Ninguém vê o todo.
Em Boids e no consenso, cada agente consulta os seus vizinhos. O comportamento global emerge dessas interações locais.
ROBÓTICA DISTRIBUÍDA / EXPLORAR · EXPERIMENTAR · COMPREENDER
Como é que vários drones
se entendem?
Pensa num bando de pássaros a mudar de direção. Cada um acompanha os que estão perto. Os drones também podem seguir regras locais para se organizar — ou receber lugares definidos numa formação.
Explorar comunicação: LoRa, Wi-Fi e outras redes →PARA COMEÇARExperimenta separar o grupo
Escolhe Consenso e reduz o raio de comunicação. Repara nas linhas e no número de grupos. Depois aumenta o raio. Se a experiência estiver em pausa, usa “Retomar” ou avança um passo.
O desenho mostra uma experiência visual. Os controlos podem ser usados com o teclado; as explicações descrevem o comportamento. Usa “Ler resultados” para ouvir as métricas atuais sem anúncios contínuos.
BOIDS / MOVIMENTO COLETIVOSIMULAÇÃO 2D
—Alinhamento
—Vizinhos por drone
24Drones
VER PARA COMPREENDER
Três regras. Um movimento.
Dar espaço
Seguir a direção
Ficar com o grupo
O QUE ESTÁS A OBSERVAR
A rede faz a diferença.
Reduz o raio e observa grupos isolados. No consenso, a convergência para um valor comum depende de uma rede conectada.
Simular é o primeiro passo.
As setas são uma simplificação vista de cima. Não simulamos vento, tamanho das hélices ou atrasos da rede. Um bom resultado aqui não prova que o voo real seja seguro.
DA IDEIA AOS PASSOS
Chegar a acordo com os vizinhos
Todos usam uma fotografia dos valores anteriores. Assim, o primeiro drone não altera a informação que os restantes vão ler.
enquanto a experiência estiver ativa:
anteriores = copiar_valores_de_todos_os_drones()
rede = encontrar_vizinhos_no_raio()
passo = 0,45 / máximo(1, maior_número_de_vizinhos)
para cada drone i:
ajuste = 0
para cada vizinho j de i:
ajuste += anteriores[j] - anteriores[i]
novos[i] = anteriores[i] + passo × ajuste
aplicar_todos_os_valores(novos)
# Grupos sem ligação podem chegar a acordos diferentes.Pseudocódigo descreve a lógica. As funções com nomes como “ler sensores” representam trabalho que teria de ser implementado. Este exemplo não é código pronto a executar num robô.
FORMAÇÃO / DO OBJETIVO AO MOVIMENTO
Organizar uma formação
Um planeador atribui destinos. Cada drone aproxima-se do seu e abranda, mantendo distância dos vizinhos.
destinos = escolher_forma(círculo, V ou grelha)
atribuir_um_destino_a_cada_drone(destinos)
para cada pequeno intervalo:
anteriores = copiar_posições_e_velocidades()
para cada drone:
erro = destino - posição_anterior
correção = atração × erro - travagem × velocidade_anterior
correção += afastamento_dos_vizinhos_próximos(anteriores)
atualizar_movimento(correção)
# A separação pode impedir a chegada exata a destinos próximos.Palavras e siglas, em linguagem simples
- GNSS
- Sistema global de navegação por satélite. GPS e Galileo são exemplos.
- IMU
- Unidade de medição inercial: sensores que medem aceleração e rotação.
- RTK
- Posicionamento cinemático em tempo real: correções que podem melhorar a precisão dos satélites.
- VIO
- Odometria visual-inercial: combinar imagens e sensores de movimento para acompanhar o percurso.
- SLAM
- Localização e mapeamento simultâneos: construir um mapa e encontrar-se nele.
- UWB
- Banda ultralarga: rádio que pode medir distâncias a referências locais.
- UGV
- Veículo terrestre não tripulado: um robô que se desloca no chão.
- EKF
- Filtro de Kalman estendido: uma forma de combinar medições e previsões para estimar o estado do veículo.
- ROS 2
- Robot Operating System 2: ferramentas para ligar programas de sensores, decisões e robôs. Não é um autopiloto.
- PID
- Controlador proporcional, integral e derivativo: combina correção do desvio, erro acumulado e tendência de mudança.
Na formação, um planeador central escolhe os destinos. Em Boids e consenso, cada drone usa apenas os vizinhos. São formas diferentes de organizar o grupo.
Antes de operar drones reais, confirma as regras da ANAC e da EASA, incluindo as condições para vários drones. Regras e entidades a consultar →
LIGAÇÕES À INVESTIGAÇÃO
Onde estas ideias aparecem na ciência
Estas leituras ajudam a aprofundar o tema. As nossas experiências são simplificações educativas: não são reproduções dos resultados dos artigos.
Flocks, Herds and Schools: A Distributed Behavioral Model →
Ligação ao laboratório: Como movimentos de grupo podem nascer de regras locais. É a ligação mais direta à nossa experiência Boids.
O que não devemos concluir: O artigo trata de comportamento animado. Não estabelece garantias de separação ou de controlo para drones reais.
DOI: 10.1145/37402.37406 · em inglês · acesso ao texto completo pode ser pago
Ver na biblioteca científica →Consensus and Cooperation in Networked Multi-Agent Systems →
Ligação ao laboratório: Ajuda a perceber por que a rede de vizinhos importa quando agentes precisam de chegar a acordo.
O que não devemos concluir: A demonstração usa valores escalares, ligações bidirecionais e atualizações ideais; o artigo discute uma classe muito mais ampla de sistemas.
DOI: 10.1109/JPROC.2006.887293 · em inglês · acesso ao texto completo pode ser pago
Ver na biblioteca científica →A Formal Analysis and Taxonomy of Task Allocation in Multi-Robot Systems →
Ligação ao laboratório: Ajuda a separar perguntas como quem pode fazer uma tarefa, quando a faz e como repartir o trabalho.
O que não devemos concluir: É uma referência geral sobre equipas de robôs, não uma implementação específica de drone e UGV. O esquema do site não executa negociação automática.
DOI: 10.1177/0278364904045564 · em inglês · acesso ao texto completo pode ser pago
Ver na biblioteca científica →