Correo Electrónico
DNINFOA - SIA
Bibliotecas
Convocatorias
Identidad UNAL
Sedes
DragonFly, campeones de competencia con minidrones
El seguidor de línea propuesto por DragonFly se destacó por su desempeño, es decir por la facilidad del dron para seguir la ruta. Foto: Sebastián Felipe Alzate Corredor.
El ambiente de programación fue desarrollado con las herramientas de MathWorks. Fotos: Equipo DragonFly.
El dron utilizado por el equipo para hacer las pruebas físicas de sus algoritmos fue un Parrot Mambo Mini Drone.
Procesamiento de imagen.
Planificador de ruta del dron.
El reto propuesto por la MathWorks Minidrone Competition 2020, organizada por MathWorks –una corporación privada estadounidense que se especializa en software de computación matemática–, consistía en simular el ambiente de un dron, el cual tenía que seguir un camino específico y cumplir con la tarea de llegar al final del camino y aterrizar, utilizando las herramientas de Mathworks.
El punto ganador que tenía la línea de trayecto propuesta por DragonFly fue el desempeño, es decir la facilidad que tenía el dron para seguir la ruta deseada.
“Muchos algoritmos tenían un camino muy ‘turbulento’ y el nuestro era un movimiento mucho más fluido, ya que intentábamos acoplar simultáneamente los tres movimientos: de avance, lateral y de rotación, a diferencia de los otros equipos, que pretendían desarrollarlos de manera independiente”, explican los estudiantes.
El equipo DragonFly, que compitió con 16 grupos de diferentes universidades del país, está conformado por: Juan Sebastián Dueñas, Sergio Esteban Quintero Benavides y Juan Diego Plaza Gómez.
Entre las herramientas más destacadas de esta competencia figuran Matlab y Simulink, las cuales permiten analizar datos y generar ambientes de simulación.
Desde agosto del año pasado, los 16 equipos trabajaron en la propuesta que respondiera al reto impuesto por los organizadores.
Cada equipo tenía que realizar una explicación de cómo funcionan los algoritmos de control y presentarlos al público en una sesión virtual. Los participantes subían un código de algoritmos de control, según el cual los desarrolladores de Matlab lo probaban colocando distintas pistas para que el dron las recorriera, y así daban un puntaje.
Los 6 equipos que lograran los mejores recorridos en dichas pistas pasaban a la segunda ronda, en la que debían realizar una presentación, responder una serie de preguntas, y después de evaluar el desempeño, los desarrolladores del concurso anunciaban al ganador.
Para lograr su propuesta ganadora, los estudiantes de la UNAL utilizaron un proyecto base, proporcionado por Matlab, que brindaba un ambiente de simulación sobre el cual se podían probar diferentes algoritmos de control de este seguidor de línea. Se utilizó entonces la metodología de diseño trabajado en modelos, es decir diseñando objetos reales como la práctica del dron en un ambiente de simulación, mediante la herramienta Simulink.
Luego, por medio de un diagrama de bloques, se modelaba el comportamiento físico de los componentes y se simulaba el ambiente, para crear una lógica capaz de darle comandos de movimiento al dron, de manera que, basado en las imágenes, pudiera desplazarse.
Por otro lado, como en un principio se planeaba que la competencia fuera presencial, el equipo de la UNAL realizó algunas prácticas con los códigos que estaban realizando en un minidron Parrot Mambo Mini Drone, de manera que este siguiera el camino y se comportara como lo esperaban. Dicho minidron fue facilitado por el profesor Ricardo Ramírez, del Departamento de Ingeniería Mecánica y Mecatrónica de la UNAL, quien asesoró todo el proceso.
Los seguidores de línea son muy utilizados en cultivos cuando se quiere hacer un riego automatizado o un análisis del estado del cultivo, ya que los drones son capaces de seguir la ruta de siembra. También se pueden emplear para analizar una pista de avión para sistemas más complejos de vehículos aéreos no tripulados, con el fin de saber dónde debe despegar y aterrizar.
Sin embargo, el equipo de la UNAL aclara que el suyo es un primer acercamiento a la navegación en un vehículo aéreo no tripulado, y para utilizarlo en las aplicaciones mencionadas tendrían que usar otra clase de sensores y un algoritmo de navegación más robusto.
Además se debe tener en cuenta el ruido, porque en el ámbito real existe una señal de ruido subyacente y otras perturbaciones en el ambiente que dificultarían el control del dron. Por eso, un siguiente paso sería implementar estas mejoras y ponerlas a prueba en ambientes más complejo y menos controlados.
