией, которая изменяется во времени. Они обычно состоят из подсистемы сетевой коммуникации, подсистемы множественных агентов и композитной подсистемы позиционирования, при этом система захвата движения является основным методом позиционирования в рамках композитной подсистемы позиционирования.                                        

При проведении совместного принятия решений и проверке управления формированием необходимо сначала достичь автономного управления отдельными модулями. Для упрощения эксперимента можно использовать систему захвата движения NOKOV, которая позволяет одновременно определять местоположение нескольких беспилотных систем, причем данные о положении, скорости и ускорении служат входными сигналами для системы управления. Взяв в качестве примера дроны, контроль за следованием траектории дрона включает управление положением, оценку и контроль отношения. Типичное управление положением использует каскадный контроллер линейной скорости положения, выход которого является ускорением в системе координат системы захвата движения NOKOV.Решение положения Модуль преобразует данные акселерометра из системы координат системы захвата движения NOKOV в систему координат Земли, а затем в систему координат тела в качестве эталонного ускорения. Для контроля отношения ускорение разлагается для решения эталонных углов отношения, которые используются в качестве входных данных для управления дронами для достижения указанных местоположений.

В управлении кооперативным формированием кластерной структуры необходимо выполнить планирование траектории для лидера, при этом последователи отслеживают реальное положение лидера и поддерживают постоянное относительное положение для сохранения формы формации.В этом процессе беспилотному агрегату необходимо обмениваться информацией только с соседними агрегатами.Лидер должен создать эталонную траекторию и выполнить управление положением для точного следования желаемой траектории.Реальное положение и ориентация лидера могут быть получены напрямую через систему захвата движения NOKOV и переданы хранителю формации.Остальные агрегаты рассчитывают управляющую силу на основе относительных позиций для поддержания формы кластерной формации.

Когда модель ограничена своей грузоподъемностью, алгоритмы управления формацией и движением для экспериментов по проверке беспилотных систем (на примере беспилотных лодок) могут быть реализованы непосредственно на хост-компьютере.Данные, полученные системой захвата движения NOKOV, передаются на хост-компьютер, и после обработки используются в качестве управляющих команд для беспилотных лодок.Основная функция беспилотных лодок заключается в приеме управляющих сигналов с рабочей станции и управлении двумя винтами для достижения соответствующих скоростей.Хотя автономия каждой модели лодки низка и полностью распределенная формация сложна для достижения, эта централизованная платформа способствует быстрой реализации алгоритмов распределенной формации и алгоритмов управления движением.Рабочая станция захвата движения NOKOV транслирует данные наружу, исключая необходимость учитывать эффекты задержек связи и потерь пакетов.Платформа также может напрямую симулировать проблемы связи, такие как потери пакетов и задержки.

Кроме того, для беспилотных систем, использующих бортовые датчики для позиционирования и формирования полётных групп, при проверке эффективности технологий коллективного интеллекта и сотрудничества необходимо анализировать ошибку между оценочными траекториями движения дронов, беспилотных автомобилей и беспилотных лодок и их реальными траекториями движения. Обычно требуются высокоточные фактические траектории, обычно называемые "истинными значениями". Поскольку системы захвата движения могут достигать точности на уровне субмиллиметра и синхронно фиксировать траектории нескольких беспилотных систем, в то время как бортовые системы позиционирования, такие как системы SLAM, имеют ошибки как минимум на уровне сантиметров, использование систем захвата движения в качестве "истинных значений" является надежным.

Системы захвата движения NOKOV используются для совместных исследований в области коллективного интеллекта.

NOKOV Motion Capture сотрудничает с несколькими университетами и научно-исследовательскими институтами в разработке платформ для верификации технологий кластерного интеллекта, выступая в качестве решения для внутренней позиционной системы в их системах.

Гетерогенное сотрудничество роев БПЛА/БПЛА Пекинского технологического института

Кластерные системы интеллектуального совместного управления используют алгоритмы консенсуса для выполнения согласованных воздушно-наземных патрульных миссий, используя гибкость беспилотных аппаратов для выполнения задач окружения, сосредоточенных на целях противника, что напоминает стратегию спутникового окружения. Основываясь на широком обзоре дронов и высокой маневренности беспилотных транспортных средств, дроны могут быстро передавать информацию о расположенных целях беспилотным транспортным средствам, которые затем начинают целенаправленное окружение после получения информации.

В установке используется комбинированная система позиционирования, которая в основном опирается на внешнюю оптическую систему захвата движения NOKOV для первичного позиционирования и коррекции, дополненную бортовыми инерциальными устройствами, формируя многокомпонентную систему комбинированного позиционирования. Позиционирование дронов может осуществляться с использованием комбинации внешнего оптического захвата движения, инерциальной навигации и визуальной навигации; в то время как беспилотные транспортные средства в первую очередь полагаются на данные оптического позиционирования и переходят к "резервной" информации о позе от инерциальных устройств в случае потери оптических данных, обеспечивая непрерывную работу.

Совместное избегание препятствий для беспилотных транспортных средств от Института автоматизации Китайской академии наук

Команда под руководством профессора Пу Чжичяна из Института автоматизации Китайской академии наук разработала интеллектуальную систему беспилотных кластеров. Эта система беспилотных кластеров разделена на три подсистемы: подсистему позиционирования, подсистему связи и подсистему управления. Система позиционирования интегрирует оптическую систему захвата движения NOKOV с бортовыми инерциальными блоками для позиционирования. Учитывая диапазон захвата, было установлено 24 оптических позиционирующих камеры Mars2H, в том числе 8 камер на высоте 5 метров и 16 камер на высоте 8,5 метров, охватывающих пространство 12м*12м*8,5м.

Во время экспериментов на каждом беспилотном транспортном средстве и препятствии размещаются отражающие маркеры. Различные расположения этих маркеров используются для идентификации уникальных идентификационных номеров роботов. Захватывая отражающие маркеры на беспилотных транспортных средствах и препятствиях, получают трехмерные координаты маркеров, которые затем транслируются в реальном времени с использованием SDK. Одно беспилотное транспортное средство может получать информацию о своем положении, положении близлежащих беспилотных транспортных средств и препятствиях с точностью до долей миллиметра.