Un avión autónomo es un avión que vuela bajo el control de sistemas automáticos y no necesita la intervención de un piloto humano. La mayoría de los aviones autónomos son vehículos aéreos no tripulados o drones, sin embargo, los sistemas de control autónomos están llegando a un punto en el que se están desarrollando varios taxis aéreos y regímenes regulatorios asociados.
Historia
Vehículos aéreos no tripulados
El primer uso registrado de un vehículo aéreo no tripulado para la guerra se produjo en julio de 1849, [1] sirviendo como porta-globos (el precursor del portaaviones ) [2] El desarrollo significativo de drones radiocontrolados comenzó a principios del siglo XX, y originalmente centrado en proporcionar objetivos de práctica para la formación de personal militar. El primer intento de un UAV motorizado fue el "Objetivo Aéreo" de AM Low en 1916. [3]
Las características autónomas como el piloto automático y la navegación automatizada se desarrollaron progresivamente a lo largo del siglo XX, aunque técnicas como la coincidencia de contorno del terreno (TERCOM) se aplicaron principalmente a los misiles de crucero .
Algunos drones modernos tienen un alto grado de autonomía, aunque no son totalmente capaces y el entorno regulatorio prohíbe su uso generalizado en la aviación civil. Sin embargo, se han realizado algunos ensayos limitados.
Pasajeros
A medida que los sistemas de vuelo, navegación y comunicaciones se han vuelto más sofisticados, el transporte seguro de pasajeros ha surgido como una posibilidad práctica. Los sistemas de piloto automático están liberando al piloto humano de cada vez más funciones, pero la trama en sí sigue siendo necesaria.
Se están desarrollando varios taxis aéreos y también se están planificando transportes autónomos más grandes. El vehículo aéreo personal es otra clase en la que no se espera que de uno a cuatro pasajeros puedan pilotar la aeronave y se considera que la autonomía es necesaria para una adopción generalizada.
Arquitectura del sistema de control
La capacidad informática de los sistemas de navegación y vuelo de aviones siguió los avances de la tecnología informática, comenzando con los controles analógicos y evolucionando hacia los microcontroladores, luego los sistemas en un chip (SOC) y las computadoras de placa única (SBC).
Sensores
Los sensores de posición y movimiento brindan información sobre el estado de la aeronave. Los sensores exteroceptivos manejan información externa como mediciones de distancia, mientras que los exproprioceptivos correlacionan estados internos y externos. [4]
Los sensores no cooperativos pueden detectar objetivos de forma autónoma, por lo que se utilizan para garantizar la separación y evitar colisiones. [5]
Los grados de libertad (DOF) se refieren tanto a la cantidad como a la calidad de los sensores a bordo: 6 DOF implica giroscopios y acelerómetros de 3 ejes (una unidad de medición inercial típica - IMU), 9 DOF se refiere a una IMU más una brújula, 10 DOF agrega un barómetro y 11 DOF generalmente agrega un receptor GPS. [6]
Actuadores
Los actuadores UAV incluyen controladores de velocidad electrónicos digitales (que controlan las RPM de los motores) vinculados a motores / motores y hélices , servomotores (para aviones y helicópteros principalmente), armas, actuadores de carga útil, LED y altavoces.
Software
Software UAV llamado pila de vuelo o piloto automático. El propósito de la pila de vuelo es obtener datos de los sensores, controlar los motores para garantizar la estabilidad del UAV y facilitar el control en tierra y la comunicación de planificación de la misión. [7]
Los UAV son sistemas en tiempo real que requieren una respuesta rápida a los datos cambiantes de los sensores. Como resultado, los UAV dependen de las computadoras de placa única para sus necesidades computacionales. Ejemplos de tales computadoras de placa única incluyen Raspberry Pis , Beagleboards , etc. blindados con NavIO , PXFMini , etc. o diseñados desde cero como NuttX , preemptive- RT Linux , Xenomai , Orocos-Robot Operating System o DDS-ROS 2.0 .
Capa | Requisito | Operaciones | Ejemplo |
---|---|---|---|
Firmware | Tiempo critico | Desde el código de la máquina hasta la ejecución del procesador, el acceso a la memoria | ArduCopter-v1, PX4 |
Middleware | Tiempo critico | Control de vuelo, navegación, gestión de radio. | PX4, Cleanflight, ArduPilot |
Sistema operativo | Intensivo en informática | Flujo óptico, evitación de obstáculos, SLAM, toma de decisiones | ROS, Nuttx, distribuciones de Linux, Microsoft IOT |
Las pilas de código abierto de uso civil incluyen:
- ArduCopter
- CrazyFlie
- KKMultiCopter
- MultiWii
- BaseFlight (bifurcado de MultiWii)
- CleanFlight (bifurcado de BaseFlight)
- BetaFlight (bifurcado de CleanFlight)
- iNav (bifurcado de CleanFlight)
- RaceFlight (bifurcado de CleanFlight)
- CleanFlight (bifurcado de BaseFlight)
- BaseFlight (bifurcado de MultiWii)
- OpenPilot
- dRonin (bifurcado de OpenPilot)
- LibrePilot (bifurcado de OpenPilot)
- TauLabs (bifurcado de OpenPilot)
- Paparazzi
- Piloto automático PX4
- DroneCode (organización paraguas que gestiona PX4 dentro de la Fundación Linux )
Debido a la naturaleza de código abierto del software UAV, se pueden personalizar para adaptarse a aplicaciones específicas. Por ejemplo, investigadores de la Universidad Técnica de Košice han reemplazado el algoritmo de control predeterminado del piloto automático PX4. [8] Esta flexibilidad y esfuerzo de colaboración ha dado lugar a una gran cantidad de diferentes pilas de código abierto, algunas de las cuales se bifurcan de otras, como CleanFlight, que se bifurca desde BaseFlight y de las que se bifurcan otras tres pilas.
Principios de bucle
Los UAV emplean arquitecturas de control de circuito abierto, circuito cerrado o híbridas.
- Lazo abierto : este tipo proporciona una señal de control positiva (más rápida, más lenta, izquierda, derecha, arriba, abajo) sin incorporar retroalimentación de los datos del sensor.
- Circuito cerrado : este tipo incorpora retroalimentación de sensor para ajustar el comportamiento (reducir la velocidad para reflejar el viento de cola, moverse a una altitud de 300 pies). El controlador PID es común. A veces, se emplea feedforward , lo que transfiere la necesidad de cerrar aún más el ciclo. [9]
Comunicaciones
La mayoría de los vehículos aéreos no tripulados utilizan una radio para el control remoto y el intercambio de video y otros datos . Los primeros vehículos aéreos no tripulados solo tenían un enlace ascendente de banda estrecha . Los enlaces descendentes llegaron más tarde. Estos enlaces de radio bidireccionales de banda estrecha transportaban datos de mando y control (C&C) y de telemetría sobre el estado de los sistemas de la aeronave al operador remoto. Para vuelos de muy largo alcance, los vehículos aéreos no tripulados militares también utilizan receptores de satélite como parte de los sistemas de navegación por satélite . En los casos en que se requiera transmisión de video, los UAV implementarán un enlace de radio de video analógico separado.
En la mayoría de las aplicaciones autónomas modernas, se requiere transmisión de video. Un enlace de banda ancha se utiliza para transportar todo tipo de datos en un solo enlace de radio. Estos enlaces de banda ancha pueden aprovechar las técnicas de calidad de servicio para optimizar el tráfico C&C para una baja latencia. Por lo general, estos enlaces de banda ancha transportan tráfico TCP / IP que se puede enrutar a través de Internet.
Las comunicaciones se pueden establecer con:
- Control terrestre: una estación de control terrestre militar (GCS) . El protocolo MAVLink se está volviendo cada vez más popular para transportar datos de comando y control entre el control de tierra y el vehículo.
- Sistema de red remoto, como enlaces de datos dúplex por satélite para algunas potencias militares . [10] El vídeo digital descendente a través de redes móviles también ha entrado en los mercados de consumo, [11] mientras que el enlace ascendente de control directo de UAV sobre la malla celular y LTE se ha demostrado y está en fase de prueba. [12]
- Otro avión, que sirve como relevo o estación de control móvil: equipo militar tripulado y no tripulado (MUM-T). [13]
A medida que las redes móviles han aumentado en rendimiento y confiabilidad a lo largo de los años, los drones han comenzado a utilizar redes móviles para comunicarse. Las redes móviles se pueden utilizar para seguimiento de drones, pilotaje remoto, actualizaciones por aire [14] y computación en la nube. [15]
Los estándares de redes modernos han considerado explícitamente los aviones autónomos y, por lo tanto, incluyen optimizaciones. El estándar 5G ha exigido una latencia reducida del plano del usuario a 1 ms mientras utiliza comunicaciones ultra confiables y de baja latencia. [dieciséis]
Autonomía
La autonomía básica proviene de los sensores propioceptivos. La autonomía avanzada requiere conciencia de la situación, conocimiento sobre el entorno que rodea a la aeronave a partir de sensores externos: la fusión de sensores integra información de múltiples sensores. [4]
Principios básicos
Una forma de lograr el control autónomo emplea múltiples capas de bucle de control, como en los sistemas de control jerárquico . A partir de 2016, los bucles de capa baja (es decir, para el control de vuelo) marcan tan rápido como 32.000 veces por segundo, mientras que los bucles de nivel superior pueden realizar un ciclo una vez por segundo. El principio es descomponer el comportamiento de la aeronave en "fragmentos" manejables, o estados, con transiciones conocidas. Los tipos de sistemas de control jerárquico van desde scripts simples hasta máquinas de estados finitos , árboles de comportamiento y planificadores de tareas jerárquicos . El mecanismo de control más común utilizado en estas capas es el controlador PID que se puede utilizar para lograr un vuelo estacionario para un quadcopter utilizando datos de la IMU para calcular entradas precisas para los controladores de velocidad electrónicos y motores. [ cita requerida ]
Ejemplos de algoritmos de capa media:
- Planificación de la ruta: determinación de la ruta óptima que debe seguir el vehículo mientras se cumplen los objetivos y las limitaciones de la misión, como los obstáculos o los requisitos de combustible.
- Generación de trayectorias ( planificación del movimiento ): determinación de las maniobras de control a realizar para seguir una ruta determinada o ir de un lugar a otro [17] [18]
- Regulación de trayectoria: restringir un vehículo dentro de cierta tolerancia a una trayectoria
Los planificadores de tareas jerárquicos de UAV evolucionados utilizan métodos como búsquedas de árboles de estado o algoritmos genéticos . [19]
Funciones de autonomía
Los fabricantes de vehículos aéreos no tripulados a menudo incorporan operaciones autónomas específicas, como:
- Autonivelación: estabilización de actitud en los ejes de cabeceo y balanceo.
- Retención de altitud: la aeronave mantiene su altitud mediante presión barométrica y / o datos de GPS.
- Estacionar / mantener la posición: Mantenga el cabeceo y el balanceo nivelados, el rumbo y la altitud de guiñada estables mientras mantiene la posición utilizando GNSS o sensores inerciales.
- Modo sin cabeza: control de cabeceo relativo a la posición del piloto en lugar de relativo a los ejes del vehículo.
- Sin preocupaciones: control automático de balanceo y guiñada mientras se mueve horizontalmente
- Despegue y aterrizaje (usando una variedad de aeronaves o sensores y sistemas terrestres; ver también: Autoland )
- A prueba de fallas: aterrizaje automático o regreso a casa en caso de pérdida de la señal de control
- Regreso a casa: Vuele de regreso al punto de despegue (a menudo ganando altitud primero para evitar posibles obstrucciones intermedias, como árboles o edificios).
- Sígueme: mantenga la posición relativa a un piloto en movimiento u otro objeto utilizando GNSS, reconocimiento de imágenes o baliza de referencia.
- Navegación por puntos de ruta GPS: uso de GNSS para navegar a una ubicación intermedia en una ruta de viaje.
- Órbita alrededor de un objeto: similar a Sígueme pero rodeando continuamente un objetivo.
- Acrobacias aéreas preprogramadas (como rollos y bucles)
Funciones
La autonomía total está disponible para tareas específicas, como el reabastecimiento de combustible en el aire [20] o el cambio de batería en tierra; pero las tareas de nivel superior exigen mayores capacidades de cálculo, detección y actuación. Un enfoque para cuantificar las capacidades autónomas se basa en la terminología OODA , como lo sugirió un Laboratorio de Investigación de la Fuerza Aérea de los EE . UU. En 2002 , y se utiliza en la siguiente tabla: [21]
Nivel | Descriptor de nivel | Observar | Orientar | Decidir | actuar |
---|---|---|---|---|---|
Percepción / conciencia situacional | Análisis / Coordinación | Toma de decisiones | Capacidad | ||
10 | Totalmente autónomo | Consciente de todo dentro del espacio de batalla | Coordenadas según sea necesario | Capaz de total independencia | Requiere poca orientación para hacer el trabajo |
9 | Conocimiento del enjambre del espacio de batalla | Inferencia del espacio de batalla: intención de uno mismo y de los demás (aliados y enemigos). Entorno complejo / intenso: seguimiento a bordo | Metas de grupo estratégicas asignadas Estrategia enemiga inferida | Planificación grupal táctica distribuida Determinación individual del objetivo táctico Planificación / ejecución de tareas individuales Elige objetivos tácticos | Logro grupal de la meta estratégica sin asistencia de supervisión |
8 | Conocimiento del espacio de batalla | Inferencia de proximidad: intención de uno mismo y de los demás (aliados y enemigos) Reduce la dependencia de datos externos | Metas de grupo estratégicas asignadas Tácticas enemigas inferidas ATR | Planificación grupal táctica coordinada Planificación / ejecución de tareas individuales Elija el objetivo de la oportunidad | Logro grupal de la meta estratégica con mínima asistencia de supervisión (ejemplo: ir a cazar SCUD) |
7 | Conocimiento del espacio de batalla | Conocimiento de pistas cortas: historia y espacio de batalla predictivo Datos en un rango, período de tiempo y números limitados Inferencia limitada complementada con datos externos | Metas grupales tácticas asignadas Trayectoria enemiga estimada | Planificación / ejecución de tareas individuales para cumplir con los objetivos | Logro grupal de objetivos tácticos con mínima asistencia de supervisión |
6 | Tiempo real Cooperación de varios vehículos | Conciencia a distancia: detección a bordo de largo alcance, complementado con datos externos | Metas grupales tácticas asignadas Trayectoria enemiga detectada / estimada | Planificación y ejecución coordinada de la trayectoria para cumplir con los objetivos: optimización del grupo | Logro grupal de objetivos tácticos con mínima asistencia de supervisión Posible: separación cercana del espacio aéreo (+/- 100yds) para AAR, formación en condiciones sin amenaza |
5 | Tiempo real Coordinación de varios vehículos | Conciencia detectada: sensores locales para detectar a otros, Fusionada con datos externos | Plan de grupo táctico asignado RT Health Diagnosis Capacidad para compensar la mayoría de fallas y condiciones de vuelo; Capacidad para predecir la aparición de fallas (p. Ej., Administración de salud pronóstica) Diagnóstico grupal y gestión de recursos | Replanificación de trayectoria a bordo: optimiza las condiciones actuales y predictivas Evitación de colisiones | Autocumplimiento del plan táctico asignado externamente Separación del espacio aéreo de vehículos medianos (cientos de yardas) |
4 | Adaptativo a fallas / eventos Vehículo | Conciencia deliberada: los aliados comunican datos | Plan de grupo táctico asignado Reglas de compromiso asignadas Diagnóstico de salud RT; Capacidad para compensar la mayoría de fallas y condiciones de vuelo: cambios en el circuito interno reflejados en el rendimiento del circuito externo | Replanificación de trayectoria a bordo: impulsada por eventos Autogestión de recursos Desconflicto | Autocumplimiento del plan táctico asignado externamente Separación del espacio aéreo de vehículos medianos (cientos de yardas) |
3 | Respuesta robusta a fallas / eventos en tiempo real | Historial de salud / estado y modelos | Plan de grupo táctico asignado RT Health Diagnosis (¿Cuál es el alcance de los problemas?) Capacidad para compensar la mayoría de fallas y condiciones de vuelo (es decir, control de bucle interno adaptativo) | Evalúe el estado frente a las capacidades de misión requeridas Abortar / RTB es insuficiente | Autocumplimiento del plan táctico asignado externamente |
2 | Misión cambiante | Sensores de estado / salud | Diagnóstico RT Health (¿tengo problemas?) Replanificación externa (según sea necesario) | Ejecute planes preprogramados o cargados en respuesta a la misión y las condiciones de salud | Autocumplimiento del plan táctico asignado externamente |
1 | Ejecutar planificado previamente Misión | Datos de misión precargados Control de vuelo y detección de navegación | BIT antes / después del vuelo Estado del informe | Planes de aborto y misión preprogramados | Requisitos de separación del espacio aéreo amplio (millas) |
0 | Remotamente Pilotado Vehículo | Detección de control de vuelo (actitud, tasas) Cámara de nariz | Datos telemedidos Comandos de piloto remoto | N / A | Control por piloto remoto |
Los niveles medios de autonomía, como la autonomía reactiva y los niveles altos de autonomía cognitiva, ya se han alcanzado en cierta medida y son campos de investigación muy activos.
Autonomía reactiva
La autonomía reactiva, como el vuelo colectivo, la prevención de colisiones en tiempo real , el seguimiento de paredes y el centrado de pasillos, se basa en las telecomunicaciones y la conciencia situacional proporcionada por los sensores de alcance: flujo óptico , [22] lidars (radares de luz), radares , sonares .
La mayoría de los sensores de rango analizan la radiación electromagnética que se refleja en el entorno y llega al sensor. Las cámaras (para el flujo visual) actúan como receptores simples. Los lidares, radares y sonares (con ondas sonoras mecánicas) emiten y reciben ondas, midiendo el tiempo de tránsito de ida y vuelta. Las cámaras UAV no requieren emitir energía, lo que reduce el consumo total.
Los radares y sonares se utilizan principalmente para aplicaciones militares.
La autonomía reactiva ya ha llegado en algunas formas a los mercados de consumo: puede estar ampliamente disponible en menos de una década. [4]
Localización y mapeo simultáneos
SLAM combina la odometría y los datos externos para representar el mundo y la posición del UAV en él en tres dimensiones. La navegación al aire libre a gran altitud no requiere grandes campos de visión verticales y puede depender de las coordenadas GPS (lo que hace que sea un mapeo simple en lugar de SLAM). [23]
Dos campos de investigación relacionados son la fotogrametría y LIDAR, especialmente en entornos 3D de baja altitud e interiores.
- SLAM fotogramétrico y estereofotogramétrico en interiores se ha demostrado con cuadricópteros. [24]
- Se han probado las plataformas Lidar con plataformas láser tradicionales pesadas, costosas y cardadas. La investigación intenta abordar el costo de producción, la expansión de 2D a 3D, la relación potencia-rango, el peso y las dimensiones. [25] [26] Las aplicaciones LED de búsqueda de rango se comercializan para capacidades de detección a baja distancia. La investigación investiga la hibridación entre la emisión de luz y la potencia de cálculo: moduladores de luz espacial de matriz en fase , [27] [28] y láseres emisores de superficie de cavidad vertical sintonizable MEMS de onda continua modulada en frecuencia (FMCW) (VCSEL). [29]
Enjambre
El enjambre de robots se refiere a redes de agentes capaces de reconfigurarse dinámicamente a medida que los elementos entran o salen de la red. Proporcionan una mayor flexibilidad que la cooperación de múltiples agentes. El enjambre puede abrir el camino a la fusión de datos. Algunos enjambres de vuelo de inspiración biológica utilizan comportamientos de dirección y agrupaciones. [ aclaración necesaria ]
Potencial militar futuro
En el sector militar, los depredadores y segadores estadounidenses están hechos para operaciones antiterroristas y en zonas de guerra en las que el enemigo carece de potencia de fuego suficiente para derribarlos. No están diseñados para resistir defensas antiaéreas o combates aire-aire . En septiembre de 2013, el jefe del Comando de Combate Aéreo de EE . UU. Declaró que los vehículos aéreos no tripulados actuales eran "inútiles en un entorno en disputa" a menos que hubiera aviones tripulados para protegerlos. Un informe del Servicio de Investigación del Congreso (CRS) de 2012 especuló que en el futuro, los UAV podrían realizar tareas más allá de la inteligencia, la vigilancia, el reconocimiento y los ataques; el informe de CRS enumeró el combate aire-aire ("una tarea futura más difícil") como posibles empresas futuras. La hoja de ruta integrada de sistemas no tripulados del Departamento de Defensa para el año fiscal 2013-2038 prevé un lugar más importante para los UAV en combate. Los problemas incluyen capacidades extendidas, interacción humano-UAV, manejo de un mayor flujo de información, mayor autonomía y desarrollo de municiones específicas para UAV. El proyecto de DARPA de sistemas de sistemas, [30] o el trabajo de General Atomics pueden augurar escenarios de guerra futuros, este último revelando enjambres de Avenger equipados con High Energy Liquid Laser Area Defense System (HELLADS). [31]
Radio cognitiva
La tecnología de radio cognitiva [ aclaración necesaria ] puede tener aplicaciones UAV. [32]
Capacidades de aprendizaje
Los UAV pueden explotar redes neuronales distribuidas . [4]
Ver también
- Concurso Internacional de Robótica Aérea
- Proyecto Satellite Sentinel
- Sistema de control táctico
Referencias
Citas
- ^ El futuro del uso de drones: oportunidades y amenazas desde perspectivas éticas y legales , Asser Press - Springer, capítulo de Alan McKenna, página 355
- ^ Kaplan, Philip (2013). Aviación naval en la Segunda Guerra Mundial . Pluma y espada. pag. 19. ISBN 978-1-4738-2997-8.
- ^ Taylor, John WR. Libro de bolsillo de Jane de vehículos piloteados a distancia .
- ^ a b c d Floreano, Darío; Wood, Robert J. (27 de mayo de 2015). "Ciencia, tecnología y el futuro de los pequeños drones autónomos" . Naturaleza . 521 (7553): 460–466. Código bibliográfico : 2015Natur.521..460F . doi : 10.1038 / nature14542 . PMID 26017445 . S2CID 4463263 .
- ^ Fasano, giancarmina; Accardo, Domenico; Tirri, Anna Elena; Moccia, Antonio; De Lellis, Ettore (1 de octubre de 2015). "Fusión de datos radar / electro-ópticos para detectar y evitar UAS no cooperativos" . Ciencia y tecnología aeroespacial . 46 : 436–450. doi : 10.1016 / j.ast.2015.08.010 .
- ^ "Arduino Playground - WhatIsDegreesOfFreedom6DOF9DOF10DOF11DOF" . patio de recreo.arduino.cc . Consultado el 4 de febrero de 2016 .
- ^ Carlson, Daniel F .; Rysgaard, Søren (1 de enero de 2018). "Adaptación de pilotos automáticos de drones de código abierto para observaciones de icebergs en tiempo real" . MethodsX . 5 : 1059–1072. doi : 10.1016 / j.mex.2018.09.003 . ISSN 2215-0161 . PMC 6139390 . PMID 30225206 .
- ^ Lesko, J .; Schreiner, M .; Megyesi, D .; Kovacs, Levente (noviembre de 2019). "Piloto automático Pixhawk PX-4 en control de un pequeño avión no tripulado" . 2019 Tecnologías modernas de seguridad en el transporte (MOSATT) . Kosice, Eslovaquia: IEEE: 90–93. doi : 10.1109 / MOSATT48908.2019.8944101 . ISBN 978-1-7281-5083-3. S2CID 209695691 .
- ^ Bristeau, Callou, Vissière, Petit (2011). "La tecnología de navegación y control dentro del micro UAV AR.Drone" (PDF) . Congreso Mundial de IFAC .CS1 maint: varios nombres: lista de autores ( enlace )
- ^ Barnard, Joseph (2007). "Problemas de comunicación, control y comando de UAV pequeños" (PDF) . Barnard Microsystems .
- ^ "La cámara de drones barata que se transmite a su teléfono" . Bloomberg.com . Consultado el 3 de febrero de 2016 .
- ^ "Cellular permite despliegues de drones más seguros" . Qualcomm . Consultado el 9 de mayo de 2018 .
- ^ "Identificación de habilidades críticas de formación de equipos tripulados y no tripulados para operadores de sistemas de aeronaves no tripuladas" (PDF) . Instituto de Investigación del Ejército de EE. UU. Para las Ciencias Sociales y del Comportamiento . Septiembre 2012.
- ^ [1] , "4G Drone Link", publicado el 3 de noviembre de 2015
- ^ Sharma, Navuday; Magarini, Maurizio; Jayakody, Dushantha Nalin K .; Sharma, Vishal; Li, junio (agosto de 2018). "Redes de drones en la nube ultra densas bajo demanda: oportunidades, desafíos y beneficios" . Revista de comunicaciones IEEE . 56 (8): 85–91. doi : 10.1109 / MCOM.2018.1701001 . ISSN 1558-1896 . S2CID 52019723 .
- ^ "Requisitos mínimos relacionados con el rendimiento técnico de las interfaces radioeléctricas IMT-2020" . www.itu.int . Consultado el 8 de octubre de 2020 .
- ^ Roberge, V .; Tarbouchi, M .; Labonte, G. (1 de febrero de 2013). "Comparación de algoritmo genético paralelo y optimización de enjambre de partículas para planificación de ruta UAV en tiempo real". Transacciones IEEE sobre informática industrial . 9 (1): 132-141. doi : 10.1109 / TII.2012.2198665 . ISSN 1551-3203 . S2CID 8418538 .
- ^ Tisdale, J .; Kim, ZuWhan; Hedrick, JK (1 de junio de 2009). "Planificación y estimación de rutas autónomas de UAV". Revista IEEE Robotics Automation . 16 (2): 35–42. doi : 10.1109 / MRA.2009.932529 . ISSN 1070-9932 . S2CID 9696725 .
- ^ Cekmez, Ozsiginan, Aydin y Sahingoz (2014). "Planificación de rutas UAV con algoritmos genéticos paralelos en arquitectura CUDA" (PDF) . Congreso mundial de ingeniería .CS1 maint: varios nombres: lista de autores ( enlace )
- ^ Davenport, Christian (23 de abril de 2015). "Vea un paso en la historia de la Marina: un dron autónomo se reposta en el aire" . The Washington Post . ISSN 0190-8286 . Consultado el 3 de febrero de 2016 .
- ^ Clough, Bruce (agosto de 2002). "¡Métricas, Schmetrics! ¿Cómo diablos se determina la autonomía de un UAV de todos modos?" (PDF) . Laboratorio de Investigación de la Fuerza Aérea de EE. UU .
- ^ Serres, Julien R .; Masson, Guillaume P .; Ruffier, Franck; Franceschini, Nicolas (2008). "Una abeja en el pasillo: centrado y seguimiento de paredes" . Naturwissenschaften . 95 (12): 1181-1187. Código Bibliográfico : 2008NW ..... 95.1181S . doi : 10.1007 / s00114-008-0440-6 . PMID 18813898 . S2CID 226081 .
- ^ Roca, Martínez-Sánchez, Lagüela y Arias (2016). "Novedoso sistema de cartografía aérea 3D basado en plataformas UAV y escáneres láser 2D" . Revista de sensores . 2016 : 1–8. doi : 10.1155 / 2016/4158370 .CS1 maint: varios nombres: lista de autores ( enlace )
- ^ "ETH Zurich: Drones con sentido de la dirección" . Ascending Technologies GmbH . 10 de noviembre de 2015 . Consultado el 3 de febrero de 2016 .
- ^ Timothy B. Lee (1 de enero de 2018). "Por qué los expertos creen que un lidar mejor y más barato está a la vuelta de la esquina" , a través de Ars Technica.
- ^ Shaojie Shen (16 de noviembre de 2010), Navegación aérea autónoma en entornos interiores confinados , consultado el 3 de febrero de 2016
- ^ "SWEEPER demuestra la tecnología de matriz de fase óptica de gran angular" . www.darpa.mil . Consultado el 3 de febrero de 2016 .
- ^ "LIDAR: LIDAR se acerca a la ubicuidad a medida que proliferan los sistemas en miniatura" . www.laserfocusworld.com . 13 de octubre de 2015 . Consultado el 3 de febrero de 2016 .
- ^ Quack, Ferrara, Gambini, Han, Keraly, Qiao, Rao, Sandborn, Zhu, Chuang, Yablonovitch, Boser, Chang-Hasnain, C. Wu (2015). "Desarrollo de un chip fuente FMCW LADAR mediante integración heterogénea MEMS-electrónica-fotónica" . Universidad de California, Berkeley .CS1 maint: varios nombres: lista de autores ( enlace )
- ^ "Plan de DARPA para abrumar a los enemigos con enjambres de drones - Drone 360" . Drone 360 . 6 de abril de 2015 . Consultado el 3 de febrero de 2016 .
- ^ NewWorldofWeapons (17 de enero de 2014), UAV STEALTH de la fuerza aérea de EE . UU. Armado con PISTOLA LÁSER llamado General Atomics Avenger , recuperado el 3 de febrero de 2016
- ^ Young (diciembre de 2012). "Toma de decisiones unificada multidominio: radio cognitiva y convergencia de vehículos autónomos" . Facultad del Instituto Politécnico y Universidad Estatal de Virginia . hdl : 10919/19295 . Consultado el 18 de septiembre de 2020 .