SonicFly è un sistema che permette a un drone di seguire un altro drone usando solo il suono dei rotori del leader. Niente GPS, niente telecamere, niente comunicazione radio. Il follower ascolta, calcola e insegue. Il progetto, realizzato da Yanbaihui Liu, dimostra che l’acustica può essere l’unica fonte di percezione relativa in volo.
Il cuore del sistema è un array di quattro microfoni MEMS ICS-43434, sincronizzati tramite un microcontrollore ESP32-S3. I microfoni sono distanziati di 75 mm tra loro. Questa configurazione cattura il suono ambientale con una precisione sufficiente per stimare la direzione e la distanza della sorgente.
La parte più interessante è la separazione dei segnali. Il leader usa eliche a due pale, mentre il follower ne monta a tre pale. Questa scelta crea frequenze armoniche distinte. Il sistema può quindi isolare il suono del leader dal rumore prodotto dal follower stesso. La scheda con display integrato non serve qui, ma per debug e monitoraggio potrebbe tornare utile.
Come il suono diventa una mappa di posizione
L’audio catturato viene trasformato in spettrogrammi. A questi si aggiungono le caratteristiche di differenza di fase e di livello interaurale tra i microfoni. Questi dati rappresentano la materia prima per la rete neurale.
La rete neurale stima la posizione relativa del leader, ovvero bearing e distanza. Il bearing è l’angolo orizzontale rispetto al follower. La distanza, invece, indica quanto è lontano il leader. Le stime non sono perfette, ma sono abbastanza stabili per il controllo di volo.
Prima di arrivare al controller di volo, le stime passano da un filtro di Kalman. Il filtro usa un gating basato sulla confidenza. In pratica, scarta le letture poco affidabili e smussa le oscillazioni. Di conseguenza, il movimento del follower risulta fluido e reattivo.
I numeri dei test all’aperto
Il sistema è stato provato in inseguimenti all’aperto in diverse condizioni. La separazione target dal leader era di 3,5 metri. Il follower ha mantenuto una distanza media con un errore di 1,34 metri. L’errore medio della stima di bearing, dopo il filtraggio, è stato di 31 gradi.
Questi numeri mostrano che il sistema funziona, anche se non è perfetto. L’errore di 31 gradi sul bearing è significativo, ma il filtro di Kalman compensa in parte. Il risultato è un inseguimento stabile, utile per applicazioni reali.
Perché tutto questo è importante? Perché GPS e visione falliscono in molti ambienti. Sotto tettoie, in tunnel, vicino a strutture metalliche, il segnale GPS si degrada. Le telecamere soffrono con luce scarsa o controluce. Il suono, invece, è sempre presente.
Perché SonicFly è un progetto da studiare
SonicFly offre un metodo complementare a GPS e visione. Non li sostituisce in ogni scenario, ma li affianca dove falliscono. La combinazione di array microfoni, rete neurale e filtro di Kalman è un esempio di percezione sensoriale avanzata.
Per chi vuole rifare il progetto, i componenti principali sono l’ESP32-S3 e i microfoni ICS-43434. La scheda ESP32-C6-Zero potrebbe essere un’alternativa interessante, anche se il progetto originale usa l’S3. La spaziatura di 75 mm tra i microfoni è critica: va rispettata.
- Array di 4 microfoni MEMS sincronizzati
- Rete neurale per stima di bearing e distanza
- Filtro di Kalman con gating basato sulla confidenza
- Separazione acustica tramite eliche a diverso numero di pale
La scheda del progetto contiene i dettagli completi, inclusi i dati di calibrazione e i test. Chi lavora nel settore della robotica o della percezione sensoriale troverà spunti utili. Il suono, spesso ignorato, è una risorsa potente.
Infine, una nota pratica. Se volete sperimentare, iniziate con un ambiente controllato. Un campo aperto, senza vento, con superfici riflettenti lontane. La calibrazione dei microfoni è delicata, ma il risultato finale ripaga lo sforzo.
