Come può un drone “sentire” il vento senza GPS?

Immagina un drone che vola in una zona dove il segnale GPS è assente, come una valle rocciosa o un edificio urbano. Come può sapere dove sta e quanto velocemente il vento lo spinge? Gli scienziati hanno ideato un “osservatore non lineare”, un algoritmo che combina pochi sensori di bordo – un tubo Pitot, un barometro e un magnetometro – con i dati dell’IMU (accelerometri e giroscopi). Il risultato è una stima continua della velocità dell’aria e dell’orientamento completo del veicolo, cioè la sua “attitude”. Il trucco sta nell’analisi di osservabilità: gli autori hanno dimostrato quali traiettorie devono essere seguite affinché il sistema sia sempre osservabile, cioè capace di ricostruire le grandezze nascoste. Questo è fondamentale per pianificare percorsi sicuri e per controllare il drone in tempo reale. L’osservatore è costruito su una struttura matematica chiamata SO(3)×R³, che descrive rotazioni nello spazio e posizioni tridimensionali. I test in simulazione mostrano che, anche con movimenti poco “eccitanti”, l’algoritmo converge rapidamente e resiste a rumori e errori di misura. In pratica, questa tecnologia potrebbe rendere i droni più autonomi, affidabili e pronti a operare in ambienti dove il GPS non è disponibile.

L’analisi di osservabilità parte dal modello dinamico del UAV, espresso in termini di stato x = (R, v) ∈ SO(3)×R³, dove R è la matrice di rotazione che descrive l’attitude e v è la velocità dell’aria relativa al corpo. Le uscite y includono la pressione dinamica misurata dal tubo Pitot (proporzionale al quadrato della componente longitudinale della velocità), l’altezza barometrica (funzione monotona della pressione statica) e la direzione del campo magnetico terrestre rilevata dal magnetometro. L’IMU fornisce accelerazioni specifiche e velocità angolari, che fungono da ingressi u. Per verificare l’uniforme osservabilità, si calcolano le Lie‑derivate successive delle uscite rispetto al campo vettoriale del sistema, verificando che il rango della matrice di osservabilità rimanga pieno lungo la traiettoria. Le condizioni risultanti impongono che la traiettoria contenga variazioni sufficienti in rollio, beccheggio e imbardata, evitando movimenti puramente planari o costanti. L’osservatore proposto è di tipo “high‑gain” su SO(3)×R³: si definiscono errori di rotazione mediante la mappa logaritmica di SO(3) e si applicano correzioni proporzionali ai residui di misura. La stabilità globale è dimostrata mediante un Lyapunov function che combina termini quadrati sugli errori di rotazione e di velocità, con guadagni scelti per garantire un decadimento esponenziale. I risultati di simulazione includono scenari di volo a bassa accelerazione, dove le uscite sono poco eccitate, e mostrano comunque una convergenza entro pochi secondi, con robustezza a rumore gaussiano e bias costanti dei sensori. Questo approccio apre la strada a controllori di volo più leggeri, poiché riduce la dipendenza da sensori costosi o da costanti aggiornamenti GPS, rendendo i droni più adatti a missioni di ricerca‑salvataggio o operazioni indoor.