Nature Machine Intelligence 基于强化学习的扑翼无人机机翼应变飞行控制
尽管无人机技术发展迅速，但复制生物飞行的动态控制和风力感应能力，仍然遥不可及。生物学研究表明，昆虫翅膀上有机械感受器，即钟形感受器campaniform sensilla，探测飞行敏捷性至关重要的复杂气动载荷。
近日，韩国亚洲大学（Ajou University）Taewi Kim, Insic Hong, Sunghoon Im, Je-sung Koh，Seungyong Han & Daeshik Kang等，韩国即时通信Kakao公司的Seungeun Rho等，在Nature Machine Intelligence上发文，利用模拟这些生物系统的机器人实验，证实了机翼应变提供了无人机姿态角以及风向和风速的关键信息。
研发了可应用于扑翼无人机的“感知飞行”控制技术，利用施加在扑翼无人机机翼上的气动力，推导重要的飞行数据，如姿态和气流，而无需加速计和陀螺传感器。
目前工作包括五个关键实验：用于提供状态信息的机翼应变传感器系统初步验证，在风变化的单自由度运动环境中的控制技术，在重力姿态调整的两自由度运动环境中的控制技术，在有风条件下的位置控制测试，以及在无风条件下，仅使用机翼应变传感器的精确飞行路径操纵的演示。
在强化学习驱动的飞行控制器帮助下，已经成功地演示了仅使用机翼应变传感器，在各种环境中控制扑翼无人机。从阵风阻力到自主飞行机器人的风力辅助飞行，这种环境变化的适应性，将有利于各种应用。
预计这种扑翼无人机控制技术，可用于间谍机器人、勘探和救灾机器人等自行感知风向并飞向目标位置的机器人。
Wing-strain-based flight control of flapping-wing drones through reinforcement learning.
基于强化学习的扑翼无人机机翼应变飞行控制
图1: 基于感知飞行的飞行控制策略。
图2:从机翼应变数据中，提取气动特征。
图3: 通过感知风向和风速进行位置控制，风向和风速因位置而异。
图4 在两个自由度环境中的的强化学习reinforcement learning，RL。
图5: 具有感知飞行系统的扑翼无人机位置控制。