目次 — 知りたいところから読む
前提と読み方

前提知識 座標・速度・センサの基本用語。学習ガイドから前提記事を選べます。

入門 · 原理・構成・判断のための解説です。

ArduPilotは、ドローン専用の「自動操縦アプリ」ではない。飛行機（Plane）、マルチコプター（Copter）、地上車両（Rover）、潜水・ボート（ハイブリッド）まで、センサを読み、状態を推定し、アクチュエータへ指令を出し、異常時に安全状態へ移行する組み込みプラットフォームである。機体を飛ばす前に、推定・制御・通信・電源・地上局を一つの安全ケースとして理解することが重要だ。

機体点検に使われるSkydio X2Dドローン自律飛行機の実例

画像: Skydio X2D inspecting aircraft(Mauricio Campino, Public domain)、Wikimedia Commons。ArduPilot対応機そのものではなく、機上計算と自律飛行の用途を示す比較対象である。

30秒で分かる結論

  • ArduPilotはIMU、GNSS、磁気、気圧、距離センサをEKFで融合し、姿勢・速度・位置・バイアスを推定する。
  • Copterは推力配分と姿勢制御、Planeは空力とエネルギー管理、Roverは車輪・操舵と経路追従が中心で、同じパラメータを共有しない。
  • 内側の角速度・姿勢ループを高頻度で回し、外側の位置・速度・ミッションループが目標を生成する。PIDの符号と単位を実機で確認する。
  • MAVLinkは機体と地上局、コンピュータ、周辺機器を結ぶメッセージプロトコル。通信断、低電圧、GNSS喪失、ジオフェンス逸脱をフェイルセーフで扱う。
  • SITL、ログ再生、プロペラを外したベンチ試験、拘束試験、低高度試験を段階的に行う。シミュレーションが成功しても、実機の振動・電磁ノイズ・電源降下は別問題である。

1. アーキテクチャ

図1 · ボタンで表示を切り替え
ArduPilotのセンサ入力、EKF推定、制御器、ミキサ、機体、MAVLink通信の流れ IMU/GNSS/磁気/気圧/距離/電圧の各センサ出力がEKF3で姿勢・位置推定とバイアス・品質のinnovation検査に使われ、姿勢・速度制御からミキサ/出力を経てモータ・サーボを駆動する流れを示す図。 センサIMU / GNSS磁気 / 気圧距離 / 電圧 EKF3姿勢・位置推定バイアス・品質innovation検査 姿勢・速度制御 ミキサ / 出力 モータサーボ機体運動 MAVLink / GCS100–1000 Hzの推定と制御

図1 — センサをEKFで融合し、内側の姿勢・速度制御からミキサを経てモータ・サーボへ出力する。MAVLinkは地上局や外部コンピュータとの境界になる。

機体のメインループは、センサ取得、推定、制御、出力、通信、ログを一定周期で処理する。IMUの高周波データが姿勢を予測し、GNSSや磁気、気圧、外部ビジョンが低周波の補正を与える。推定品質が悪化したときは、制御器が目標を追い続けるのではなく、ホールド、帰還、着陸などの安全動作へ切り替える。

2. EKFによる状態推定

状態ベクトルの一例は位置p、速度v、姿勢R、ジャイロ・加速度バイアスb_g,b_aである。IMUで予測し、外部観測で更新する。

\dot p=v,\qquad \dot v=R(a_m-b_a-n_a)+g,
\dot R=R[\omega_m-b_g-n_g]_{\times}

ここでa_m,\omega_mは測定値、gは重力、[\cdot]_{\times}は外積行列である。EKFは共分散Pを伝播し、観測残差（innovation）が想定範囲を外れたらそのセンサを一時的に拒否する。磁気干渉やマルチパスGNSSをそのまま受け入れないための仕組みだ。

機体振動は加速度計へ高周波成分を加え、推定と制御を不安定にする。フレーム剛性、プロペラのバランス、ダンパ、フィルタ遅延を機械とソフトの両面で調整する。ログの振動スペクトルとEKFのinnovationを同じ時刻で見ると、原因を切り分けやすい。

3. Copter・Plane・Roverの制御

Copter

マルチコプターは、総推力Tと各モータの回転数で姿勢トルクを作る。近似的には

T=k_f\sum_i\omega_i^2,\qquad \tau_z=k_m(\omega_1^2-\omega_2^2+\cdots)

で、ミキサがロール・ピッチ・ヨー・スロットルの要求を各モータへ配分する。姿勢角ループの外側に速度・位置ループがあり、風や積載変化に合わせて推力余裕を監視する。

Plane

固定翼は翼の揚力と抗力、速度、迎角、エネルギー状態を使って飛ぶ。ロール角で旋回し、ピッチで速度・高度を調整するため、マルチコプターのゲインを流用できない。自動着陸は風、滑走路、センサの遅延を含む専用の試験が必要だ。

Rover

Roverは車輪速、操舵角、GNSS、コンパス、LiDARなどを融合し、ウェイポイントと速度を追従する。車輪滑りや坂道でDead Reckoningがずれるため、robotics-dead-reckoningの記事で扱うオドメトリと同様に共分散と再ローカライゼーションを設計する。

4. ミッションとMAVLink

ミッションはウェイポイント、速度、高度、撮影、着陸などのコマンド列である。MAVLinkは小さなバイナリメッセージで、心拍（HEARTBEAT）、位置、姿勢、パラメータ、ミッション、コマンド確認をやり取りする。UDPでSITLと地上局を接続し、実機では無線リンクの遅延・帯域・暗号化・認証を評価する。

ミッションを自動化するときは、コマンド受領を待たずに次へ進めない。ACK、タイムアウト、再送、キャンセル、電源再投入後の再開位置を定義する。地上局が切れても機体が安全に帰還・着陸できるよう、通信は制御の単一障害点にしない。

5. フェイルセーフと安全試験

低電圧、RCリンク断、GNSS品質低下、EKF異常、ジオフェンス逸脱、モータ故障を検出し、機体種別に応じた動作へ遷移する。Copterの「帰還」が安全とは限らず、強風・障害物・ホーム位置未確定なら着陸やホールドの方が適切な場合がある。閾値を設定したら、実際にその閾値を跨ぐ試験を低リスク環境で行う。

試験はSITL→ハードウェアインザループ→プロペラなし→拘束→低高度→運用高度の順で段階化する。電源を急に落とす、GNSSアンテナを遮蔽する、通信を切る、センサを一つ外すといった異常試験をログ付きで実施する。飛行許可、地域の航空法、プライバシー、電波法も技術要件の一部である。

6. パラメータを調整する順序

  1. センサの向き、キャリブレーション、時刻、電源電圧を確認する。
  2. 機体を固定し、ジャイロ・加速度・コンパスのバイアスと振動を測る。
  3. 姿勢内側ループを小さなゲインから調整し、飽和と発振を確認する。
  4. 速度・位置・高度ループを追加し、風と積載を変えて追従性を評価する。
  5. ミッション、フェイルセーフ、再起動、ログ取得を通しで試験する。

ゲインの数値を他の機体からコピーしても、プロペラ、慣性モーメント、推力余裕、サンプリング周期が違えば安定しない。ログで目標、実測、出力飽和、innovationを重ね、どのループが遅れを作っているかを確認する。

7. 最新の利用と研究

ArduPilotは、農業散布・測量・災害調査・研究用VTOL・自律ボートなど、機体の種類が多い分野で使われる。外部コンピュータからMAVLinkで目標を送り、ROS 2やコンピュータビジョンの推定を補助観測として取り込む構成もある。研究では、視覚航法、マルチセンサ故障診断、学習ベースの風推定、複数機協調が進むが、最終出力は既存の制限・フェイルセーフを通す設計が望ましい。

まとめ

ArduPilotの本質は、センサ融合、階層制御、ミッション実行、通信、フェイルセーフを組み込みで一体化していることだ。機体を動かすコードを書く前に、推定状態と座標系、制御周期、出力上限、異常時の遷移を仕様化する。SITLとログを活用し、実機では段階的な安全試験を行えば、オープンなソフトウェアを研究から実運用へつなげられる。

理解を確かめる
自動飛行は経路を入力するだけで成立する？

機体設定、推定、制御、フェイルセーフが連携する必要がある。経路計画と機体が指令を実行できる条件を分けて確認する。

参考資料

Lab ゲイン・遅延・飽和による応答の変化を試すPID制御をPythonで試す — ゲイン・遅延・飽和で応答はどう変わるかLab 観測ノイズとモデルの信頼度を変えて推定を比べるカルマンフィルタをPythonで動かす

現在の項目 · 17 / 18 · ロボティクス入門

次に読む

前提を確認する油圧システム入門 — パスカルの原理からロボットの力制御までシリーズの次の内容へ進む群制御(マルチロボット)入門 — 群れ・隊列・合意形成の作り方同じ分野を別の観点から読むICPはなぜ失敗するのか
#ArduPilot #オートパイロット #ドローン #MAVLink #EKF #SITL