JP2021041820A - 無人飛翔体及びそのためのコンピュータプログラム - Google Patents

Abstract

【課題】無人飛翔体の実使用時における使用を視野に入れた、墜落確率を出力するコンピュータプログラムの提供。【解決手段】複数の回転翼をもつ無人飛翔体に備えられる１つ以上の回転翼モーターの少なくとも電流値及び電圧値を入力として受け付け、前記入力に基づいて、下記学習済みモデルを介して、予め定めた時間ｔを経過したときの前記無人飛翔体の墜落確率を出力するよう、コンピュータを機能させるためのコンピュータプログラムであって、前記学習済みモデルは教師データを用いる機械学習により生成されることを特徴とし、前記教師データは、前記無人飛翔体の飛行記録における前記回転翼モーターの（Ａ１）電流値及び（Ａ２）電圧値、並びに、（Ｂ）前記時間ｔを経過したときの前記無人飛翔体が墜落しているか否かの二値データ、を少なくとも含む、上記コンピュータプログラム。【選択図】図１

Description

本発明は無人飛翔体、それに用いられる飛行コントローラや電子速度コントローラ、及びそれらを駆動するコンピュータプログラムに関する。

近時、ドローンなどと呼ばれる無人飛翔体の開発が盛んである。典型的な無人飛翔体として、回転翼を複数個備えるマルチコプターが挙げられる。例えば、シャフトを介して放射状に配置される複数の回転翼をもつ無人飛翔体が挙げられる。こういった無人飛翔体においては、複数の回転翼を同時にバランスよく回転させることによって飛行する。

複数の回転翼のバランスについては、通常は、無人飛翔体に１つ備えられる飛行（フライト）コントローラと称する装置によって制御される。飛行コントローラによって各回転翼の回転数・回転方向が定められ、定められた回転数・回転方向が各回転翼に伝達される。回転翼の各々には、１つの回転翼のモーターに電力を供給する電子速度コントローラ（ＥＳＣ）が併設される。飛行コントローラによって定められた各回転翼の回転数・回転方向の命令は、回転翼に併設された電子速度コントローラに入力され、そこで、上記命令を実現するように回転翼への供給電力が定められる。このように、無人飛翔体全体のバランスを考慮して飛行コントローラから各回転翼に回転に関する命令が発せられ、発せられた命令は各回転翼に併設された電子速度コントローラによって各回転翼への供給電力へと変換される。

無人飛翔体においては、各回転翼の動作が不安定になるなどして予期せぬ墜落や制御不能に陥ることがある。無人飛翔体におけるそういった墜落防止の取り組みは種々行われている。例えば、多種多様な条件下での飛行状態を仮想的に検証するシミュレーションの正確性は相当に高く、無人飛翔体を実際に墜落させることなく、仮想的な飛行データを大量に取得することができる。

しかしながら、無人飛翔体の飛行のシミュレーションの多くは、予め、飛行経路や気象条件などをコンピュータに入力する必要がある。よって、シミュレーションで得られる仮想的な飛行データを実使用にそのまま適用しにくいという事情がある。なぜなら、実使用時には気象条件の急変などに起因して、シミュレーションにおける条件との意図しない差異が生じ、その結果として、上記仮想的な飛行データと実際の飛行データとが大きく相違し得るからである。

そういった実情にかんがみて、本発明は、無人飛翔体の実使用時における使用を視野に入れた、墜落確率を出力するコンピュータプログラム及びそのプログラムを格納した電子速度コントローラ並びにそのような電子速度コントローラをもつ電子速度コントローラと、をもつ無人飛翔体の提供を課題とする。

本発明者らが鋭意検討した結果、以下の内容の本発明を完成した。
［１］複数の回転翼をもつ無人飛翔体に備えられる１つ以上の回転翼モーターの少なくとも電流値及び電圧値を入力として受け付け、前記入力に基づいて、下記学習済みモデルを介して、予め定めた時間ｔを経過したときの前記無人飛翔体の墜落確率を出力するよう、コンピュータを機能させるためのコンピュータプログラムであって、前記学習済みモデルは教師データを用いる機械学習により生成されることを特徴とし、前記教師データは、前記無人飛翔体の飛行記録における前記回転翼モーターの（Ａ１）電流値及び（Ａ２）電圧値、並びに、（Ｂ）前記時間ｔを経過したときの前記無人飛翔体が墜落しているか否かの二値データ、を少なくとも含む、上記コンピュータプログラム。
［２］前記無人飛翔体の飛行記録は前記無人飛翔体のフライトシミュレーション及び実飛行の少なくとも一つから得られる記録を含む［１］のコンピュータプログラム。
［３］各々の前記回転翼モーターには回転翼モーターを制御するための電子速度コントローラが備えられ、前記入力はさらに回転翼モーターの温度及び電子速度コントローラの温度の少なくとも一つを含み、前記教師データはさらに（Ａ３）回転翼モーターの温度及び電子速度コントローラの温度の少なくとも一つを含む、［１］又は［２］のコンピュータプログラム。
［４］前記入力はさらに回転翼モーターの回転数を含み、前記教師データはさらに（Ａ４）回転翼モーターの回転数を含む、［１］〜［３］のコンピュータプログラム。
［５］前記入力は複数の回転翼モーターの各々の電流値及び電圧値を含み、
前記教師データは、前記無人飛翔体の飛行記録における前記複数の回転翼モーターの（Ａ１）電流値及び（Ａ２）電圧値、並びに、（Ｂ）前記時間ｔを経過したときの前記無人飛翔体が墜落しているか否かの二値データ、を少なくとも含む、
［１］〜［４］のコンピュータプログラム。
［６］複数の回転翼をもつ無人飛翔体に備えられる１つの回転翼モーターを制御するための電子速度コントローラであって、［１］〜［４］のコンピュータプログラムを格納することを特徴とする、電子速度コントローラ。
［７］複数の回転翼をもつ無人飛翔体のための飛行コントローラであって、前記無人飛翔体がもつ各々の回転翼にはそれぞれ、回転翼モーター及び前記回転翼モーターを制御するための電子速度コントローラが備えられ、前記飛行コントローラは複数の電子速度コントローラを制御するものであり、かつ、［５］のコンピュータプログラムを格納することを特徴とする、前記飛行コントローラ。
［８］複数の回転翼と、前記回転翼のそれぞれに対して１つずつ接続された［６］の電子速度コントローラと、をもつ無人飛翔体。
［９］複数の回転翼と、前記回転翼のそれぞれに対して１つずつ接続された電子速度コントローラと、［７］の飛行コントローラと、をもつ無人飛翔体。

本発明によれば、学習済みモデルの生成のために用いられる教師データは、フライトシミュレーションによって多種多様に生成することができる。よって、無人飛翔体を実際に飛行（、そして墜落）させることなく、膨大なデータを教師データとして用いることができ、結果として、学習済みモデルの正確性を高めることが期待される。

そのようにして生成される学習済みモデルを用いる本発明のプログラムは、ある時点における「回転翼モーターの電流値及び電圧値」が少なくとも入力されると、その時点から「時間ｔ」が経過したときの無人飛翔体の墜落確率が出力される。したがって、高い墜落確率が出力された場合には、「時間ｔ」が経過するまでに回避行動をとるなど、対策を施しやすくなり、実使用時における無人飛翔体の墜落防止に寄与することが期待される。

本発明の無人飛翔体の一例の模式図である。 本発明によるコンピュータプログラムの概略図である。 無人飛翔体のフライトシミュレーションの一例の模式図である。 ＰＩＤコントローラの一例の概念図である。 無人飛翔体のフライトシミュレーションの一例の模式図である。 適応ＦＩＲコントローラの一例の概念図である。 無人飛翔体のフライトシミュレーションの一例の模式図である。 ディープラーニングモデルの一例の概念図である。 無人飛翔体のフライトシミュレーションの一例の模式図である。

以下、図面を適宜参照しながら本発明を詳しく説明する。図示された態様は本発明を限定するためのものではなく、あくまで例示である。

図１は本発明の無人飛翔体の一例の模式図である。本発明の無人飛翔体は、人間が乗り込まずに遠隔操作によって飛翔するよう構成されていて、回転翼を少なくとも２つ有する。本発明では、回転翼の動力源は電力を想定している。典型的には、電力源は無人飛翔体に設けられた蓄電池（図示せず）である。

図１の無人飛翔体は、中心から放射状に延びる４本のシャフト３００と、各シャフト３００の先端に備えられた回転翼２００と、それぞれの回転翼２００に併設された電子速度コントローラ（ＥＳＣ）１００と、中心に設けられた飛行コントローラ（フライトコントローラ）４００とを有する。複数の回転翼を有する限り、無人飛翔体の構造は特に限定は無い。シャフト及び回転翼の数は好ましくは４〜１０である。

飛行コントローラ４００は、無人飛翔体として所望される進行方向や速度に応じて、一例として各電子速度コントローラ１００に与える命令として、時々刻々と変化する駆動モーターへの印加電圧に比例するデューティ比を算出する。各電子速度コントローラ１００は伝達されたデューティ比の命令に従って電力に変換し、各回転翼２００の駆動モーター（図示せず）に供給する。飛行コントローラ４００と操作者とのやりとりは、ラジオ波等の電波を用いた遠隔操作によって行うことができる。

通常、電子速度コントローラ１００と回転翼２００とは１対１に対応する。具体的には、１つの電子速度コントローラ１００は１つの回転翼２００を制御するために設けられる。電子速度コントローラ１００と飛行コントローラ４００との接続に特に限定は無く、有線でも無線でもよい。電子速度コントローラ１００と回転翼２００との接続も特に限定は無く、電力線でも非接触電送でもよい。これらの接続については、図面では描写を省略している。

本発明によれば、電子速度コントローラ及び／又は飛行コントローラには以下詳述するコンピュータプログラムが格納される。本発明によれば、コンピュータプログラムは以下の入出力を担う。

入力としては、回転翼モーターの電流値及び電圧値を必須の情報とする。好ましくは、さらに、回転翼モーターの回転数、回転翼モーターの温度及び電子速度コントローラの温度の１つ又はそれ以上を入力として扱うことができる。さらには、前記列挙した各情報以外のパラメータを入力する情報としてさらに採り入れてもよい。

上述の電流値、電圧値、その他のパラメータは、複数の回転翼モーターのそれぞれにおいて別個独立に設定あるいは計測し得るものであるところ、本発明では、少なくとも１つの回転翼モーターにおける上記パラメータを入力として用い、好ましくは、複数の回転翼モーターにおける上記パラメータを入力として用い、より好ましくは、全ての回転翼モーターにおける上記パラメータを入力として用いる。

本発明によれば、コンピュータプログラムの出力は、予め定めた時間ｔを経過したときの無人飛翔体の墜落確率である。時間ｔはコンピュータプログラムの作成において予め定めておく。例えば、「当該プログラムは５秒後の墜落確率を出力する」というようにプログラムを作成したときは、時間ｔは「５秒」である。時間ｔは特に限定は無い。墜落確率は、墜落確率０％から墜落確率１００％までの間の値で表されることが一般的である。

本発明によれば、上述したような各パラメータの入力から、時間ｔを経過したときの無人飛翔体の墜落確率を出力するコンピュータプログラムが提供される。これら入出力は、以下詳述する学習済みモデルを介して行われる。前記学習済みモデルは、教師データを用いる機械学習により生成される。

ここで、教師データとしては、少なくとも、以下のデータを必須に含む。
（Ａ１）ある時刻における回転翼モーターの電流値、
（Ａ２）前記時刻における前記回転翼モーターの電圧値、ならびに
（Ｂ）前記時刻から時間ｔを経過したときの前記無人飛翔体が墜落しているか否かの二値データ。

上記のように電流値（Ａ１）及び電圧値（Ａ２）を教師データとすることにより、バッテリの低下による墜落（主として電圧値に関連する）、風などの負荷によるモーター要因の墜落（主として電流値に関連する）、あるいは電子部品の焼損によるアーム短絡などによるＥＳＣ要因の墜落（主として電流値に関連する）の要素を学習に採り入れることができる。これらは各々個別に閾値で判断することもできるが、両方が正常範囲内でも複合的な影響により墜落に至るケースも想定され、そのような場合には個別パラメータの閾値の設定が困難である。学習モデルは、こういった複合的なケースを判断する解決策の１つとして提案される。

また、（Ｂ）における二値データは、非墜落を０、墜落を１として表すことが好ましい。このような二値データを教師データとして含むことにより、学習モデルが時間t秒後の墜落の可能性が低いと判断すれば出力は「０」に近づき、高いと判断すれば墜落の「１」に近づくというように、「墜落確率」として出力を利用することができる。

教師データとしては上記に限定されず、好ましくは、以下のデータの１又は複数をさらに含んでいてもよい。
（Ａ３）前記時刻における回転翼モーターの温度及び電子速度コントローラの温度の少なくとも一つ、
（Ａ４）前記時刻における回転翼モーターの回転数。
上記以外のデータも教師データとして含んでいてもよく、例えば、前記時刻における無人飛翔体の位置データ、前記時刻から過去の時刻における上記データ、上記データの時刻ごとの差分も教師データとして適用可能である。

これら、教師データは、無人飛翔体の実飛行データから取得してもよいし、無人飛翔体のフライトシミュレーションから取得してもよい。

例えば、フライトシミュレーションにより、無人飛翔体の１つの回転翼モーターにおいて以下のデータが存在する場合を想定する。

時間（秒） 電流値（Ａ） 電圧値（Ｖ） データＮｏ．
116.5 15.0 14.5 １
117.0 15.6 14.5 ２
117.5 15.1 14.5 ３
118.0 15.5 14.4 ４
118.5 15.7 14.4 ５
119.0 30.7 14.4 ６
119.5 44.3 14.4 ７
120.0 44.9 14.4 ８
120.5 44.2 14.3 ９
121.0 95.3 14.3 １０
121.5 110.2 14.3 １１
122.0 − −（墜落） １２

上記は、あるフライトシミュレーションにおいて、飛行から１２２秒後に墜落したときの最終５．５秒間（116.5〜122.0秒）のデータである。「データＮｏ．」は、以下の説明の便宜のためのナンバリングである。上記データについて、より具体的には、データＮｏ．５までは機体がホバリングしている状態、データＮｏ．６で風を受けて電流値が増えた状態、データＮｏ．１０では風の負荷に負けてモーターにロックがかかってしまった状態である。

ここで、例として、時間ｔを「２秒」とするときの、コンピュータプログラムを作成することを考慮する。「データＮｏ．１」では、電流値（Ａ１）が１５．０アンペア、電圧値（Ａ２）は１４．５ボルトである。そして、それから「時間ｔ（２秒）」経過したときの無人飛翔体の状態は「非墜落（値＝０）」である。よって、「データＮｏ．１」から得られる教師データは、「電流値（Ａ１）は１５．０アンペア、電圧値（Ａ２）は１４．５ボルト、墜落状態値（Ｂ）は０」である。

同様の考察により、「データＮｏ．２」から得られる教師データは、「電流値（Ａ１）は１５．６アンペア、電圧値（Ａ２）は１４．５ボルト、墜落状態値（Ｂ）は０」である。「データＮｏ．３」から得られる教師データは、「電流値（Ａ１）は１５．１アンペア、電圧値（Ａ２）は１４．５ボルト、墜落状態値（Ｂ）は０」である。
ここまでの考察により、既に３つの教師データを取得できている。

次に、「データＮｏ．８」から得られる教師データも考察する。ここで留意すべきは、「データＮｏ．８」の時間から「時間ｔ（２秒）」経過したときの無人飛翔体の状態は「墜落（値＝１）」である点である。よって、「データＮｏ．８」から得られる教師データは、「電流値（Ａ１）は４４．９アンペア、電圧値（Ａ２）は１４．４ボルト、墜落状態値（Ｂ）は１」である。同様に、「データＮｏ．９」から得られる教師データは、「電流値（Ａ１）は４４．２アンペア、電圧値（Ａ２）は１４．３ボルト、墜落状態値（Ｂ）は１」である。

上記の例のように、無人飛翔体の実飛行データやフライトシミュレーションから、膨大な量の教師データを取得することができる。得られた教師データを機械学習に供することにより、上述の学習済みモデルを得ることができる。大量の教師データから学習済みモデルを生成させるための機械学習の具体的な態様は特に限定は無く、機械学習における従来技術を適宜採り入れることができる。

図２は本発明によるコンピュータプログラムの概略図である。符号２１１で表される推論モデルが上述した学習済みモデルに相当する。無人飛翔体の回転翼モーターの少なくとも電圧及び電流を入力すると、推論モデル２１１に基づいて、時間ｔを経過したときの無人飛翔体の墜落確率が墜落判定２１２として出力される。

本発明によれば、各々の回転翼モーターを制御するための電子速度コントローラ（ＥＳＣ）は好ましくは上述したコンピュータプログラムを格納する。より好ましくは、無人飛翔体に搭載される複数の電子速度コントローラがそれぞれ上述したコンピュータプログラムを格納する。また、複数の電子速度コントローラを制御する飛行コントローラ（フライトコントローラ）に上述したコンピュータプログラムが格納されていてもよい。

上述のように、コンピュータプログラムを格納した電子速度コントローラや飛行コントローラを有する無人飛翔体もまた本発明の範疇である。

以下、本発明の実施についてやや具体的に説明する。まず、上述した教師データを得るためのフライトモデルの一例を紹介する。
図３は、無人飛翔体のフライトシミュレーションの一例の模式図である。この例では、時刻ｔの目標位置２１と時刻ｔ−１の位置との偏差、時刻ｔ−１の位置、時刻ｔ−１の速度、時刻ｔ−１の加速度から無人飛翔体の各回転翼に入力する電圧を計算するコントローラ１と、電圧から各回転翼の回転数を計算する回転数変換部１１と、回転数から各回転翼の力を計算する力変換部１２と、回転数から各回転翼のトルクを計算するトルク変換部１３と、トルクから各回転翼の電流を計算する電流変換部１４と、電圧と電流からモーター制御装置の温度を計算する制御装置温度変換部１５と、力変換部１２で計算した力から無人飛翔体の前後方向、左右方向、垂直方向、およびそれぞれの方向まわりのロール角、ピッチ角、ヨー角方向の計６方向の加速度を計算する力学モデル２と、加速度から６方向の速度を計算する速度変換部１６と、速度から６方向の位置を計算する位置変換部１７と、をもつ。図１のモデルに時刻ごとの６方向の目標位置２１を入力することで、無人飛翔体の時刻ごとの電圧データ３１、回転数データ３２、電流データ３３、温度データ３４、加速度データ３５、速度データ３６、位置データ３７（以下、飛行データ）を取得できる。この目標位置２１や、各変換部１１〜１６の出力の外乱を様々に与えることで、無人飛翔体が墜落するかどうかのシミュレート、及び墜落した場合は墜落前後の飛行データの取得が可能となる。

図４は、ＰＩＤコントローラの一例の概念図である。これは、上述の図３におけるコントローラ１として採用することができる。このＰＩＤコントローラは、時刻ｔの目標位置２１と時刻ｔ−１の位置との偏差を入力とし、時刻ｔ−１の位置そのものや時刻ｔ−１の速度、時刻ｔ−１の加速度は使用しない。入力された偏差を用いて比例制御を行うＰ制御部４１、積分制御を行うＩ制御部４２、微分制御を行うＤ制御部４３から構成され、それぞれの制御部４１〜４３の出力の和を電圧として出力するよう構成されている。

図５は、無人飛翔体のフライトシミュレーションの一例の模式図である。この例では、図３に示したフライトシミュレーションにおけるコントローラ１として、図４に示したＰＩＤコントローラを採用している。こういったフライトシミュレーションにおいて目標位置２１や、各変換部１１〜１７の出力の外乱を様々に与えることで、無人飛翔体の飛行及び墜落をシミュレートする。このときに得る時刻ごとの電流・電圧・墜落状態等の各種データを大量に得ることができ、それらを上述した教師データとして用いることで、学習済みモデルの正確度や精度の向上が期待される。

図６は、適応ＦＩＲコントローラの一例の概念図である。これは、上述の図３におけるコントローラ１として採用することができる。この適応ＦＩＲフィルタは、時刻ｔの目標位置２１と時刻ｔ−１の位置との偏差と、時刻ｔ−１の速度を入力とし、時刻ｔ−１の位置そのものや時刻ｔ−１の速度、時刻ｔ−１の加速度は使用しない。入力された偏差と速度はそれぞれＦＩＲフィルタ５１、５３に入力され、それぞれのフィルタのフィルタ係数に基づいて算出した値の和を電圧として出力するよう構成されている。適応制御部５２、５４は、時刻ｔで入力された偏差と速度に基づいて時刻ｔ＋１のＦＩＲフィルタ５１、５３のフィルタ係数を算出し、時刻ｔ＋１におけるＦＩＲフィルタ５１、５３に反映させる。

図７は、無人飛翔体のフライトシミュレーションの一例の模式図である。この例では、図３に示したフライトシミュレーションにおけるコントローラ１として、図６に示した適応ＦＩＲコントローラを採用している。こういったフライトシミュレーションにおいて目標位置２１や、各変換部１１〜１７の出力の外乱を様々に与えることで、無人飛翔体の飛行及び墜落をシミュレートする。このときに得る時刻ごとの電流・電圧・墜落状態等の各種データを大量に得ることができ、それらを上述した教師データとして用いることで、学習済みモデルの正確度や精度の向上が期待される。

図８は、ディープラーニングモデルの一例の概念図である。これは、上述の図３におけるコントローラ１として採用することができる。ディープラーニングモデルは、入力された偏差、位置、速度、加速度を一次元データとしてまとめる一次元データ変換部６１、一次元データ変換部６１の出力を１〜ｎ次（ｎは任意）だけ遅れさせ、時刻ｔ＋１〜時刻ｔ＋ｎにデータを出力するｎ次遅れ要素６２、時刻ｔの一次元データ変換部６１の出力と、時刻ｔに出力されたｎ次遅れ要素６２の出力と、時刻ｔ−１の電圧と、をディープラーニングネットワーク６４への一次元入力データとしてまとめる入力データ変換部６３、入力されたデータから電圧を推論するディープラーニングネットワーク６４を備える。ディープラーニングネットワーク６４が推論した電圧は、データとしてフィードバックされて時刻ｔ＋１に入力データ変換部６３の入力となる。なお、ディープラーニングネットワーク６４の学習には、図４のＰＩＤ制御や図６の適応ＦＩＲフィルタ制御のシミュレートで取得した、時刻ごとの偏差、位置、速度、加速度、電圧を利用することもできる。

図９は、無人飛翔体のフライトシミュレーションの一例の模式図である。この例では、図３に示したフライトシミュレーションにおけるコントローラ１として、図８に示したディープラーニングモデルを採用している。こういったフライトシミュレーションにおいて目標位置２１や、各変換部１１〜１７の出力の外乱を様々に与えることで、無人飛翔体の飛行及び墜落をシミュレートする。このときに得る時刻ごとの電流・電圧・墜落状態等の各種データを大量に得ることができ、それらを上述した教師データとして用いることで、学習済みモデルの正確度や精度の向上が期待される。

以上、本発明で用いることができるフライトシミュレーションの例をいくつか紹介したが、これら以外のフライトシミュレーションを用いてもよいし、また、無人飛翔体の実飛行データを全体的又は部分的に用いてもよい。

こういったフライトシミュレーション及び／又は実飛行データから得た教師データをもとに機械学習により学習済みモデルを生成させ、上記参照した図２のように模式化できる本発明のコンピュータプログラムを用いることで、無人飛翔体の実使用時において時々刻々観測される回転翼モーターの電流・電圧を含む各種入力データから時間ｔを経過したときの当該無人飛翔体の墜落確率が直ちに得られることになる。墜落確率が高くなることが早期に判明した場合には、有効な墜落回避行動をとることができる機会・時間が増し、結果として、実際に墜落するリスクを軽減することができる。

１００：電子速度コントローラ ２００：回転翼
３００：シャフト ４００：飛行コントローラ

Claims (9)

1. 複数の回転翼をもつ無人飛翔体に備えられる１つ以上の回転翼モーターの少なくとも電流値及び電圧値を入力として受け付け、前記入力に基づいて、下記学習済みモデルを介して、予め定めた時間ｔを経過したときの前記無人飛翔体の墜落確率を出力するよう、コンピュータを機能させるためのコンピュータプログラムであって、
   前記学習済みモデルは教師データを用いる機械学習により生成されることを特徴とし、
   前記教師データは、前記無人飛翔体の飛行記録における前記回転翼モーターの（Ａ１）電流値及び（Ａ２）電圧値、並びに、（Ｂ）前記時間ｔを経過したときの前記無人飛翔体が墜落しているか否かの二値データ、を少なくとも含む、
   上記コンピュータプログラム。
2. 前記無人飛翔体の飛行記録は前記無人飛翔体のフライトシミュレーション及び実飛行の少なくとも一つから得られる記録を含む請求項１記載のコンピュータプログラム。
3. 各々の前記回転翼モーターには回転翼モーターを制御するための電子速度コントローラが備えられ、前記入力はさらに回転翼モーターの温度及び電子速度コントローラの温度の少なくとも一つを含み、前記教師データはさらに（Ａ３）回転翼モーターの温度及び電子速度コントローラの温度の少なくとも一つを含む、請求項１又は２記載のコンピュータプログラム。
4. 前記入力はさらに回転翼モーターの回転数を含み、前記教師データはさらに（Ａ４）回転翼モーターの回転数を含む、請求項１〜３のいずれか１項記載のコンピュータプログラム。
5. 前記入力は複数の回転翼モーターの各々の電流値及び電圧値を含み、
   前記教師データは、前記無人飛翔体の飛行記録における前記複数の回転翼モーターの（Ａ１）電流値及び（Ａ２）電圧値、並びに、（Ｂ）前記時間ｔを経過したときの前記無人飛翔体が墜落しているか否かの二値データ、を少なくとも含む、
   請求項１〜４のいずれか１項記載のコンピュータプログラム。
6. 複数の回転翼をもつ無人飛翔体に備えられる１つの回転翼モーターを制御するための電子速度コントローラであって、請求項１〜４のいずれか１項記載のコンピュータプログラムを格納することを特徴とする、電子速度コントローラ。
7. 複数の回転翼をもつ無人飛翔体のための飛行コントローラであって、
   前記無人飛翔体がもつ各々の回転翼にはそれぞれ、回転翼モーター及び前記回転翼モーターを制御するための電子速度コントローラが備えられ、
   前記飛行コントローラは複数の電子速度コントローラを制御するものであり、かつ、請求項５記載のコンピュータプログラムを格納することを特徴とする、
   前記飛行コントローラ。
8. 複数の回転翼と、前記回転翼のそれぞれに対して１つずつ接続された請求項６記載の電子速度コントローラと、をもつ無人飛翔体。
9. 複数の回転翼と、前記回転翼のそれぞれに対して１つずつ接続された電子速度コントローラと、請求項７記載の飛行コントローラと、をもつ無人飛翔体。

Images