Gli ingegneri della Università di Surrey stanno ridefinendo il concetto di droni a ala fissa grazie al progetto Learning2Fly, un’iniziativa che trae ispirazione dal volo di rapaci e uccelli altamente precisi. L’obiettivo è sviluppare droni UAV in grado di eseguire manovre complesse come il posarsi, evitare ostacoli e adattarsi a spazi ristretti o ventosi. Questo approccio innovativo punta a combinare efficienza energetica e agilità, superando i limiti dei droni convenzionali e aprendo nuove possibilità per applicazioni in ambienti urbani e offshore.
Droni a ala fissa: un nuovo equilibrio tra efficienza e agilità
I droni a rotore singolo o multiplo offrono ottima manovrabilità, ma sono estremamente energivori e poco adatti a percorrere lunghe distanze. Al contrario, i droni a ala fissa consumano meno energia e possono coprire tratte maggiori. Il che li rende ideali per compiti come l’ispezione di turbine eoliche in mare o il monitoraggio di aree estese. Tuttavia, fino ad oggi questi UAV soffrivano di limitata agilità: volare in spazi ristretti o affrontare correnti turbolente era rischioso.
Il progetto Learning2Fly si propone di superare questa barriera osservando la natura. Gli ingegneri studiano il comportamento di uccelli di precisione, come rapaci e specie abili nell’evitare ostacoli, per trasferire queste capacità ai droni. Combinando i dati sperimentali con algoritmi di machine learning, i ricercatori puntano a far sì che gli UAV possano predire e controllare le proprie traiettorie in tempo reale, replicando movimenti naturali estremamente sofisticati.
Spiega il Dr. Olaf Marxen, Senior Lecturer della Facoltà di Scienze dell’Ingegneria Meccanica:
“La natura ha già risolto molte delle sfide che affrontiamo nel volo dei droni. I rapaci possono eseguire manovre incredibilmente precise in ambienti complessi e stiamo usando queste lezioni per rendere i droni ad ala fissa più intelligenti, più agili e più adatti alle città con edifici alti o condizioni di vento in rapido cambiamento. […] Stiamo combinando dati di volo sperimentali con l’apprendimento automatico per aiutare i droni a prevedere e controllare il loro movimento in tempo reale per imitare la traiettoria di volo tipica di un uccello. Le simulazioni tradizionali, come la fluidodinamica computazionale, non sono all’altezza in ambienti turbolenti e sono proibitive, quindi il nostro prossimo passo è perfezionare il modello predittivo e testare all’aperto, avvicinandoci all’implementazione”.
Dal laboratorio alla realtà: il ruolo del machine learning e dei test sperimentali
Invece di affidarsi a simulazioni costose come la fluidodinamica computazionale, il gruppo della Surrey utilizza un approccio pratico e innovativo. Le manovre vengono testate in laboratorio tramite prototipi leggeri, alcuni derivati da aeroplani giocattolo, equipaggiati con sensori e ripresi da videocamere ad alta velocità. I dati raccolti vengono alimentati nei modelli di machine learning, che consentono di prevedere il comportamento dei droni senza ricorrere a complessi calcoli aerodinamici.
I primi esperimenti hanno mostrato risultati promettenti: i droni sono già capaci di manovre precise e sicure, confermando quanto la natura rimanga una guida preziosa anche nell’era della tecnologia avanzata.
Come sottolinea il team, imparare dagli uccelli permette di combinare agilità e risparmio energetico, creando UAV più versatili e affidabili. Con i prossimi test all’aperto, i ricercatori prevedono di perfezionare ulteriormente il modello, aprendo la strada a una nuova generazione di droni agili, intelligenti e ispirati alla natura. Pronti a operare in contesti complessi come città densamente popolate o aree marine ventose.
