Deep Dive Dynamics'in tasarımdan üretime, yazılımdan havuz testlerine uzanan geliştirme sürecinin perde arkası.
Yeni sezon çalışmalarına yarışma görevlerinin analizi, mevcut aracın yeteneklerinin değerlendirilmesi ve geliştirilmesi gereken alt sistemlerin belirlenmesiyle başladık. RoboSub görevleri için mekanik, elektronik ve yazılım ekiplerinin ortak çalışacağı bir geliştirme yol haritası oluşturduk.
Yeni görev gereksinimleri doğrultusunda şasi, basınç tüpleri, motor yerleşimleri ve görev mekanizmalarının araç üzerindeki konumları yeniden değerlendirildi. Amaç; bakım kolaylığı, dengeli ağırlık dağılımı ve görev mekanizmalarının hızlı değiştirilebildiği modüler bir platform oluşturmak.
Ana işlemci, Pixhawk, derinlik ve mesafe sensörleri, kamera, ESC'ler ve güç dağıtım sistemi tek bir mimaride toplandı. Haberleşme hatları ile güç bağlantıları sadeleştirilerek bakım ve hata tespiti kolaylaştırıldı.
Derinlik, pitch, roll ve yaw kontrolü için PID tabanlı hareket kontrol altyapısı geliştirildi. Görüntü işleme, sensör verileri ve görev durum makineleri aynı karar yapısında birleştirilerek aracın görevleri insan müdahalesi olmadan tamamlaması hedeflendi.
Kapı, slalom engelleri ve torpido hedeflerinin kameradan tespit edilmesi için görüntü işleme algoritmaları geliştiriyoruz. Algılanan hedefin görüntü merkezine göre konumu, aracın hizalanma ve yaklaşma komutlarının üretilmesinde kullanılıyor.
Mekanik, elektronik ve yazılım alt sistemleri aynı araç üzerinde birleştirilerek haberleşme, güç dağıtımı, sensör verisi ve motor kontrol zinciri uçtan uca doğrulandı. Bu aşama, havuz testlerine geçmeden önce sistem seviyesindeki kritik hataların görülmesini sağlıyor.
Derinlik sabitleme, yönelim kontrolü ve yatay hareket davranışları kontrollü havuz testleriyle ölçülüyor. Her testten alınan veriler PID parametrelerinin, motor komutlarının ve araç dengesinin bir sonraki iterasyonda iyileştirilmesi için kullanılıyor.
Gate, Avoid Debris, Torpedo ve başlangıç kapısına dönüş gibi görevleri tek tek doğruladıktan sonra görevleri ardışık senaryolarda birleştiriyoruz. Böylece yalnızca tek bir algoritmanın değil, aracın bütün otonom görev zincirinin güvenilirliğini ölçüyoruz.