← 全部專案

尋找航向

必須順應風聲的軟體。

角色

軟體貢獻者

背景

Kehillah Sailbot

工具與方法

ROS 2 · 狀態估計 · 模型預測控制 · 物理模擬 · 嵌入式 C++

為「尋找航向」手工打造的島嶼模型
島嶼解說

湖畔的測試站,風是主角。

為本網站以 Blender 製作的插圖。它用來說明概念,並非專案的資料。

專案原始圖片、圖表和影片保留原文。

問題的起點

自主船必須把不完美的資訊轉化為實際的物理決策。我在 Kehillah Sailbot 的貢獻集中在導航、轉向、風向濾波、狀態估計,以及用來研究船隻行為的模擬器。在本網站首頁載著你穿梭於各島嶼之間的小船,就是以團隊模擬的三體船為原型。

49.3°團隊極曲線表中的最佳上風角
±21°控制器必須遵守的舵角行程
10狀態估計器追蹤的量
01

關閉循環

團隊的系統執行於 ROS 2:感測器發布 GPS 定位、風向與慣性讀數;導航節點做出決定;舵與帆的指令經由各自的 topic 送出。我參與的是兩端之間的軟體:平滑風向讀數並標記陣風、估計船隻狀態,以及把期望航向轉換為指令。

02

依風向,決定該指向哪裡

帆船無法正對著風航行。團隊的路徑規劃器讀取一張船速對風向角的極曲線表,利用其中的最佳角度(上風時偏離風向 49.3°,下風時 124.4°)來判斷航線何時需要迎風換舷,以及該在哪裡轉向。基準的帆面調整是一條簡單的比例規則,本網站首頁上的小船也使用同一條規則。

03

尊重物理限制

我的模型預測轉向工作以一階偏航模型預測船隻接下來幾步的航向,並選擇能讓航向誤差、轉向速率與舵的動作量都保持較小的舵角變化。舵的 ±21° 行程與最大轉動速率是硬性約束,橫傾超過 25° 則會受到懲罰。模型的常數是假設的預設值,並未在水上校準。

04

估計無法直接量測的量

平方根無跡卡爾曼濾波器根據 GPS、羅盤與慣性量測,追蹤十個量,包括位置、航向、速度、橫傾以及兩個致動器的角度。另一個獨立的帆面最佳化器利用升力與阻力關係(包含失速後模型)來建議帆面調整,並在橫傾增加時鬆帆。

05

在模擬中學習

團隊的物理模擬器模擬一艘在小湖上的 15 kg 三體船,帆與船體的升力和阻力取自已發表的係數表。我在這部分做的是工程強化:輸入驗證、錯誤處理、日誌記錄與型別化常數,讓錯誤的設定會明確報錯,而不是產生一次看似合理的執行結果。本頁沒有任何內容是水上實測結果。

技術實作

決定變成舵角。

  1. 01

    連接控制迴路

    該團隊的ROS 2架構將感測器輸入、導航和致動分開。 GPS 定位和風向為控制系統提供信息,而方向舵和航行命令則在專門的主題上運行。這種分離使得資料進入決策而命令使其可供檢查。

  2. 02

    限制下一步行動

    轉向控制器在十步的預測範圍內最小化一個成本:航向誤差、偏航速率與舵角變化量,外加一個終端航向項。求解時受到舵角 ±21° 和每秒 15° 轉動速率的限制,因此計畫中只包含伺服機實際做得到的動作。如果最佳化器失敗,比例控制器仍作為備援。

  3. 03

    研究部署前的行為

    模擬器在每個時間步內分成數個子步驟,對每片翼面積分形式為 ½·C·ρ·v²·A 的力。它把軟體問題(應該下達什麼指令?)與船隻如何反應的物理問題連結起來。控制器與模擬器中的參數目前還彼此不一致,如何調和仍是待解決的工作。

儲存庫記錄的是團隊的 ROS 2 系統;賽事框架、換舷規劃器與基準控制器都屬於團隊。我的貢獻集中在導航、轉向、風向濾波、狀態估計與模擬。儲存庫中後來一次自動化測試執行,因匯入錯誤只有少數案例通過,這一點如實記錄,並未隱藏。

探索帆船控制儲存庫
這不代表什麼

誠實的邊界。

  • 這裡不報告任何競賽或水上表現。這些工作均為模擬或桌面測試。
  • 儲存庫規劃文件中的改善數字是預測,而非量測結果。
  • 控制器的船隻模型使用假設的常數,尚未以實際船隻進行校準。
來自我的作品集電影

工作中導覽。

觀看完整影片
下載視頻

英文音頻。字幕支援所有十種網站語言;翻譯是機器輔助的。

閱讀文字記錄

00:00 故事從一片湖開始。

00:01 這是學校的 Sailbot 模擬器,在電腦上執行,由自動駕駛程式控制轉向。

00:06 底層程式碼計算船體受到的力,讓船前進一小步,再重複這個過程。

00:11 運動,就是隨著時鐘不斷更新狀態。

我的作品集電影的摘錄,展示了 Sailbot 模擬器、船隻控制裝置和模擬路線。這是一個軟體演示,而不是水面上自動駕駛船的鏡頭。

鄰近島嶼

兩者的連結。

背景與延伸閱讀

島嶼僅為示意插圖。本頁描述的是軟體貢獻,不報告未經驗證的競賽或水上表現。